CN108519770B - 一种浮选过程运行控制的实验平台 - Google Patents
一种浮选过程运行控制的实验平台 Download PDFInfo
- Publication number
- CN108519770B CN108519770B CN201810389023.4A CN201810389023A CN108519770B CN 108519770 B CN108519770 B CN 108519770B CN 201810389023 A CN201810389023 A CN 201810389023A CN 108519770 B CN108519770 B CN 108519770B
- Authority
- CN
- China
- Prior art keywords
- virtual object
- control
- flotation process
- grade
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种浮选过程运行控制的实验平台,在平台中实现浮选过程的仿真功能,实现浮选过程的监控功能,以达到可以进行浮选过程先进控制算法仿真的目的。该实验平台中过程监控计算机运行有过程监控系统,虚拟对象计算机运行有虚拟对象系统;虚拟对象系统实现浮选过程底层机理模型和运行层模型的实时运行,实现模拟实际浮选过程对象的动态特性;针对不同应用场景选择不同辨识算法,估计浮选过程底层机理模型和运行层模型中的未知参数;过程监控系统利用虚拟对象系统,采用真实的PLC程序和控制器对虚拟对象进行底层回路控制,并实现对经济指标的优化设定值的跟踪,实现对浮选过程的半实物仿真实验,完成不同控制算法的对比试验。
Description
技术领域
本发明属于自动控制技术领域,具体涉及一种浮选过程运行控制的实验平台。
背景技术
浮选过程的目的是希望在安全、稳定和可靠的前提下,在对过程变量进行调节和控制的作用下,获得的生产效果其产量和指标尽可能的高,消耗尽可能的低,获得较高的经济效益。由于该过程具有危险性较高、生产周期较长、物理设备及其实验成本相对较高等特点,同时由于目前浮选生产过程仍处于人工控制,由于受到矿石性质等边界条件的变化和干扰的影响,人工操作不能及时准确的进行调节,难以保证控制目标值在理想范围内,影响精矿品位和金属回收率。由于浮选过程在选矿生产中至关重要的安全地位,决定了先进控制方法的工程化验证不能在现场进行。
近年来随着科学技术的快速发展,计算机仿真技术在磁选和磨矿领域已经得到了相当成熟的应用,大大提高了企业的经济效益,而专门针对浮选过程的仿真软件应用还比较少,因此为了实现对先进控制方法的设计与改进,设计一个专门的实验软件平台,以保证先进的控制方法能够在工业现场得到应用显得尤为重要。
设计开发浮选过程仿真软件平台的目的是为了在实验室环境下对已经开发的先进控制算法首先进行仿真测试,避免了运行优化算法直接应用到工业现场,因此大大降低了验证风险;同时根据实验验证的结果对开发的算法进行实时的调试和改进,从而提高算法的准确度和精度,降低了设计开发的成本;算法设计开发人员可以利用仿真软件了解并掌握浮选过程的工艺流程以及实际设备的操作方法。
发明内容
本发明的目的就是提出一种浮选过程运行控制的实验平台,在平台中实现浮选过程的仿真功能,实现浮选过程的监控功能,实现数据的管理功能,以达到在该平台上可以进行浮选过程先进控制算法仿真的目的。
一种浮选过程运行控制的实验平台,包括:过程监控计算机和虚拟对象计算机以及过程监控计算机、虚拟对象计算机之间的网络;过程监控计算机运行有过程监控系统,虚拟对象计算机运行有虚拟对象系统;其中:
虚拟对象系统:实现浮选过程底层机理模型和运行层模型的实时运行,用以实现模拟实际浮选过程对象的动态特性;针对不同的应用场景选择不同的辨识算法,估计浮选过程底层机理模型和运行层模型中的未知参数;
过程监控系统:利用虚拟对象系统,采用真实的PLC程序和控制器对虚拟对象进行底层回路控制,并实现对经济指标的优化设定值的跟踪,实现对浮选过程的半实物仿真实验,并完成不同控制算法的对比试验。
所述虚拟对象系统包括:虚拟对象建模模块、虚拟对象参数辨识模块和虚拟对象仿真模块;
虚拟对象建模模块,通过对象模型实现浮选过程底层机理模型和运行层模型的实时运行,实现模拟实际浮选过程对象的动态特性;
虚拟对象参数辨识模块,通过辨识算法估计浮选过程底层机理模型和运行层模型中的未知参数;虚拟对象参数辨识模块具有选择功能,用于添加辨识算法的算法库,针对不同的应用场景选择不同的辨识算法,并为其他操作人员的模型仿真开发提供良好的接口;
虚拟对象仿真模块,对所建立的浮选过程动态对象模型进行验证,根据运行结果对对象模型进行修改,以提高模型的精度。
所述虚拟对象模块还设置数据库,存储仿真运行过程中的各个物流环节的实时数据,并利于历史数据的查询和归档。
所述过程监控系统,包括运行控制模块和管理监控模块;
运行控制模块,实现对浮选过程的过程控制和监控功能,给定浮选槽矿浆液位和给矿流量的设定值,使矿浆液位和给矿流量的反馈值能够跟踪设定值。
管理监控模块,通过人机交互界面直观进行仿真过程参数的设置和选择,并通过物流运行界面实时反映浮选过程各个物料流的具体变化情况。
所述的仿真过程参数包括浮选槽矿浆液位、给矿流量、精矿品位和尾矿品位。
所述的辨识算法包括交替辨识算法和遗传算法。
所述的控制算法包括PID解耦控制、串级控制和卡尔曼滤波算法。
采用浮选过程运行控制的实验平台进行实验的方法,包括:
选择控制算法,并设置控制步长和仿真周期;
根据出矿品位的期望给定精矿品位的设定值和尾矿品位的设定值;
根据所选择的过程控制算法,产生的虚拟对象控制量,包括给矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度;
根据虚拟对象控制量,运行浮选过程对象模型;
选择参数辨识算法求解浮选过程模型,得到给矿流量实际值、矿浆液位实际值、精矿品位实际值和尾矿品位实际值,并发送至控制器;
根据精矿品位实际值和尾矿品位实际值进行优化设定,通过目标值以及设定值比较得到偏差,包括精矿品位偏差和尾矿品位偏差;
根据所计算出的精矿品位偏差和尾矿品位偏差产生新的控制量,包括矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度,实现对精矿品位实际值和尾矿品位实际值的优化设定;
若精矿品位实际值和尾矿品位实际值超出设定误差,则调整控制算法参数,重新根据出矿品位的期望给定精矿品位的设定值和尾矿品位的设定值;否则,实验结束。
本发明优点:
本发明是一种浮选过程运行控制的实验平台,其中的过程回路控制器来源于实际的工业现场,并利用新兴的软硬件技术和仿真技术,使开发的过程回路监控模块尽可能的接近实际工业环境并具有良好的可视性和兼容性,还可以直观地在浮选过程仿真时查看过程变量的跟踪值,控制器流程和模型原理等信息,因此本发明具有适用性好、兼容性强、不受硬件设备的制约,可以实现对先进控制算法进行仿真实验的优点。
附图说明
图1为本发明一种实例浮选过程工艺流程图;
图2为本发明浮选槽模型工作原理;
其中,1-槽体;2-给矿泵;3-液位测量仪表;4-进气集流器;5-精矿阀门;6-尾矿阀门;7-药剂泵;
图3为本发明具体实施方式浮选过程运行控制实验平台的硬件结构图;
图4为本发明具体实施方式浮选过程运行控制实验平台的软件结构图;
图5为本发明具体实施方式虚拟对象建模模块中的浮选过程两相结构原理图;
图6为本发明具体实施方式虚拟对象参数辨识模块的交替辨识算法流程图;
图7为本发明具体实施方式虚拟对象参数辨识模块的遗传算法流程图;
图8为本发明具体实施方式虚拟对象仿真模块的功能设计图;
图9为本发明具体实施方式管理监控模块的功能设计图;
图10为本发明具体实施方式运行模型程序流程图;
图11为本发明具体实施方式精矿品位跟踪曲线;
图12为本发明具体实施方式尾矿品位跟踪曲线。
具体实施方式
下面结合附图对本发明实施实例做进一步说明。
一种浮选过程运行控制实验平台,该平台用于浮选过程的控制实验,一般的浮选生产过程包括两个流程主流程和辅助流程,即主流程充气浮选过程与浮选生产过程的药剂制备过程辅助流程。主流程充气浮选是将预先调剂好的一定浓度的矿浆输送到浮选机内,通过在浮选机或浮选柱等浮选设备的充气搅拌作用下,会产生大量的弥散的气泡,浮选槽中可浮性好的矿粒会附着于气泡上,形成矿化泡沫,而可浮性差的矿粒不能附着于气泡上,留在槽中,由于矿粒可浮性质的不同达到精矿与尾矿分离的目的。充气浮选过程的工序由粗选、精选、一扫、二扫、三扫、四扫共六个选别作业组成;药剂制备过程是根据药剂的浓度、温度等因素的要求,通过向浮选槽内的矿物进行加水、搅拌、蒸汽加温等操作,进行药剂的制备与输送,并根据药剂性质、矿石性质、工艺技术等要求,选择合适的加药点,通过选择不同的加药方式,以达到保持矿浆中最佳药剂浓度的目的,浮选工艺流程图如图1所示。
浮选槽工作原理图如图2所示,本系统以单槽浮选机作为机理模型,浮选槽包括槽体1、给矿泵2、液位测量仪表3、进气集流器4、精矿阀门5、尾矿阀门6、药剂泵7。槽体1是整个浮选过程的运行容器,给矿泵2的作用是将一定流量的给矿矿浆送入槽体1,液位测量仪表3用来测量浮选槽中矿浆的液位,进气集流器4可以将空气通入浮选槽中的矿浆,开启精矿阀门5和尾矿阀门6使精矿和尾矿流出,药剂泵7的作用是通过药剂泵的转动,将一定量的药剂混合入矿浆流量中,并随着给矿矿浆通入浮选过程的槽体1。
浮选过程运行控制的实验平台硬件结构图如图3所示,浮选过程运行控制的实验平台包括过程监控计算机和虚拟对象计算机,其中,过程监控系统由回路控制计算机、过程监控计算机组成。过程监控计算机与回路控制计算机之间通过数据通讯处理卡CP5611连接,采用Profibus通信协议进行数据交换,其最大通讯速率可达12MB/s;回路控制计算机与虚拟对象计算机之间通过工业以太网连接,并通过组态软件WinCC内嵌的OPC通讯协议实现通讯连接。
虚拟对象计算机、过程监控计算机和优化计算机的硬件配置大体相同,一般满足奔腾4CPU,3.00GHz主频,大于256M内存,安装以太网卡,PLC控制网卡。回路控制系统采用德国西门子公司生产的可编程序控制器S7-300PLC,其主要实现的功能是控制回路的闭环和逻辑控制。控制回路所需的硬件设备主要包括CPU模块、电源模块、通讯模块、输入输出(I/O)模块以及以太网通讯模块等。过程监控计算机、虚拟对象计算机之间网络连接,过程监控计算机主要用于生产过程和优化设定模块的监控功能,其相当于工业现场的操作站。虚拟对象计算机用于建立虚拟对象、虚拟执行机构和虚拟检测仪表装置,用于模拟实际工业现场的过程回路工艺、执行机构和检测仪表。虚拟对象计算机与回路控制计算机之间采用工业标准信号进行信息传递。虚拟对象计算机由数据收集板卡和工业计算机组成,其中,数据采集卡采用PCL-818L实现对象模型输入信号的采集功能以及采用PCL-72实现对象模型经过运算后的数据输出,工业计算机采用普通的工控机作为虚拟对象系统模型硬件平台。
浮选过程运行控制实验平台的软件结构图如图4所示,可分为虚拟对象模块和过程监控模块。其采用半实物仿真的形式,被控对象采用虚拟建模的方式通过仿真程序实现,回路控制则采用与工业现场类似的真实PLC控制设备和监控软件实现。
过程监控计算机运行有过程监控系统,虚拟对象计算机运行有虚拟对象系统;其中:
虚拟对象系统:实现浮选过程底层机理模型和运行层模型的实时运行,用以实现模拟实际浮选过程对象的动态特性;针对不同的应用场景选择不同的辨识算法,估计浮选过程底层机理模型和运行层模型中的未知参数;
过程监控系统:利用虚拟对象系统,采用真实的PLC程序和控制器对虚拟对象进行底层回路控制,并实现对经济指标的优化设定值的跟踪,实现对浮选过程的半实物仿真实验,并完成不同控制算法的对比试验。浮选过程动态特性仿真软件具有良好的上层监控功能,工业现场需要操作的设备和需要监控的模拟量比较多,并且还有控制回路与大量的第三方设备需要在不同模式下进行监视与操作。为实验者或操作人员提供一个与工业现场相一致的过程控制监控平台,实现控制器参数的在线修改和各个变量变化的动态显示。
所述过程监控系统,包括运行控制模块和管理监控模块;
运行控制模块,实现对浮选过程的过程控制和监控功能,给定浮选槽矿浆液位和给矿流量的设定值,使矿浆液位和给矿流量的反馈值能够跟踪设定值。
管理监控和模块,通过人机交互界面直观进行仿真过程参数的设置和选择,并通过物流运行界面实时反映浮选过程各个物料流的具体变化情况。
各模块的具体作用如下:
(1)虚拟对象建模模块:通过浮选过程动态对象模型实现浮选过程底层机理模型和运行层模型的实时运行,实现模拟实际浮选过程对象的动态特性。如图5所示,采用基于Harris提出的浮选两相结构来建立浮选过程的对象模型。假定在浮选槽中,A为浮选槽横截面积,H为浮选槽高度,给定一定浓度的矿物和脉石矿浆,矿浆在给矿阀门开度的调节下,矿浆以一定的流量y2(t)流入槽体,同时,底流精矿在精矿阀门开度的调节下以流量qc流出浮选槽,在精矿和给矿阀门开度的一致作用下,浮选槽产生液位为y1(t)的矿浆。同时,通气集流器以一定的电流IQ工作,向浮选槽中通入大量气泡,由于药剂与气泡的共同作用,浮选槽中的矿物将分为两层,矿浆层与泡沫层。矿浆中质量为的脉石会附着在气泡表面并随着气泡上浮,以一定的速率进入浮选槽的泡沫层,而精矿等矿物则会留在矿浆中,达到分离的作用。在浮选槽中重力和泡沫的共同作用下,矿浆中会有少许的质量为的精矿会以的速率浮选到泡沫层,而同时泡沫层中会有一定质量为的精矿和的脉石杂质等回落到矿浆中。最后,矿浆中的底流精矿以流量qc流出浮选槽从而获得精矿品位r1(t),矿浆中的尾矿以流量qT流出浮选槽获得尾矿品位r2(t)。
根据上述模型假设,则可知矿浆相与泡沫相中的矿物与脉石物料平衡关系,矿浆层中的矿物与脉石物料平衡关系包括三部分:矿浆层与泡沫层之间的物料转移、给矿阀门通入、精矿阀门流出,泡沫层中的矿物与脉石物料平衡关系包括两部分:矿浆层与泡沫层之间的物料转移、尾矿阀门流出。由以上关系,可基于浮选槽两相结构建立运行层模型,其中矿浆液位y1(t)、给矿流量y2(t)为输入,精矿品位r1(t)、尾矿品位r2(t)为输出,可以描述为如下非线性动力学模型:
r(t)=G(x(t))
其中,状态x(t)=[x1(t),x2(t),x3(t),x4(t)]T为泥浆中的矿物质量、脉石质量和泡沫层中的矿物质量、脉石质量;控制输入y(t)=[y1(t),y2(t)]T为浮选槽的矿浆液位与给矿流量,输出r(t)=[r1(t),r2(t)]T为精矿品位与尾矿品位。F(x(t),y(t)),G(x(t))满足:
公式中各参数符号的物理含义如下表:
(2)虚拟对象参数辨识模块:通过辨识算法估计浮选过程底层机理模型和运行层模型中的未知参数;虚拟对象参数辨识模块具有选择功能,用于添加辨识算法的算法库,针对不同的应用场景选择不同的辨识算法,并为其他操作人员的模型仿真开发提供良好的接口;浮选动态过程是模拟的对象,针对其建立精确的数学模型至关重要。由于建立的运行模型中存在一些未知的参数,应用工业过程中的实际数据,通过遗传算法和交替辨识算法估计模型中的未知参数等方法,以提高模型的精确性。
交替辨识算法中矿物过程的输入输出被控对象模型为:
其中,v[φ(t)]是高阶非线性函数,称之为未建模动态,表示将矿物过程中的高阶非线性与参数随机变化等因素用未建模动态项表示。由于v[φ(t)]未知,要想得到系统输出的预报值首先要对T时刻的未建模动态v[φ(t)]进行估计。由于动态模型中某些参数未知,难以建立精确的数学模型,因此被控对象模型中的A(z-1)和B(z-1)以及未建模动态v[φ(t)]均未知,此时,需要采用参数辨识算法来估计线性模型中的未知参数,对未建模动态项使用神经网络等估计算法来计算。因此,在本发明中对未知的模型参数A(z-1)和B(z-1)采用经典的最小二乘参数辨识算法进行估计,对未建模动态v[φ(t)]采用BP神经网络进行估计,两种估计算法以交替的方式对模型中的参数进行估计,从而实现对整个浮选过程动态模型的辨识,得到的模型可以更加精确的表达实际浮选过程的矿浆品位与输入矿浆流量、矿浆液位的关系。在BP神经网络中未建模动态的导师信号方程和最小二乘算法中对未知模型参数辨识的方程分别为:
如图6所示,交替辨识的步骤如下:
步骤1、对未知模型参数A(z-1)和B(z-1)赋予初值,即给定参数向量的初始值;
步骤2、根据选定的模型参数的初值,获得与之相对应的神经网络的导师信号;
步骤3、测取导师信号中不同时刻的r(T)和y(T),构成数据向量,并与导师信号训练神经网络,获得未建模动态的估计值;
步骤4、将未建模动态的估计值代入最小二乘辨识方程,获得未知模型参数的估计值;
步骤5、将得到的参数模型估计值带回神经网络估计算法,得到下一时刻的神经网络估计的导师信号;
步骤6、返回步骤3,继续估计下一时刻的未知模型参数和未建模动态,直到结束辨识。
如图7所示,是遗传算法流程图。遗传算法是一种搜索最优解的关键技术,其建立在模拟自然选择和遗传学机理之上。其在搜索最优解时首先需要对待求的问题进行编码,种群中的每一个解均被编码成字符串的形式,然后随机产生一个一定规模的种群作为候选解集,通过计算每一代的适应度函数对种群进行性能评估,并在此基础上分别进行选择运算、交叉运算和变异运算等遗传操作,得到下一代的群体。简单遗传算法通常采用二进制编码方法,对个体适应度进行简单的变换,分别采用比例选择运算、单点交叉运算和基本位变异运算三种基本遗传操作。由于遗传算法在整个群体进化过程中所表现出的特性并不是完全随机搜索的,它能有效利用历史信息来推测下一代期望性能有所提高的寻优点集。这样一代一代地不断进化,最后收敛到一个最适应环境的个体上,求得问题的最优解。其运算步骤如下:
步骤1、设置初始化进化计数器及最大迭代数,随机产生N个40位二进制字符串,其中每个字符串代表一组浮选模型系统参数,得到初始化种群;
步骤2、将各个二进制字符串译码成模型的每个参数值,然后根据选择运算、交叉运算和变异运算,分别计算群体中的各个模型参数的适应度值。
步骤3、假如进化次数少于最大迭代次数,则转到上一步,如果进化次数多于最大迭代次数,采用在进化过程中计算得到的具有最大适应度的个体作为模型的最优解,终止计算输出结果。
(3)虚拟对象仿真模块:对所建立的浮选过程动态对象模型进行验证,根据运行结果对对象模型进行修改,以提高模型的精度。如图8所示,虚拟对象仿真模块作为仿真实验的主要部分,由用户管理模块、模型求解模块、数据管理模块、人机交互模块、物流仿真模块五个部分组成。虚拟对象仿真模块主要针对浮选过程中的物流信息进行模拟,设计开发此模块,对所建立的浮选动态对象模型进行验证,根据运行结果对对象模型进行修改,以提高模型的精度。所述的五个模块作用如下:
用户管理模块:虚拟对象模块的用户管理功能主要包括用户登录、用户注册、模型求解、数据管理和用户退出系统等功能。用户使用虚拟对象模块软件前首先需要获得登录权限获得使用对象功能软件的使用权限,这是基于系统安全性的考虑,防止非授权人员获得登录系统的资格。
模型求解模块:此模块分为对象模型求解部分和参数辨识部分。其中,对象模型求解部分:对象模型利用Matlab强大的程序编码和数学运算能力,将所建立的机理模型写到Matlab中以M文件的形式存储,并通过OPC通讯接口读取控制模块参数,根据虚拟对象本身运行的需求和过程监控模块人机交互界面参数设置对对象模型实现求解,并将求解后的模型参数与模型参数辨识程序进行数据交换,求解出需要估计的模型参数。参数辨识部分:编写模型参数辨识程序来估计模型中的未知参数,实现模型参数的在线辨识,通过OPC通讯接口读取虚拟对象参数辨识模块的参数,根据人机界面的参数设置在线的调整辨识的周期和步长,其中,通过调用对象模型求解模块,对辨识算法的参数求解提供帮助。
数据管理模块:此模块具有数据发送功能、数据接收功能、数据存储功能和数据查询功能。数据发送功能:为了能够将对象模型的历史数据显示在人机交互界面上,需要将系统运行的数据存储到数据库中以便调用,当需要显示这部分数据的时候,调用数据的发送模块将历史及实时数据通过OPC通信协议发送到过程监控界面。数据接收功能:为了能够利用人机界面发送来的实时数据及控制参数,需要调用数据库将这部分数据存储起来以便调用,保证对象不但能够接收到人机界面发送来的实时控制、对象参数,还能存储历史的数据以便后期的使用、显示。数据存储功能:仿真软件运行过程中会产生大量的实时数据,使用SQL Server数据库软件存储模型求解和参数辨识算法的初始值、模型参数、辨识结果以及模型运行方式设置的相关历史参数。SQL Server数据库通用性强,具有大量的第三方接口,可以和多种软件建立通讯连接,因此利用数据库存储对象模型程序与过程监控模块相关的历史数据,便于后期的查询及分析。数据查询功能:仿真软件运行过程中会产生大量的数据,经常需要通过查询历史数据来判断模型的运行情况以及控制器的控制效果,这就要建立良好的数据查询机制,同时,数据可以通过历史数据查询界面导出成表格形式,便于将数据用于其他分析和使用。
物流仿真模块:此模块具有仿真步长选择功能和虚拟对象模块仿真功能。仿真步长选择功能:浮选运行过程是一个慢过程,为了提高仿真效率节省时间,可以通过设置不同的仿真时间以及步长,能够将一个类似的缓慢过程加快,同时又确保系统的动态效果保持不变。虚拟对象模块仿真功能主要是设计虚拟对象的模型运行界面、多种模型参数辨识的辨识界面以及算法库的选择界面,根据实际浮选工业过程设计虚拟的模型运行操作功能,对各个过程的物流信息运行加以修改,可以更加方便快捷的在界面上找到需要的信息。针对不同的辨识算法库,搭建算法选择功能,对不同的模型参数辨识算法的运行及切换提供良好的体验,并且利于二次开发。
人机交互模块:此模块包括人机交互界面、趋势显示界面和物流运行界面。人机交互界面:人机交互界面采用数值型流程图的方式显示生产运行过程中各个模块的物流信息,采用趋势图的形式实时显示生产变量的变化趋势,便于用户了解浮选过程的工艺流程及运行结果,使用组态软件WinCC编程实现,操作方便简单显示直观,为用户提供良好的人机交互环境。趋势显示界面:趋势图可以显示在模型运行期间各个指标的变化趋势,用曲线的形式显示指标的变化趋势相对于数据而言更加直观,可以及时掌握模型的运行状态,及时观察控制效果。设置各个指标的显示可选择,坐标范围可以自由设置,使数据显示更具有针对性,对效果的观察更方便。物流运行界面:物流运行界面主要是设计虚拟对象和虚拟设备、检测仪表的模型可视化图形界面,能够直观的显示回路控制各个虚拟部分的物流运行状态,组态设计可视化图形界面来动态的展示浮选过程,提高可视化程度。
(4)管理监控模块:如图9所示,管理监控模块具有用户管理功能、人机交互界面、变量监控功能、数据归档功能和报警功能。下面对各个功能做具体介绍:
用户管理功能:管理监控模块的用户管理功能包括用户登录、软件使用权限、参数设置及修改等功能。用户使用过程监控模块软件前首先需要获得登录权限获得使用监控功能软件的使用权限,这是基于系统安全性的考虑,防止非授权人员获得登录系统的资格。
人机交互界面:人机交互界面为实验人员或操作人员提供了一个可视化界面,用于监控系统各个环节的运行状态,并提供了向系统传送数据的输入面板,并实时的将更新后的数据显示在界面上。人机交互界面上设置有变量趋势图和报警模块,模拟实际工业现场环境,提供一个友好、便利的操作画面。
变量监控功能:利用组态软件中的数据归档记录功能对浮选过程仿真中产生的数据进行归档,利用组态软件中的趋势图和参数显示功能控件实现根据操作员的需求显示被控量的变化趋势,所查看的时间区间可选,不同的变量采用不同颜色加以区分。
数据归档功能:在控制实验中会产生大量的数据,在实验中虽然可以根据实时显示的数据变化情况对控制算法进行判断,但实验结束后也需要一定的分析处理,这就要求必须有良好的数据归档功能,便于对历史数据的存储和分析。
报警功能:报警功能是监控系统必不可少的功能,应实现对浮选过程中发生的故障以及可能发生故障的事故源进行报警,对过程变量的危险值进行报警,通过显著颜色闪烁或者声音提醒操作人员注意,同时将报警信息保存,便于以后检查系统的运行情况。
(5)运行控制模块:在过程控制计算机中运行,运行控制模块主要用来实现对浮选过程的过程控制和监控功能,运行控制器给定矿浆液位和给矿流量的设定值,通过回路控制器调节作用,使矿浆液位和给矿流量的反馈值能够跟踪设定值。运行控制模块作为浮选过程控制系统的开发平台,既要满足对浮选过程虚拟对象的控制要求,又要便于研究人员或现场操作人员对控制效果进行分析比对。其主要具有浮选槽矿物品位预设定功能、回路监控功能和控制算法选择功能。所述的控制算法包括PID解耦控制、串级控制和卡尔曼滤波算法。
浮选槽矿物品位预设定功能:实现根据精矿品位和尾矿品位的目标值以及其他边界条件,根据运行控制模块的设定功能,给出在当前工况下能够使系统满足运行指标要求的浮选槽的矿浆液位和给矿流量设定值。
回路监控功能:仿真软件的运行控制模块是为了实现对虚拟对象的控制和运行状态的监视,包括底流浓度、底流流量和矿浆液位的控制等。监控界面上应具备物流的数值设定操作和设备状态监视,包括关键工艺参数的数值显示,包括浮选槽液位和给矿流量等。利用组态软件中的数据归档记录功能对仿真中产生的数据进行归档,利用组态软件中的趋势图控件实现根据操作员的需求显示被控量的变化趋势,所查看的时间区间可选,不同的变量采用不同颜色加以区分。
控制算法选择功能:回路控制模块应实现基本的回路控制功能,包括手自动控制切换、控制器初始值的设置、下装以及控制算法的选择功能等,模块应具备从控制算法选择面板上选择对应的控制策略并实现下装功能。仿真软件的主要目的是为了验证控制算法的可行性,因此,需要具有控制算法开发和修改的功能,以便于对不同的控制算法进行比较,根据控制效果对控制算法加以改进。
采用浮选过程运行控制的实验平台进行实验的方法包括以下步骤:
步骤1、用户登录进入浮选过程运行控制实验系统;
步骤2、在控制器选择面板选择相应的控制算法,并设置控制步长和仿真周期;
步骤3、进入控制器运行监控界面,根据出矿品位的期望给定精矿品位的设定值和尾矿品位的设定值;
步骤4、根据所选择的过程控制算法,采用控制器产生的虚拟对象控制量,包括给矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度;
步骤5、根据虚拟对象的控制量,采用虚拟对象模块中的浮选过程对象模型并运行浮选过程对象模型;
步骤6、进入模型操作面板,选择参数辨识算法求解模型,得到虚拟被控对象模型的给矿流量实际值、矿浆液位实际值、精矿品位实际值和尾矿品位实际值,并发送至控制器;
步骤7、采用控制器将精矿品位实际值和尾矿品位实际值发送至优化设定模块,通过目标值以及设定值比较得到偏差,包括精矿品位偏差和尾矿品位偏差;
步骤8、根据所计算出的精矿品位偏差和尾矿品位偏差产生新的控制量,包括矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度,实现对精矿品位实际值和尾矿品位实际值的设定优化;
步骤9、若精矿品位实际值和尾矿品位实际值不能有效的跟踪设定值,超出用户的实验期望误差,则根据上述实际值与设定值的跟踪效果调整系统优化控制算法参数,使其满足用户要求,或者返回步骤2;若满足用户的实验期望误差,则实验结束。
所述步骤5和步骤6之中,运行浮选过程模型和对模型未知参数进行辨识的流程如图10,首先建立OPC通讯连接,使用程序connect.m实现,然后运行initiate.m程序进行初值设置,然后运行simulation_start.m程序启动动态模型仿真,该程序通过调用connect.m函数实现Matlab与WinCC通讯模块的连接,调用initiate_m函数实现仿真初始值的获取和设置,接下来运行simulation_timer.m程序,该函数用于设置定时仿真器,实现每隔一段时间调用模型求解函数,将所求解的结果周期性的传递给数据通讯程序,然后进入模型求解部分,首先运行caculate.m程序,这是模型求解的主程序,被定时器周期性调用,计算浮选过程各条物流的参数值,通过调用模型求解函数得到最终的浮选过程动态模型,然后运行solve_model.m函数,根据各个变量的初始值,调用辨识算法程序对微分方程进行求解,在每次求解步长结束时,将步长最后时刻的变量值赋给下一时刻的初始值,然后选择交替辨识程序AI_al.m或者遗传算法程序GA_al.m对未知参数模型进行辨识,得到估计值,然后运行model.m程序,该程序主要实现浮选过程中以矿物品位为输出模型的建模,基于浮选动力学原理,利用浮选两相结构建立相关模型,然后返回仿真器程序继续运行,如果达到所设置的定时器时间,则运行get_value.m程序,读取参数值和控制量的数值,然后运行simulation_stop.m程序,实现定时器的停止,进而停止动态模型的仿真。
如图11和图12所示,为本发明精矿品位和尾矿品位跟踪曲线,可以看出精矿品位和尾矿品位可以收敛到设定值并跟随。本发明的浮选过程运行控制实验系统,该系统用于生产前期仿真工作,若参数实际值和设定值跟踪效果好,则可按照该方法投产,另外其构成明确,可以充分满足大规模生产的需要。
Claims (1)
1.一种采用浮选过程运行控制的实验平台进行实验的方法,所述浮选过程运行控制的实验平台包括:过程监控计算机和虚拟对象计算机以及过程监控计算机、虚拟对象计算机之间的网络;过程监控计算机运行有过程监控系统,虚拟对象计算机运行有虚拟对象系统;其中:
虚拟对象系统:实现浮选过程底层机理模型和运行层模型的实时运行,用以实现模拟实际浮选过程对象的动态特性;针对不同的应用场景选择不同的辨识算法,估计浮选过程底层机理模型和运行层模型中的未知参数;所述的辨识算法包括交替辨识算法和遗传算法;
过程监控系统:利用虚拟对象系统,采用真实的PLC程序和控制器对虚拟对象进行底层回路控制,并实现对经济指标的优化设定值的跟踪,实现对浮选过程的半实物仿真实验,并完成不同控制算法的对比试验;所述的控制算法包括PID解耦控制、串级控制和卡尔曼滤波算法;
其特征在于,所述方法包括:
选择控制算法,并设置控制步长和仿真周期;
根据出矿品位的期望给定精矿品位的设定值和尾矿品位的设定值;
根据所选择的过程控制算法,产生的虚拟对象控制量,包括给矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度;
根据虚拟对象控制量,运行浮选过程对象模型;
选择参数辨识算法求解浮选过程模型,得到给矿流量实际值、矿浆液位实际值、精矿品位实际值和尾矿品位实际值,并发送至控制器;
根据精矿品位实际值和尾矿品位实际值进行优化设定,通过目标值以及设定值比较得到偏差,包括精矿品位偏差和尾矿品位偏差;
根据所计算出的精矿品位偏差和尾矿品位偏差产生新的控制量,包括矿阀门开度、矿浆泵转速、精矿出口阀门开度和尾矿出口阀门开度,实现对精矿品位实际值和尾矿品位实际值的优化设定;
若精矿品位实际值和尾矿品位实际值超出设定误差,则调整控制算法参数,重新根据出矿品位的期望给定精矿品位的设定值和尾矿品位的设定值;否则,实验结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810389023.4A CN108519770B (zh) | 2018-04-27 | 2018-04-27 | 一种浮选过程运行控制的实验平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810389023.4A CN108519770B (zh) | 2018-04-27 | 2018-04-27 | 一种浮选过程运行控制的实验平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108519770A CN108519770A (zh) | 2018-09-11 |
CN108519770B true CN108519770B (zh) | 2020-10-27 |
Family
ID=63429203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810389023.4A Active CN108519770B (zh) | 2018-04-27 | 2018-04-27 | 一种浮选过程运行控制的实验平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108519770B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946994A (zh) * | 2019-03-18 | 2019-06-28 | 天津大学 | 一种虚拟硬件实验室远程控制系统 |
CN110193428B (zh) * | 2019-06-19 | 2021-04-30 | 北京矿冶科技集团有限公司 | 一种浮选流程产率优化控制方法 |
CN110918266B (zh) * | 2019-12-10 | 2020-09-29 | 中南大学 | 一种提升浮选泡沫质量的控制装置及方法 |
CN111598298A (zh) * | 2020-04-16 | 2020-08-28 | 天津德通电气股份有限公司 | 一种选煤厂浮选药剂加药量的预测方法 |
CN112051751B (zh) * | 2020-09-21 | 2021-06-01 | 东北大学 | 一种多级串联闪蒸工业过程的半实物仿真控制系统 |
CN112517248B (zh) * | 2020-10-29 | 2022-08-09 | 宜春钽铌矿有限公司 | 一种锂云母浮选系统液位的智能控制方法 |
CN113093624B (zh) * | 2021-04-09 | 2022-05-06 | 昆明理工大学 | 一种基于室内模拟放矿的微型振动出矿机的模拟放矿方法 |
CN113117896A (zh) * | 2021-04-15 | 2021-07-16 | 江苏仕能工业技术有限公司 | 一种浮选加药自动更新系统 |
CN114035450B (zh) * | 2021-11-11 | 2024-06-04 | 北京工业大学 | 一种面向mswi过程的多入多出回路控制半实物仿真实验平台 |
CN114384822A (zh) * | 2022-01-21 | 2022-04-22 | 首域科技(杭州)有限公司 | 一种针对烟草制丝设备的半实物仿真控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102483613A (zh) * | 2009-06-24 | 2012-05-30 | Abb研究有限公司 | 估计用于控制工业过程的系统模型的初始状态 |
CN102968060A (zh) * | 2012-11-22 | 2013-03-13 | 湖南省电力公司科学研究院 | 汽轮机调节系统参数智能辨识方法 |
JP5208028B2 (ja) * | 2009-03-16 | 2013-06-12 | 学校法人帝京大学 | Ed評価方法 |
CN106546697A (zh) * | 2016-10-28 | 2017-03-29 | 中南大学 | 一种铝土矿浮选过程矿浆酸碱度的在线预测方法 |
EP3293151A1 (en) * | 2016-09-12 | 2018-03-14 | Doosan Heavy Industries & Construction Co., Ltd. | Apparatus and method for analyzing membrane fouling of seawater desalination system |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0407208D0 (en) * | 2004-03-31 | 2004-05-05 | Ibm | Generation of test cases with range constraints for floating point add and subtract instructions |
-
2018
- 2018-04-27 CN CN201810389023.4A patent/CN108519770B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5208028B2 (ja) * | 2009-03-16 | 2013-06-12 | 学校法人帝京大学 | Ed評価方法 |
CN102483613A (zh) * | 2009-06-24 | 2012-05-30 | Abb研究有限公司 | 估计用于控制工业过程的系统模型的初始状态 |
CN102968060A (zh) * | 2012-11-22 | 2013-03-13 | 湖南省电力公司科学研究院 | 汽轮机调节系统参数智能辨识方法 |
EP3293151A1 (en) * | 2016-09-12 | 2018-03-14 | Doosan Heavy Industries & Construction Co., Ltd. | Apparatus and method for analyzing membrane fouling of seawater desalination system |
CN106546697A (zh) * | 2016-10-28 | 2017-03-29 | 中南大学 | 一种铝土矿浮选过程矿浆酸碱度的在线预测方法 |
Non-Patent Citations (1)
Title |
---|
混合选别过程半实物仿真系统;武成瑞 等;《工程科学学报》;20170930;第39卷(第9期);第1-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108519770A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519770B (zh) | 一种浮选过程运行控制的实验平台 | |
Gujer | Systems analysis for water technology | |
CN107664988B (zh) | 具有集成的模拟和控制系统配置的工厂构建器系统 | |
US7515977B2 (en) | Integrated configuration system for use in a process plant | |
CN1950764B (zh) | 用于配置加工厂中的图形显示元素和过程模块的系统 | |
Adamo et al. | SCADA/HMI systems in advanced educational courses | |
CN103941701A (zh) | 一种双网环境下浮选工业过程运行控制系统及方法 | |
CN102568297A (zh) | 过程控制综合实训装置 | |
Zacher | Digital twins for education and study of engineering sciences | |
Sircar et al. | Digital twin in hydrocarbon industry | |
Van der Helm et al. | Modelling of drinking water treatment processes within the Stimela environment | |
CN105551367A (zh) | 一种基于opc的工业控制实训装置 | |
Zacher | Digital twins by study and engineering | |
Bergh et al. | Engineers training in automation of flotation processes | |
CN114373352A (zh) | 一种选矿厂磨矿分级系统检测与控制虚拟仿真实训系统 | |
CN108550293A (zh) | 基于嵌入式智能在线系统的返混实验教学系统及实验方法 | |
Zhou et al. | Virtual factory integrated manufacturing system for process simulation and monitoring | |
CN103488090B (zh) | 群智机器学习的焚烧炉有害物排放达标控制系统及方法 | |
CN103472728A (zh) | 机器学习的农药焚烧炉有害物排放达标控制系统及方法 | |
Zayas-Gato et al. | Virtual Implementation of Practical Control Subjects as an Alternative to Face-to-Face Laboratory Lessons | |
Hass et al. | An environment for the development of operator training systems (OTS) from chemical engineering models | |
Wu et al. | An optimizing control system for coal slurry flotation based on ash on-line measurement | |
Li et al. | Implementation of an integrated platform of process system operations for education and research | |
Fu et al. | UC Berkeley Develops New User-Friendly Tool to Expedite the Evaluation of Connected Automated Vehicle Technologies | |
Abbas et al. | Experiential engineering e-learning: the concept of soft reaction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |