CN113467295B - 一种氧化铝溶出过程的自动控制方法 - Google Patents
一种氧化铝溶出过程的自动控制方法 Download PDFInfo
- Publication number
- CN113467295B CN113467295B CN202110679077.6A CN202110679077A CN113467295B CN 113467295 B CN113467295 B CN 113467295B CN 202110679077 A CN202110679077 A CN 202110679077A CN 113467295 B CN113467295 B CN 113467295B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- caustic
- adding flow
- flow loop
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Non-Electrical Variables (AREA)
Abstract
一种氧化铝溶出过程的自动控制方法,包括:基于预先建立的氧化铝溶出过程的领域知识库确定加碱流量回路中各运行参数的初始设定值;采集溶出过程的相关数据,数据包括氧化铝溶出过程中的与苛性比值相关的回路数据、过程数据以及化验数据;采用数据回溯的方式,依据采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整;和/或,采用前馈补偿的方式,依据采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿。上述自动控制方法借助于反馈信息和前馈补偿方式实现自动调整溶出过程中的加碱流量回路设定值,有效提升苛性比值的合格率。
Description
技术领域
本发明涉及工业生产过程控制技术,尤其涉及一种氧化铝溶出过程的自动控制方法。
背景技术
氧化铝生产溶出过程是通过高浓度碱液与矿浆中的氧化铝在高温高压条件进行溶出反应的关键过程,该过程的运行指标是苛性比值(ak),反映溶出质量的高低。由于该过程中存在复杂的化学反应和物理变化,机理不清,具有强非线性,受到不可测随机变量的干扰,难以建立精确数学模型。
目前,对于氧化铝溶出过程的运行指标苛性比值(ak)仍采用人工设定的方式,根据操作员自身的经验给出加碱流量回路的设定值,从而实现对苛性比值的控制。由于实际溶出过程是一个原料波动大且受到蒸汽压力以及苛性比值和苛性碱浓度(Nk)等大范围频繁干扰的长流程生产过程,人工设定难以及时准确地给出加碱流量回路控制系统的设定值,造成苛性比值波动大,常常超出工艺要求目标值范围,导致苛性比值的合格率降低。
因此,如何解决现有技术中人工设定溶出过程苛性比值波动大,合格率低的问题成为业内研究的热点。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种氧化铝溶出过程苛性比值的自动控制方法,能够结合现有的干扰因素实现自动调整,同时有效提升调苛性比值合格率。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案涉及一种氧化铝溶出过程的自动控制方法,包括:
基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值;
采集所述溶出过程的相关数据,所述数据包括氧化铝溶出过程中的与苛性比值相关的回路数据、过程数据以及化验数据;
采用数据回溯的方式,依据所述采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整;
和/或,采用前馈补偿的方式,依据所述采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿。
可选地,基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值,之前,所述方法还包括:
采用决策树回归方法对预设时间段内的历史生产数据进行数据挖掘,获得计算知识;
对氧化铝溶出过程的现场操作人员的专家经验进行归纳总结,获得专家知识;
将所述计算知识和所述专家知识进行整合,建立氧化铝溶出过程的领域知识库;
其中,所述计算知识和所述专家知识均是以IF-THEN形式的规则集合存储在所述领域知识库中。
可选地,采集所述加碱流量回路中的数据之后,所述方法还包括:
对采集的时序数据进行预处理;
具体地,将时序数据在时间窗口内进行一阶惯性滤波;
所述一阶惯性滤波函数为:
Y(n)=αX(n)+(1-α)Y(n-1) (1)
式(1)中,α为滤波系数,X(n)为本次采样值,Y(n-1)为上次滤波输出值,Y(n)为本次滤波输出值。
可选地,采用数据回溯的方式,依据所述采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整,包括:
采用数据回溯的方式,计算氧化铝溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)、苛性比值在线智能检测的变化率nk_t;
根据领域知识库中的IF-THEN形式的规则,当差值e(k)或变化率nk_t满足条件时,对加碱流量回路的当前设定值进行调整。
可选地,所述溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)=r(k)-r*分为五个区间,b1-b5分别为0.008-0.012、0.018-0.022、0.028-0.032、0.038-0.042、0.048-0.052,加碱流量回路的调整o1~o5分别为10-12、15-17、20-22、30-35、50-55;
依据公式(A1)计算苛性比值在线智能检测在时间窗口tf内的变化率,苛性比值在时间窗口tf内的变化率,
其中,up_t为时间窗口tf内大于零的变化率之和,down_t为时间窗口内小于零的变化率之和,th为变化率之和的阈值;
ak_t=1表示在时间窗口tf内苛性比值呈上升趋势,ak_t=0表示在时间窗口tf内苛性比值呈下降趋势,ak_t=-1表示在时间窗口tf内苛性比值没有变化。
可选地,采用运行指标苛性比值ak的化验值作为反馈信号进行当前设定值的调整;
设当前时刻为k,苛性比值的化验值为r(k),且对应的各加碱流量回路的历史设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ),其中Tσ为氧化铝溶出过程存在的滞后时间,Tδ为苛性比值从取样到出结果的时间间隔;
S1)当苛性比值的变化率在第一预设范围时,维持加碱流量回路的当前设定值不变;
S2)当苛性比值的化验值上升,且变化率误差位于区间(b1,b2]、(b2,b3]、(b3,b4]、(b4,b5]或e(T1)>b5中,在加碱流量回路的当前设定值基础上减少加碱流量:
IF b1<e(k)≤b2 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o1;
IFb2<e(k)≤b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o2;
IFb3<e(k)≤b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o3;
IFb4<e(k)≤b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o4;
IFe(k)>b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o5;
S3)当苛性比值的化验值下降,且变化率误差位于区间[-b2,-b1)、[-b3,-b2)、[-b4,-b3)、[-b5,-b4)或e(T1)<-b5中,在加碱流量回路的当前设定值基础上增加加碱流量:
IF-b2≤e(k)<-b1 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o1;
IF-b3≤e(k)<-b2 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o2;
IF-b4≤e(k)<-b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o3;
IF-b5≤e(k)<-b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o4;
IFe(k)<-b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o5。
可选地,采用苛性比值ak在线智能检测的数据作为反馈信号在反馈控制周期对加碱流量的当前设定值进行微调;
设当前时刻为k,苛性比值ak的在线智能检测示数为q(k),则对应的各加碱流量回路的历史设定值为y(k-Tσ),其中Tσ为溶出过程存在的滞后时间,在反馈控制周期Tf内对加碱流量回路的当前设定值进行调整;
M1)在时间窗口tf内,苛性比值在线智能检测的变化率在第二预设范围时且达到控制周期,维持加碱流量回路的当前设定值不变:
M2)在时间窗口tf内苛性比值的在线智能检测示数上升且达到控制周期,在加碱流量回路的当前设定值基础上降低加碱流量:
M3)在时间窗口tf内苛性比值的在线智能检测示数下降且达到控制周期,在加碱流量回路的当前设定值基础上增加加碱流量:
可选地,所述采用前馈补偿的方式,依据所述采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿,包括:
根据硅前的铝硅比A/S、赤泥的铝硅比A/S、循环碱液的苛性碱浓度Nk和循环碱液的苛性比值ak的变化信息对加碱流量回路的当前设定值进行补偿;
P1)硅前A/S前馈补偿;
根据硅前A/S的变化信息在前馈补偿周期Tb1内调整溶出过程的加碱流量,相邻两个硅前A/S的差值记为Δ1;
当硅前A/S增大时,增加对加碱流量回路的当前设定值的补偿,
当硅前A/S降低时,减少对加碱流量回路的当前设定值的补偿,
P2)赤泥A/S前馈补偿;
根据赤泥A/S的变化信息在前馈补偿周期Tb2内调整溶出过程的加碱流量,相邻两个赤泥A/S的差值记为Δ2;
当赤泥A/S增大时,增加对加碱流量回路的当前设定值的补偿,
当赤泥A/S降低时,减少对加碱流量回路的当前设定值的补偿,
P3)循环碱液苛性碱浓度前馈补偿
根据苛性碱浓度的变化信息在前馈补偿周期Tb3内调整溶出过程的加碱流量,相邻两个苛性碱浓度差值记为Δ3;
当苛性碱浓度降低时,增加对加碱流量回路的当前设定值的补偿,
当苛性碱浓度增大时,减少对加碱流量回路的当前设定值的补偿,
P4)循环碱液苛性比值前馈补偿
根据苛性比值的变化信息在前馈补偿周期Tb4内调整溶出过程的加碱流量,相邻两个苛性比值差值记为Δ4;
当苛性比值降低时,增加对加碱流量回路的当前设定值的补偿。
当苛性比值增大时,减少对加碱流量回路的当前设定值的补偿。
可选地,根据所述调整后的加碱流量回路的设定值和所述补偿后的加碱流量回路的设定值,计算加碱流量回路的最终设定值;
ysp(k)=y1sp(k)+φ1(k)+φ2(k)+φ3(k)+φ4(k)。
可选地,所述方法还包括:
对加碱流量回路的最终设定值进行限幅,
其中,ymin=80m3/h,ymax=300m3/h分别为加碱流量回路的下限值和上限值
(三)有益效果
因此,为了提高苛性比值的合格率,结合溶出过程的运行工况,在初始设定值的基础上利用实时采集的回路数据、过程数据、化验数据和规则推理,通过在可变的反馈控制周期内调整加碱流量回路控制的当前设定值;进而实现了氧化铝溶出过程中运行指标的自动控制,有效提高了苛性比值的合格率。
在本发明中,考虑了原料磨过程和蒸发过程中干扰因素的影响,在可变的前馈补偿周期内对其进行动态补偿,在线的给出加碱流量回路的设定值的补偿。
本发明中提出的由智能反馈控制器和智能前馈补偿器组成的一种氧化铝溶出过程苛性比值的自动控制过程,可利用工业现场端-边-云硬件平台和软件平台实现,即实现了溶出过程苛性比值自动设定,又解决了人工设定苛性比值波动大、合格率低的难题。
附图说明
图1为本发明一实施例提供的氧化铝溶出过程苛性比值的控制方法示意图;
图2为本发明一实施例提供的氧化铝碱液调配过程的控制系统的部分架构示意图。
图3A和图3B为采用人工设定和采用本发明的控制方法中溶出过程的控制效果对比图;
图4为本发明一实施例提供的采用人工设定和采用本发明的控制方法的控制性能评价图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
蒸发及溶出过程中,除了溶出过程含有大量铝土矿矿浆固体外,溶液中主要含有铝酸钠(NaAl(OH)4)、氢氧化钠(NaOH)、碳酸钠(Na2CO3),在溶液中电离出的离子主要有钠离子Na+、四羟基合铝酸根离子([Al(OH)4]-)、氢氧根离子(OH-)、碳酸根离子(CO3 2-)、还有铝酸根产生的不同配位离子。通常将铝酸钠和氢氧化钠中的Na2O部分叫做苛性碱(Na2OK),将碳酸钠中的Na2O部分叫做碳碱(Na2OC),苛性碱和碳碱总量合称为全碱(Na2OT)。通常将铝酸钠中的Al2O3部分叫做氧化铝。苛性碱浓度NK一般用一升溶液所含苛性碱相对克数来表示,单位g/L。苛性比值ak用苛性碱浓度与氧化铝浓度比值得到。
我国氧化铝生产企业的溶出过程是一个长流程过程,通过高浓度的合格碱液对铝矿石中的铝进行溶出,运行指标为苛性比值ak,加碱流量与出料苛性比值之间存在着大的滞后,并且过程受到相邻工序相关变量的干扰,工况条件频繁变化。人工设定难以及时准确的调整加碱流量回路控制系统的设定值,导致出料的ak波动大,合格率低。
针对该复杂工业过程,本发明实施例提出了一种氧化铝溶出过程的自动控制方法,对溶出过程的苛性比值进行智能设定。本发明实施例中,利用操作员的经验知识和采用决策树回归算法挖掘历史生产数据得到的计算知识建立知识库,再根据ak离线化验和实时智能检测反映出指标的变化趋势,并利用数据回溯和规则推理,通过在可变的反馈控制周期内给出加碱流量回路控制系统的设定值。
本发明实施例的方案考虑不同工序间的相关变量的影响,在可变的前馈补偿周期内对其进行动态补偿。
实施例一
为了更好的理解上述氧化铝溶出过程的自动控制方法,以下通过实施例一对本发明的自动控制方法进行详细说明。
本实施例提出的氧化铝溶出过程的控制方法具体包括:
步骤101、基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值;
步骤102、采集所述溶出过程的相关数据,所述数据包括氧化铝溶出过程中的与苛性比值相关的回路数据、过程数据以及化验数据;
步骤103、采用数据回溯的方式,依据所述采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整;
和/或,采用前馈补偿的方式,依据所述采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿。
步骤103中,采取反馈控制和前馈补偿相结合,提出氧化铝溶出过程运行指标苛性比值的自动控制方法,并且根据步骤103中的调整后的加碱流量回路的设定值和/或补偿后的加碱流量回路的设定值计算出最终的设定值。本实施例的氧化铝溶出过程苛性比值智能设定技术,利用工业现场端-边-云硬件平台和软件平台,采用Python语言开发了工业应用软件,实现了溶出过程苛性比值自动设定,解决了人工设定苛性比值波动大、合格率低的难题。
在具体实现过程中,在步骤101基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值,之前,还包括:
采用决策树回归方法对预设时间段内的历史生产数据进行数据挖掘,获得计算知识;
对氧化铝溶出过程的现场操作人员的专家经验进行归纳总结,获得专家知识;
将所述计算知识和所述专家知识进行整合,建立氧化铝溶出过程的领域知识库;
其中,所述计算知识和所述专家知识均是以IF-THEN形式的规则集合存储在所述领域知识库中。
例如,采用决策树回归算法对历史生产数据进行数据挖掘得到计算知识,对现场操作人员的专家经验进行归纳总结得到专家知识,通过将计算知识和专家知识进行整合建立氧化铝溶出过程领域知识库。
再例如,采用决策树回归算法可对历史生产过程数据进行数据挖掘,采用开源的sklearn库进行决策树回归算法中决策树的训练与测试,进而确定决策树中关键参数max_depth取值为5。此处的决策树是一个分类树状结构,也可以看成一个IF-THEN规则的集合。
本实施例中还包括对现场操作人员的专家知识进行归纳总结,例如采用模糊规则的形式进行整理,建立IF-THEN形式的规则集合,故在溶出过程的初始阶段可借助于现场操作人员人工设定初始值即初始设定值。
本实施例中以IF-THEN形式表示知识内容更加紧凑,可读性更强,因此将挖掘得到的计算知识和归纳的专家知识以IF-THEN形式,存储到知识库中,获得IF-THEN形式的规则集合,便于控制装置在自动调整过程中的推理使用。
在所述步骤102采集所述加碱流量回路中的数据之后,对采集的所述数据进行预处理,包括将时序数据在时间窗口内进行一阶惯性滤波;
所述一阶惯性滤波函数为:
Y(n)=αX(n)+(1-α)Y(n-1) (1)
式(1)中,α为滤波系数,X(n)为本次采样值,Y(n-1)为上次滤波输出值,Y(n)为本次滤波输出值。
该步骤中的数据预处理主要是为了降低数据噪声和异常值的影响,从而将时序数据在时间窗口内进行一阶惯性滤波,实现对数据的预处理。
针对实施例一中的步骤103,以下结合具体推理规则和相应的公式进行详细说明。
第一:反馈控制的处理过程
针对氧化铝溶出过程存在大的时间滞后问题,采用数据回溯的方式,依据所述采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整,包括:
采用数据回溯的方式,计算氧化铝溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)、苛性比值在线智能检测的变化率nk_t;
根据领域知识库中的IF-THEN形式的规则,当差值e(k)或变化率nk_t满足条件时,对加碱流量回路的当前设定值进行调整。
其中,所述溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)=r(k)-r*分为五个区间,b1-b5分别为0.008-0.012、0.018-0.022、0.028-0.032、0.038-0.042、0.048-0.052,加碱流量回路的调整o1~o5分别为10-12、15-17、20-22、30-35、50-55。
所述目标值r*由操作人员在溶出过程中给出。
依据公式(A1)计算苛性比值在线智能检测在时间窗口tf内的变化率,苛性比值在时间窗口tf内的变化率,本实施例中,tf可以取15min。
其中,up_t为时间窗口tf内大于零的变化率之和,down_t为时间窗口内小于零的变化率之和,th为变化率之和的阈值;
ak_t=1表示在时间窗口tf内苛性比值呈上升趋势,ak_t=0表示在时间窗口tf内苛性比值呈下降趋势,ak_t=-1表示在时间窗口tf内苛性比值没有变化。
具体推理规则如下:
步骤A:事件触发模式,采用运行指标ak的化验值作为反馈信号进行设定值调整,设当前时刻为k,运行指标化验值为r(k),则对应的加碱流量历史设定值为y(k-Tσ-Tδ),其中Tσ为复杂工业过程存在的滞后时间,Tδ为ak取样到出结果的时间间隔,在本实施例中,Tσ取130min,Tδ取40min。
其中,化验值可以由操作人员在氧化铝溶出系统的管道取样口进行取样、并送往化验室进行化验得到。
(1)当苛性比值的化验值波动较小时,维持当前加碱流量回路的设定值不变:
Rule1:IF|e(k)|≤b1 THEN y1sp(k)=y1sp(k-Tσ-Tδ) (3)
下标sp表示设定值(set point)的缩写,下标y1sp是加碱流量回路的设定值。
(2)当苛性比值的化验值上升,误差位于区间(b1,b2]中,苛性比值化验值偏高,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上减少加碱流量:
Rule2:IF b1<e(k)≤b2 THEN y1sp(T1)=y1sp(k-Tσ-Tδ)-o1 (4)
(3)当苛性比值的化验值上升,误差位于区间(b2,b3]中,苛性比值化验值偏高,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上减少加碱流量:
Rule3:IFb2<e(k)≤b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o2 (5)
(4)当苛性比值的化验值上升,误差位于区间(b3,b4]中,苛性比值化验值偏高,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上减少加碱流量:
Rule4:IFb3<e(k)≤b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o3 (6)
(5)当苛性比值的化验值上升,误差位于区间(b4,b5]中,苛性比值化验值偏高,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上减少加碱流量:
Rule5:IFb4<e(k)≤b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o4 (7)
(6)当苛性比值的化验值上升,并且e(T1)>b5,苛性比值化验值偏高,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上减少加碱流量:
Rule6:IFe(k)>b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o5 (8)
(7)当苛性比值的化验值下降,误差位于区间[-b2,-b1)中,苛性比值化验值偏低,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上增加加碱流量:
Rule7:IF-b2≤e(k)<-b1 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o1 (9)
(8)当苛性比值的化验值下降,误差位于区间[-b3,-b2)中,苛性比值化验值偏低,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上增加加碱流量:
Rule8:IF-b3≤e(k)<-b2 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o2 (10)
(9)当苛性比值的化验值下降,误差位于区间[-b4,-b3)中,苛性比值化验值偏低,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上增加加碱流量:
Rule9:IF-b4≤e(k)<-b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o3 (11)
(10)当苛性比值的化验值下降,误差位于区间[-b5,-b4)中,苛性比值化验值偏低,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上增加加碱流量:
Rule10:IF-b5≤e(k)<-b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o4 (12)
(11)当苛性比值的化验值下降,并且e(T1)<-b5,苛性比值化验值偏低,为了保证苛性比值维持在目标区间内,需要在加碱流量回路的历史设定值基础上增加加碱流量:
Rule11:IFe(k)<-b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o5 (13)
步骤B:时间触发模式,采用苛性比值ak在线智能检测数据作为反馈信号在反馈控制周期对加碱流量回路的设定值进行微调,设当前时刻为k,ak的在线智能检测示数为q(k),则对应的历史设定值为y(k-Tσ),在反馈控制周期Tf内对设定值进行调整,本实施例中,Tf取15min。
(1)在时间窗口tf内苛性比值的在线智能检测数据没有变化并且达到控制周期,加碱流量回路的的设定值保持历史设定值不变:
Rule12:IFt>Tf and ak_t=-1THEN y1sp(k)=y1sp(k-Tσ) (14)
(2)在时间窗口tf内苛性比值呈上升趋势并且达到控制周期,在加碱流量回路的历史设定值基础上降低加碱流量:
(3)在时间窗口tf内苛性比值呈下降趋势并且达到控制周期,在加碱流量回路的历史设定值基础上增加加碱流量:
以上公式中,t为采样时间。
第二、前馈补偿的处理过程
根据硅前的铝硅比A/S、赤泥的铝硅比A/S、循环碱液的苛性碱浓度Nk和循环碱液的苛性比值ak的变化情况对加碱流量回路的设定值进行补偿:
(1)硅前A/S前馈补偿器
硅前A/S反映进入溶出工序的矿石成分,直接影响溶出过程的配碱和最终的氧化铝产量,当硅前A/S增高时,需要增大加碱流量,当硅前A/S降低时,需要减少加碱流量,相邻两个硅前A/S差值记为Δ1,在前馈补偿周期Tb1内对设定值进行调整,在本实施例中,Tb1取120min。
具体设定规则如下:
1)当硅前A/S增大时,需要增加对加碱流量回路的设定值的补偿。
2)当硅前A/S降低时,需要减少对加碱流量回路的设定值的补偿。
φ1(k)为硅前A/S前馈补偿器的流量补偿值。
(2)赤泥的铝硅比A/S前馈补偿器
赤泥A/S反映溶出过程的溶出效果,如果赤泥A/S过高则意味着大量的铝矿石流失到了赤泥中,造成资源浪费,因此需要将赤泥A/S控制在一个限度内,相邻两个赤泥A/S差值记为Δ2,在前馈补偿周期Tb2内对设定值进行调整,在本实施例中,Tb2取120min。
具体设定规则如下:
1)当赤泥A/S增大时,需要增加对加碱流量回路的设定值的补偿。
2)当赤泥A/S降低时,需要减少对加碱流量回路的设定值的补偿。
φ2(k)为赤泥A/S前馈补偿器的流量补偿值
3)循环碱液苛性碱浓度Nk前馈补偿器
溶出加碱即为循环碱液,因此循环碱液Nk增大时需要降低加碱流量,循环碱液Nk降低时需要增加加碱流量,相邻两个循环碱液Nk差值记为Δ3,在前馈补偿周期Tb3内对设定值进行调整,在本实施例中,Tb3取120min。
具体设定规则如下:
1)当循环碱液NK降低时,需要增加对加碱流量回路的设定值的补偿。
2)当循环碱液NK增大时,需要减少对加碱流量回路的设定值的补偿。
φ3(k)为苛性碱浓度Nk前馈补偿器的流量补偿值。
(3)循环碱液苛性比值ak前馈补偿器
溶出加碱即为循环碱液,当循环碱液ak增大时需要减少加碱流量,当循环碱液ak降低时需要增加加碱流量,相邻两个循环碱液ak差值记为Δ4,在前馈补偿周期Tb4内对设定值进行调整,本实施例中,Tb4取120min。
具体设定规则如下:
1)当循环碱液ak降低时,需要增加对加碱流量回路的设定值的补偿。
2)当循环碱液ak增大时,需要减少对加碱流量回路的设定值的补偿。
φ4(k)为苛性比值ak前馈补偿器的流量补偿值。
第三、根据调整后的加碱流量设定值和补偿后的加碱流量设定值,计算加碱流量回路的最终设定值,即:
ysp(k)=y1sp(k)+φ1(k)+φ2(k)+φ3(k)+φ4(k) (25)
最后,对加碱流量回路的设定值进行限幅,下装到底层流量控制回路。
式中,ymin=80m3/h,ymax=300m3/h分别为加碱流量下限值和上限值。
由此,上述实施例中为了提高苛性比值的合格率,使得溶出出料苛性比值变化在预设范围内,结合碱液调配过程运行情况和蒸发过程中干扰因素,利用数据回溯和规则推理,通过在可变的反馈控制周期内给出各加碱流量回路设定值,考虑蒸发过程运行情况和碱液调配相关干扰因素的变化,在可变的前馈补偿周期内对其进行动态补偿,在线的给出各加碱流量回路的最终设定值。
如图3A、图3B和图4所示,与人工设定效果相比,采用本发明的控制系统在控制过程中可以将溶出出料的苛性比值控制在目标范围内,其中区间合格率比人工设定提高6.2%,误差均方差(MSE)降低了44.5%,平均绝对误差(MAE)降低了22.6%。
另外,本发明中提出了由控制装置中的反馈控制器和前馈补偿器组成的氧化铝溶出过程的自动控制方法,实现了苛性比值自动设定和自动调整,解决了人工控制溶出过程出料苛性碱浓度波动大、合格率低的难题。
实施例二
如图1和图2所示,本实施例还提供一种实施上述控制方法的氧化铝溶出过程的控制系统,该控制系统可包括:多个检测装置和控制装置;
其中,第一检测装置用于检测加碱流量回路的信息,所述第一检测装置布设在加碱回路管道区域;
第二检测装置用于对溶出过程的苛性比值信息进行检测,如周期性化验的化验数据和浓度信息等,所述第二检测装置布设在溶出过程的管道区域。
如图1中,第一检测装置和第二检测装置可为图中的流量计,其中,第二检测装置可包括图1中的化验、苛性比值智能检测等组件。特别地,第二检测装置可包括独立于氧化铝溶出系统的化验系统,实现周期性的人工化验溶出过程的苛性比值信息,如图2所示的化验系统。
另外,图1中的PID控制器、变频泵、保持器等均为氧化铝溶出过程中的组件。
本实施例中的控制装置可包括:控制组件,反馈控制器和前馈补偿器;前馈补偿器通信连接所述第一检测装置;反馈控制器通信连接所述第二检测装置;前馈补偿器和反馈控制器均通信连接控制组件;
所述控制组件基于所需溶出过程的历史数据确定所述溶出过程的加碱流量回路的初始设定值,以及前馈补偿器和反馈控制器基于各检测装置实时获取的回路数据、过程数据和化验数据周期性调整所述初始设定值,以使溶出过程获取符合需求的苛性比值。
图1中示出的智能前馈补偿器和智能反馈控制器均对应流量设定值的区域,以实现自动调整当前的流量回路设定值。
在实际应用中,第一检测装置和第二检测装置可实时或周期性获取各自监测的数据,同时将获取的数据发送到云存储平台(即工业云服务器),以使云存储平台按照时间日期等预定格式进行存储。
在溶出过程中,控制组件、前馈补偿器和反馈控制器实时确定的数据也可周期性发送到云存储平台,实现云存储平台的实时存储,供后续调取数据查看。
另外,控制装置可部分组件部署在边缘工业服务器中,部分组件部署在控制服务器中。例如,控制组件部署在氧化铝溶出系统所属区域的边缘工业服务器(即图2中的边缘服务器)中,所述前馈补偿器和反馈控制器部署在氧化铝溶出系统的终端控制器(如图2的DCS控制器)中,所述终端控制器、所述边缘工业服务器与所述云存储平台相互通信。
在其他实施例中,控制装置可全部部署在氧化铝溶出系统所属区域的边缘工业服务器中,所述边缘工业服务器与云存储平台通信。或者控制装置可全部分布在工业应用端中。
结合图2所示的架构进行说明,本实施例中通过工业应用端-边缘服务器-云硬件平台的架构,实现工业现场的数据上“云”,将过程数据、化验数据以及各种生产报表存储到工业云服务器的云硬件平台中,实现数据的集中管理;将智能优化控制相关数据存储到边缘工业服务器中,利用边缘工业服务器强大的算力实现复杂控制算法。工业云服务器与工业应用端的终端控制器通信,读取过程数据;边缘工业服务器与工业云服务器进行通信,读取过程数据和化验数据等;同时边缘工业服务器中开发工业应用软件,与工业应用端的终端控制器进行通信,实现回路数据的读取与控制指令的下装。
氧化铝溶出系统中的各工业传感器与终端控制器通过硬线通信,用于对生产设备以及生产物料等相关变量的测量的在线检测和设备监控;工业云服务器通过交换机实现工业应用端和边缘工业服务器的通信;边缘工业服务器与工业云服务器处于同一个局域网中,通过TCP/IP协议实现数据的互相传输。
图1和图2的结构仅为举例说明,不对其限定,根据实际需要进行布设。图2中所示的边缘服务器和工业应用端均通过实际的硬线与氧化铝溶出系统连通。
本实施例中边缘服务器和工业应用端的终端控制器中均设置有工业应用软件平台,该工业应用软件平台包括软件前端人机交互和后台功能实现两部分。前端人机交互界面采用组态软件Foxdraw开发,后台软件算法以及数据通讯采用Python语言开发。工业应用软件平台用于进行运行数据的读取与控制指令下发。
前端人机交互主要功能包括过程监控、报警提示、智能设定、参数录入,操作员权限切换、控制指令下发、以及历史趋势查询等;后台功能主要包括系统通信、数据采集与存储、运行指标在线检测、智能设定算法、历史数据回溯等。
上述控制系统可应用于氧化铝溶出过程,当工况条件发生变化时,该控制系统自动控制效果明显优于人工设定,苛性比值的波动明显减小,控制在目标值范围内。
本实施例中为了提高苛性比值的合格率,使得溶出过程苛性碱比值变化在预设范围内,控制装置结合碱液溶出过程运行情况和调配过程中干扰因素,利用数据回溯和规则推理,通过在可变的反馈控制周期内给出各加碱流量回路的设定值,考虑蒸发过程运行情况和碱液溶出相关干扰因素的变化,在可变的前馈补偿周期内对其进行动态补偿,在线的给出各加碱流量回路的设定值。
特别地,控制装置中的反馈控制器和前馈补偿器组成的氧化铝溶出过程控制方法,实现了苛性比值自动设定和自动调整,解决了人工控制溶出过程苛性比值波动大、合格率低的难题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (8)
1.一种氧化铝溶出过程的自动控制方法,其特征在于,包括:
基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值;
采集所述溶出过程的相关数据,所述数据包括氧化铝溶出过程中的与苛性比值相关的回路数据、过程数据以及化验数据;
采用数据回溯的方式,依据采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整;
和/或,采用前馈补偿的方式,依据所述采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿;
采用数据回溯的方式,依据所述采集数据中的化验数据、预先设定的目标值和所述领域知识库,对加碱流量回路的当前设定值进行调整,包括:
采用数据回溯的方式,计算氧化铝溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)、苛性比值在线智能检测的变化率nk_t;
根据领域知识库中的IF-THEN形式的规则,当差值e(k)或变化率nk_t满足条件时,对加碱流量回路的当前设定值进行调整;
其中,溶出过程苛性比值的化验值r(k)与目标值r*的差值e(k)=r(k)-r*分为五个区间,五个区间为(b1,b2]、(b2,b3]、(b3,b4]、(b4,b5]、e(T1)>b5或者,[-b2,-b1)、[-b3,-b2)、[-b4,-b3)、[-b5,-b4)、e(T1)<-b5;
b1-b5分别为0.008-0.012、0.018-0.022、0.028-0.032、0.038-0.042、0.048-0.052,加碱流量回路的调整值o1~o5分别为10-12、15-17、20-22、30-35、50-55;
依据公式(A1)计算苛性比值在线智能检测在时间窗口tf内的变化率,苛性比值在时间窗口tf内的变化率,
其中,up_t为时间窗口tf内大于零的变化率之和,down_t为时间窗口内小于零的变化率之和,th为变化率之和的阈值;
ak_t=1表示在时间窗口tf内苛性比值呈上升趋势,ak_t=0表示在时间窗口tf内苛性比值呈下降趋势,ak_t=-1表示在时间窗口tf内苛性比值没有变化。
2.根据权利要求1所述的自动控制方法,其特征在于,基于预先建立的氧化铝溶出过程的领域知识库确定当前氧化铝溶出工况启动时加碱流量回路中各运行参数的初始设定值,之前,所述方法还包括:
采用决策树回归方法对预设时间段内的历史生产数据进行数据挖掘,获得计算知识;
对氧化铝溶出过程的现场操作人员的专家经验进行归纳总结,获得专家知识;
将所述计算知识和所述专家知识进行整合,建立氧化铝溶出过程的领域知识库;
其中,所述计算知识和所述专家知识均是以IF-THEN形式的规则集合存储在所述领域知识库中。
3.根据权利要求1或2所述的自动控制方法,其特征在于,采集所述加碱流量回路中的数据之后,所述方法还包括:
对采集的时序数据进行预处理;
具体地,将时序数据在时间窗口内进行一阶惯性滤波;
一阶惯性滤波函数为:
Y(n)=αX(n)+(1-α)Y(n-1) (1)
式(1)中,α为滤波系数,X(n)为本次采样值,Y(n-1)为上次滤波输出值,Y(n)为本次滤波输出值。
4.根据权利要求1所述的自动控制方法,其特征在于,
采用运行指标苛性比值ak的化验值作为反馈信号进行当前设定值的调整;
设当前时刻为k,苛性比值的化验值为r(k),且对应的各加碱流量回路的历史设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ),其中Tσ为氧化铝溶出过程存在的滞后时间,Tδ为苛性比值从取样到出结果的时间间隔;
S1)当苛性比值的变化率在第一预设范围时,维持加碱流量回路的当前设定值不变;
S2)当苛性比值的化验值上升,且变化率误差位于区间(b1,b2]、(b2,b3]、(b3,b4]、(b4,b5]或e(T1)>b5中,在加碱流量回路的当前设定值基础上减少加碱流量:
IF b1<e(k)≤b2 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o1;
IFb2<e(k)≤b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o2;
IFb3<e(k)≤b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o3;
IFb4<e(k)≤b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o4;
IFe(k)>b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)-o5;
S3)当苛性比值的化验值下降,且变化率误差位于区间[-b2,-b1)、[-b3,-b2)、[-b4,-b3)、[-b5,-b4)或e(T1)<-b5中,在加碱流量回路的当前设定值基础上增加加碱流量:
IF-b2≤e(k)<-b1 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o1;
IF-b3≤e(k)<-b2 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o2;
IF-b4≤e(k)<-b3 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o3;
IF-b5≤e(k)<-b4 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o4;
IFe(k)<-b5 THEN y1sp(k)=y1sp(k-Tσ-Tδ)+o5。
5.根据权利要求4所述的自动控制方法,其特征在于,
采用苛性比值ak在线智能检测的数据作为反馈信号在反馈控制周期对加碱流量的当前设定值进行微调;
设当前时刻为k,苛性比值ak的在线智能检测示数为q(k),则对应的各加碱流量回路的历史设定值为y(k-Tσ),其中Tσ为溶出过程存在的滞后时间,在反馈控制周期Tf内对加碱流量回路的当前设定值进行调整;
M1)在时间窗口tf内,苛性比值在线智能检测的变化率在第二预设范围时且达到控制周期,维持加碱流量回路的当前设定值不变:
M2)在时间窗口tf内苛性比值的在线智能检测示数上升且达到控制周期,在加碱流量回路的当前设定值基础上降低加碱流量:
M3)在时间窗口tf内苛性比值的在线智能检测示数下降且达到控制周期,在加碱流量回路的当前设定值基础上增加加碱流量:
6.根据权利要求5所述的自动控制方法,其特征在于,所述采用前馈补偿的方式,依据所述采集数据中的回路数据、过程数据和所述领域知识库,对加碱流量回路的当前设定值进行补偿,包括:
根据硅前的铝硅比A/S、赤泥的铝硅比A/S、循环碱液的苛性碱浓度Nk和循环碱液的苛性比值ak的变化信息对加碱流量回路的当前设定值进行补偿;
P1)硅前A/S前馈补偿;
根据硅前A/S的变化信息在前馈补偿周期Tb1内调整溶出过程的加碱流量,相邻两个硅前A/S的差值记为Δ1;
当硅前A/S增大时,增加对加碱流量回路的当前设定值的补偿,
当硅前A/S降低时,减少对加碱流量回路的当前设定值的补偿,
P2)赤泥A/S前馈补偿;
根据赤泥A/S的变化信息在前馈补偿周期Tb2内调整溶出过程的加碱流量,相邻两个赤泥A/S的差值记为Δ2;
当赤泥A/S增大时,增加对加碱流量回路的当前设定值的补偿,
当赤泥A/S降低时,减少对加碱流量回路的当前设定值的补偿,
P3)循环碱液苛性碱浓度前馈补偿
根据苛性碱浓度的变化信息在前馈补偿周期Tb3内调整溶出过程的加碱流量,相邻两个苛性碱浓度差值记为Δ3;
当苛性碱浓度降低时,增加对加碱流量回路的当前设定值的补偿,
当苛性碱浓度增大时,减少对加碱流量回路的当前设定值的补偿,
P4)循环碱液苛性比值前馈补偿
根据苛性比值的变化信息在前馈补偿周期Tb4内调整溶出过程的加碱流量,相邻两个苛性比值差值记为Δ4;
当苛性比值降低时,增加对加碱流量回路的当前设定值的补偿,
当苛性比值增大时,减少对加碱流量回路的当前设定值的补偿,
7.根据权利要求6所述的自动控制方法,其特征在于,
根据所述调整后的加碱流量回路的设定值和所述补偿后的加碱流量回路的设定值,计算加碱流量回路的最终设定值;
ysp(k)=y1sp(k)+φ1(k)+φ2(k)+φ3(k)+φ4(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679077.6A CN113467295B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝溶出过程的自动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679077.6A CN113467295B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝溶出过程的自动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113467295A CN113467295A (zh) | 2021-10-01 |
CN113467295B true CN113467295B (zh) | 2022-10-25 |
Family
ID=77868658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110679077.6A Active CN113467295B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝溶出过程的自动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113467295B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1749891A (zh) * | 2005-10-19 | 2006-03-22 | 东北大学 | 选矿过程综合生产指标智能优化控制方法 |
CN102351223A (zh) * | 2011-06-21 | 2012-02-15 | 中国铝业股份有限公司 | 一种拜耳法氧化铝溶出出口Rp值的自动控制方法 |
CN110703718A (zh) * | 2019-11-13 | 2020-01-17 | 东北大学 | 一种基于信号补偿的工业过程控制方法 |
CN110794093A (zh) * | 2019-11-11 | 2020-02-14 | 东北大学 | 一种蒸发过程出料苛性碱浓度测量装置精度补偿方法 |
CN110850833A (zh) * | 2019-11-29 | 2020-02-28 | 东北大学 | 一种氧化铝溶出过程智能化设定系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100163469A1 (en) * | 2008-12-26 | 2010-07-01 | Zhaoyang Wan | Control system for monitoring localized corrosion in an industrial water system |
-
2021
- 2021-06-18 CN CN202110679077.6A patent/CN113467295B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1749891A (zh) * | 2005-10-19 | 2006-03-22 | 东北大学 | 选矿过程综合生产指标智能优化控制方法 |
CN102351223A (zh) * | 2011-06-21 | 2012-02-15 | 中国铝业股份有限公司 | 一种拜耳法氧化铝溶出出口Rp值的自动控制方法 |
CN110794093A (zh) * | 2019-11-11 | 2020-02-14 | 东北大学 | 一种蒸发过程出料苛性碱浓度测量装置精度补偿方法 |
CN110703718A (zh) * | 2019-11-13 | 2020-01-17 | 东北大学 | 一种基于信号补偿的工业过程控制方法 |
CN110850833A (zh) * | 2019-11-29 | 2020-02-28 | 东北大学 | 一种氧化铝溶出过程智能化设定系统及方法 |
Non-Patent Citations (3)
Title |
---|
复杂工业过程运行的混合智能优化控制方法;柴天佑等;《自动化学报》;20080515(第05期);全文 * |
柴天佑等.复杂工业过程运行的混合智能优化控制方法.《自动化学报》.2008,(第05期), * |
氧化铝蒸发过程的混合智能优化设定控制;王永刚等;《化工学报》;20131215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113467295A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hongm et al. | Data driven fault diagnosis and fault tolerant control: some advances and possible new directions | |
EP2045673B1 (en) | Method and apparatus for intelligent control and monitoring in a process control system | |
CN111949700B (zh) | 用于石化装置的智能安全保障实时优化方法及系统 | |
EP1658534B1 (en) | Method and device arrangement for automatic dose control of chemicals | |
WO2007061665A1 (en) | Apparatus and method for analyzing model quality in a process control environment | |
US6438534B1 (en) | Process and system for commissioning industrial plants, in particular in the primary industry | |
CN103970124B (zh) | 工业控制回路多周期振荡的在线检测方法 | |
CN112904810B (zh) | 基于有效特征选择的流程工业非线性过程监测方法 | |
CN110681254B (zh) | 一种基于模型的半干法烟气处理控制系统 | |
CN113467295B (zh) | 一种氧化铝溶出过程的自动控制方法 | |
CN110471285B (zh) | 基于趋势事件驱动的锌冶炼焙烧过程模糊控制方法 | |
CN107563656B (zh) | 金湿法冶金氰化浸出过程运行状态的评价方法 | |
CN1226673C (zh) | 工业过程单参数比例积分微分控制方法 | |
CN106647274B (zh) | 一种连续生产过程中运行工况稳态判别方法 | |
CN116586199A (zh) | 一种用于黄金尾矿处理的浮选控制系统 | |
CN112130542B (zh) | 基于正常运行数据与系统辨识的控制回路性能评价方法 | |
CN111450694B (zh) | 一种基于多目标优化的脱硫系统工业控制器和控制方法 | |
CN113485260B (zh) | 复杂工业过程的运行优化控制系统 | |
CN107505955A (zh) | 一种pH监测控制装置与方法 | |
CN113608560B (zh) | 一种氧化铝碱液调配过程的控制系统 | |
Ma et al. | A novel model free adaptive controller with tracking differentiator | |
CN101339408A (zh) | 铝酸钠溶液连续碳酸化分解过程智能控制系统 | |
CN117076260B (zh) | 一种参数及设备异常检测方法及装置 | |
CN116700197B (zh) | 一种工控监测分析预警系统及分析预警处理方法 | |
Darkow et al. | Real-time application of multivariate statistical methods for early event detection in an industrial slurry stripper |
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 |