CN113608560B - 一种氧化铝碱液调配过程的控制系统 - Google Patents
一种氧化铝碱液调配过程的控制系统 Download PDFInfo
- Publication number
- CN113608560B CN113608560B CN202110680747.6A CN202110680747A CN113608560B CN 113608560 B CN113608560 B CN 113608560B CN 202110680747 A CN202110680747 A CN 202110680747A CN 113608560 B CN113608560 B CN 113608560B
- Authority
- CN
- China
- Prior art keywords
- stock solution
- alkali
- data
- concentration
- flow
- 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
- 239000003513 alkali Substances 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000008569 process Effects 0.000 title claims abstract description 96
- 238000002156 mixing Methods 0.000 title claims abstract description 82
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 239000007788 liquid Substances 0.000 claims abstract description 98
- 239000011550 stock solution Substances 0.000 claims abstract description 96
- 239000010413 mother solution Substances 0.000 claims abstract description 73
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 238000007599 discharging Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 17
- 239000003518 caustics Substances 0.000 claims description 109
- 230000008859 change Effects 0.000 claims description 55
- 238000003556 assay Methods 0.000 claims description 35
- 238000001704 evaporation Methods 0.000 claims description 30
- 230000008020 evaporation Effects 0.000 claims description 26
- 239000012452 mother liquor Substances 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 22
- 230000001965 increasing effect Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000002360 preparation method Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000002585 base Substances 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000012797 qualification Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D11/00—Control of flow ratio
- G05D11/02—Controlling ratio of two or more flows of fluid or fluent material
- G05D11/13—Controlling ratio of two or more flows of fluid or fluent material characterised by the use of electric means
- G05D11/139—Controlling ratio of two or more flows of fluid or fluent material characterised by the use of electric means by measuring a value related to the quantity of the individual components and sensing at least one property of the mixture
-
- 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)
- Control Of Non-Electrical Variables (AREA)
Abstract
本发明涉及一种氧化铝碱液调配过程的控制系统，包括：分别检测原液信息、母液信息、液碱信息、调配出料信息的检测装置；和包括控制组件，反馈控制器和前馈补偿器的控制装置，且控制组件、反馈控制器和前馈补偿器借助于各自的电动阀控制原液、母液、液碱的流量；前馈补偿器和反馈控制器通信连接各检测装置和控制组件；控制组件基于历史数据确定调配过程的各流量的初始设定值，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初始设定值，以使获取的调配出料符合需求。上述控制系统借助于反馈信息和前馈补偿方式实现自动调整调配过程中的流量设定值，且有效提升调配出料的合格率。
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碱液调配过程的控制系统。
背景技术
苛性碱溶液是氧化铝生产中的重要原料，氧化铝碱液调配过程通过将蒸发过程出料、碱液原液、母液以及高浓度液碱进行调配混合制备一定调配出料苛性碱浓度(Nk)的合格碱液。现有调配混合的过程存在强非线性问题、大滞后问题和大范围频繁干扰的问题，难以建立精确的数学模型，更无法实现基于模型的自动控制。
目前，对于氧化铝碱液调配过程的运行指标苛性碱浓度采用人工设定的方式，操作员根据自身的经验给出原液、母液以及液碱流量回路的设定值，从而实现对调配出料Nk的控制。但是由于碱液调配过程受到蒸发过程出料流量和苛性碱浓度的大范围干扰，并且受到原液、母液以及苛性碱浓度的频繁干扰，人工难以及时准确地计算出原液、母液以及液碱流量回路的设定准确值，造成苛性碱浓度波动大，常常超出工艺要求目标值范围，导致苛性碱浓度的合格率降低。
因此，如何解决现有技术中人工控制调配出料苛性碱浓度波动大，调配出料Nk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碱液调配过程的控制系统，能够结合现有的干扰因素实现自动调整，同时有效提升调配出料的合格率。
(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包括：
第一方面，本发明实施例提供一种氧化铝碱液调配过程的控制系统，包括：
用于检测原液信息的第一检测装置，所述第一检测装置布设在原液管道区域；
用于检测母液信息的第二检测装置，所述第二检测装置布设在母液管道区域；
用于检测液碱信息的第三检测装置，所述第三检测装置布设在液碱管道区域；
用于对调配出料的苛性碱信息进行检测的第四检测装置，所述第四检测装置布设在调配出料的管道区域；
控制装置，所述控制装置包括：控制组件，反馈控制器和前馈补偿器，所述前馈补偿器通信连接所述第一检测装置、第二检测装置和第三检测装置；所述反馈控制器通信连接所述第四检测装置；所述前馈补偿器和所述反馈控制器均通信连接所述控制组件；
所述控制组件基于所需调配出料的历史数据确定所述原液、母液、液碱在调配过程的流量的初始设定值，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设定值和初始设定值，以使获取的调配出料符合需求。
可选地，所述第一检测装置至第四检测装置实时获取的数据、控制组件、前馈补偿器和反馈控制器实时确定的数据均周期性发送到云存储平台；
所述控制装置部署在氧化铝碱液调配结构所属区域的边缘工业服务器中，所述边缘工业服务器与所述云存储平台通信；
或者，所述控制组件部署在氧化铝碱液调配结构所属区域的边缘工业服务器中，所述前馈补偿器和反馈控制器部署在氧化铝碱液调配结构的终端控制器中，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。
可选地，所述控制装置具体用于：根据原液、母液、液碱的基本信息和所需调配出料的基本信息、预先建立的IF-THEN形式的规则集合，确定所述原液、母液、液碱在调配过程的初始设定值；
在氧化铝碱液调配结构启动之后，借助于各检测装置实时获取与当前调配出料关联的采集数据，所述采集数据包括回路数据、过程数据以及化验数据；
在对采集数据进行预处理之后，所述反馈控制器基于所述预处理的采集数据中的化验数据，在原液、母液、液碱的当前设定值的基础上进行调整；
和/或，所述前馈补偿器基于所述预处理的采集数据中的回路数据和过程数据，对原液、母液、液碱的当前设定值进行补偿。
可选地，所述控制装置在确定所述原液、母液、液碱在调配过程的初始设定值之前，具体用于：
基于决策树回归算法对氧化铝碱液调配过程的历史生产数据进行挖掘获得计算知识，以及归纳现场操作人员的专家知识，采用模糊规则的形式对计算知识和专家知识进行整理，建立IF-THEN形式的规则集合。
可选地，所述反馈控制器基于所述预处理的采集数据中的化验数据，在原液、母液、液碱的当前设定值的基础上进行调整，包括：
获取氧化铝碱液调配过程中调配出料苛性碱浓度的化验值r(k)与目标值r*的差值e(k)；以及获取苛性碱浓度在线检测的变化率nk_t；
基于IF-THEN形式的规则集合，判断差值e(k)或变化率nk_t是否满足调整条件，
若满足，则采用对应的规则推理对各原液、母液、液碱的流量回路进行调整。
可选地，所述反馈控制器具体用于：
调配出料苛性碱浓度Nk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1-1.5g/l、1.8-2.5g/l、2.8-3.5g/l、3.8-4.5g/l、4.8-5.5g/l，各原液、母液、液碱的流量调整单位o1～o5分别为10-12、15-17、20-22、30-32、50-55；
依据公式(A1)计算调配出料苛性碱浓度Nk在线检测的时间窗口tf内的变化率，调配出料苛性碱浓度Nk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；
nk_t＝1表示在时间窗口tf内所述Nk呈上升趋势，nk_t＝0表示在时间窗口tf内所述Nk呈下降趋势，nk_t＝-1表示在时间窗口tf内所述Nk没有变化。
可选地，所述反馈控制器具体用于：
以事件触发的方式进行说明规则推理的过程：
设当前时刻为k，所述Nk的化验值为r(k)，且对应的各回路的历史设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ)，Tσ为碱液调配过程存在的滞后时间，Tδ为所述Nk取样到出结果的时间间隔；
S1)当所述Nk的变化率在第一预设范围时，维持各原液、母液、液碱的流量的当前设定值不变；
S2)当所述Nk的化验值上升，且变化率误差位于区间(b1,b2]、(b2,b3]、(b3,b4]、(b4,b5]、e(T1)＞b5中，各原液、母液、液碱的流量当前设定值基础上调整流量：具体调整可依据预先设定的规则2至规则6的内容。
S3)当所述Nk的化验值下降，且变化率误差位于区间[-b2,-b1)、[-b3,-b2)、[-b4,-b3)、[-b5,-b4)、e(T1)＜-b5中，各原液、母液、液碱的流量当前设定值基础上调整流量：具体调整可依据规则7至规则11的内容。
可选地，所述反馈控制器具体用于：
以时间触发的方式进行说明规则推理的过程：
设当前时刻为k，所述Nk的化验值为r(k)，则对应的各回路的历史设定值为y(k-Tσ)，其中Tσ为碱液调配过程存在的滞后时间，在反馈控制周期Tf内对当前的设定值进行调整；
M1)在时间窗口tf内，所述Nk的变化率在第二预设范围时且达到控制周期，维持各原液、母液、液碱的流量的当前设定值不变：
M2)在时间窗口tf内所述Nk的变化率上升且达到控制周期，依据规则13对各原液、母液、液碱的流量当前设定值基础上调整流量。
M3)在时间窗口tf内所述Nk的变化率下降且达到控制周期，依据规则14对各原液、母液、液碱的流量当前设定值基础上调整流量。
可选地，所述前馈补偿器基于所述预处理的采集数据中的回路数据和过程数据，对原液、母液、液碱的当前设定值进行补偿，包括：
P1)蒸发出料前馈补偿；
根据蒸发出料流量和苛性碱浓度在线检测示数的变化信息在前馈补偿周期Tb1内调整碱液调配过程的各进料流量；
设两段蒸发出料的流量分别为f1和f2，苛性碱浓度的在线检测示数分别为c1和c2，则蒸发出料总流量为F＝f1+f2，苛性碱浓度为
P1-1)蒸发出料整体苛性碱浓度增大时，依据规则15增大对原液或母液的当前设定值的补偿，或者减少对液碱的当前设定值的补偿；
P1-2)蒸发出料整体苛性碱浓度降低时，依据规则16减少对原液或母液的当前设定值的补偿，或者增加对液碱的当前设定值的补偿；
P2)原液浓度前馈补偿
在前馈补偿周期Tb2内对原液的当前设定值进行调整；
P2-1)当原液浓度增大时，依据规则17增加对母液的当前设定值的补偿，或者降低对液碱的当前设定值的补偿；
P2-2)当原液浓度降低时，依据规则18减少对母液的当前设定值的补偿，或者增加对液碱的当前设定值的补偿；
P3)母液浓度前馈补偿
在前馈补偿周期Tb3内对母液的当前设定值进行调整；
P3-1)当母液浓度增大时，依据规则19增加对原液的当前设定值的补偿，或者降低对液碱的当前设定值的补偿；
P3-2)当母液浓度降低时，依据规则20减少对原液的当前设定值的补偿或者增加对液碱的当前设定值的补偿。
可选地，所述控制装置还用于：根据所述反馈控制器的调整值和所述前馈补偿器的补偿信息计算各原液、母液、液碱的流量的最终设定值；
y1sp(k)＝y1sp(k)+φ11(k)+φ31(k)
y2sp(k)＝y2sp(k)+φ12(k)+φ22(k)
y3sp(k)＝y3sp(k)+φ13(k)+φ23(k)+φ33(k)；
和/或，对各原液、母液、液碱的流量的设定值进行限幅；
其中，y1min＝50m3/h，y1max＝250m3/h分别为原液流量下限值和上限值；y2min＝80m3/h，y2max＝600m3/h分别为母液流量下限值和上限值；y3min＝15m3/h，y3max＝100m3/h分别为液碱流量下限值和上限值。
(三)有益效果
本发明中为了提高调配出料Nk的合格率，使得调配出料苛性碱浓度变化在预设范围内，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，在线的给出各流量回路的设定值。
在上述调整过程中还综合考虑了原液、母液以及液碱流量回路的设定优先级。
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碱液调配过程调整方案，实现了苛性碱浓度自动设定和自动调整，解决了人工控制调配出料苛性碱浓度波动大、合格率低的技术问题。
附图说明
图1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自动控制方案中调配出料的控制效果对比图；
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自动控制方案的控制性能评价图。
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。
现有技术中氧化铝碱液调配过程中运行指标苛性碱浓度的设定采用人工设定的方式，操作员凭借操作经验给出原液、母液以及液碱流量回路的设定值。由于实际碱液调配过程受到蒸发过程出料流量和苛性碱浓度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各个流量回路控制系统的设定值，造成调配出料苛性碱浓度Nk波动大，常常超出工艺要求目标值范围。
为此，本发明实施例针对上述问题提出了由控制组件、反馈控制器和前馈补偿器组成的控制装置实现对氧化铝碱液调配过程的自动控制及实现运行参数的智能设定。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Nk离线化验和实时检测反映出运行指标的变化趋势，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各流量回路控制系统中运行参数的设定值。
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，同时还考虑了原液、母液以及液碱流量回路的设定优先级。
实施例一
如图1和图2所示，本实施例提供一种氧化铝碱液调配过程的控制系统，该控制系统可包括：多个检测装置和控制装置；本实施例的检测装置和控制装置可布设在一个实体物理设备中，也可以集成在多个物理设备中。
其中，第一检测装置用于检测原液信息即原液的流量信息，所述第一检测装置布设在原液管道区域；
第二检测装置用于检测母液信息即母液的流量信息，所述第二检测装置布设在母液管道区域；
第三检测装置用于检测液碱信息即液碱的流量信息，所述第三检测装置布设在液碱管道区域；
第四检测装置用于对调配出料的苛性碱信息进行检测，如周期性化验的化验数据和浓度信息等，所述第四检测装置布设在调配出料的管道区域。
如图1中，第一检测装置、第二检测装置和第三检测装置可对应图1中的各流量计，第四检测装置可包括图1中的人工化验、苛性碱浓度智能检测等组件，人工化验可获取化验值，苛性碱浓度智能检测获取的是在线检测的示数等信息。特别地，第四检测装置可包括独立氧化铝碱液调配结构的化验系统，实现周期性的人工化验调配出料的浓度信息，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碱液调配结构中的组件。
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、第二检测装置和第三检测装置；反馈控制器通信连接所述第四检测装置；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调配出料的历史数据确定所述原液、母液、液碱在调配过程的流量的初始设定值，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和每一次控制周期中的设定值，以使获取的调配出料符合需求。
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设定值。
在实际应用中，第一检测装置至第四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。
在调配过程中，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碱液调配结构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碱液调配结构的控制服务器(如图2所示)中，所述控制服务器、所述边缘工业服务器与所述云存储平台相互通信，如可借助于交换机通信。
在其他实施例中，控制装置可全部部署在氧化铝碱液调配结构所属区域的边缘工业服务器中，进而较少改动DCS控制器，优化系统的设计，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控制服务器中。
结合图2所示的架构进行说明，本实施例中通过工业控制服务器-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工业云服务器中，并与边缘工业服务器通信，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控制服务器的DCS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，与工业控制服务器的DCS控制器进行通信，实现回路数据的读取与控制指令的下发。
氧化铝碱液调配结构中的各工业传感器与DCS控制器通过硬线通信(即物理线路连接)，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控制服务器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控制服务器均通过实际的硬线与氧化铝碱液调配结构连通。
本实施例中边缘服务器和工业控制服务器的DCS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。
上述架构可应用于氧化铝碱液调配过程，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，使得碱液调配出料苛性碱浓度Nk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调配出料苛性碱浓度Nk的合格率，使得调配出料苛性碱浓度变化在预设范围内，控制装置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碱液调配过程调整方案，实现了苛性碱浓度自动设定和自动调整，解决了人工控制调配出料苛性碱浓度波动大、合格率低的难题。
为了更好的理解上述控制装置的调整过程，以下通过实施例二对控制装置的调整过程进行详细说明。
实施例二
基于上述图1和图2所示的架构和实施例一的控制系统的结构，该控制系统中控制装置的控制过程可具体以下述步骤的方式实现，其具体包括：
步骤101、根据原液、母液、液碱的基本信息和所需调配出料的基本信息、预先建立的IF-THEN形式的规则集合，确定所述原液、母液、液碱在调配过程的初始设定值；
步骤102、在氧化铝碱液调配结构启动之后，借助于各检测装置实时获取与当前调配出料关联的采集数据，所述采集数据包括回路数据、过程数据以及化验数据；
步骤103、在对采集数据进行预处理之后，所述反馈控制器基于所述预处理的采集数据中的化验数据，在原液、母液、液碱的当前设定值的基础上进行调整；和/或，所述前馈补偿器基于所述预处理的采集数据中的回路数据和过程数据，对原液、母液、液碱的当前设定值进行补偿。
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，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。
本实施例中的反馈控制器，针对氧化铝碱液调配过程存在大的时间滞后问题，在控制回路设定值的调整过程中引入数据回溯的方法实现对当前设定值的调整。
例如：人工化验的事件触发模式，采用调配出料苛性碱浓度Nk的化验值(即人工化验值)作为反馈信号对原液、母液和液碱回路中当前设定值进行调整，设当前时刻为k，调配出料苛性碱浓度Nk化验值为r(k)，则对应的历史回路设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ)，其中Tσ为碱液调配过程存在的滞后时间，Tδ为Nk取样到出结果的时间间隔。
另外，在线检测的时间触发模式，采用调配出料苛性碱浓度Nk在线检测数据作为反馈信号在反馈控制周期对各流量设定值进行微调，设当前时刻为k，苛性碱浓度Nk的在线检测示数为q(k)，则对应的历史回路设定值为y(k-Tσ)。
根据氧化铝碱液调配过程苛性碱浓度Nk化验值与目标值的差值以及苛性碱浓度在线检测示数的变化率，经过推理在历史流量设定值的基础上在反馈控制周期内给出各流量回路的设定值。
本实施例中的前馈补偿器，根据碱液调配过程中相邻工序的相关变量及其所述变化率，经过推理在前馈补偿周期内给出各流量设定值的动态补偿值。
特别地，在本实施例中控制装置将反馈控制和前馈补偿相结合，提出氧化铝碱液调配过程苛性碱浓度Nk智能调整方案，进而计算出最终各流量回路的设定值。同时，本实施例中还可对最终原液、母液和液碱流量设定值进行限幅，以有效保证调配出料的合格率。
在具体实现过程中，控制装置在确定所述原液、母液、液碱在调配过程的初始设定值之前，具体用于：
根据氧化铝碱液调配过程的历史生产数据，采用决策树回归算法和预先建立的领域知识库，对现场操作人员的操作知识以模糊规则的形式进行整理，建立IF-THEN形式的规则集合。
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碱液调配过程领域知识库。
此外，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、6或8等。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。
本实施例中还用于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，故在调配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。
针对实施例二中的步骤103，以下结合具体推理规则和相应的公式进行说明。
第一，数据预处理
为了降低数据噪声和异常值的影响，将采集的数据中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)
式中，α为滤波系数，在本实施例中取值为0.05或0.08，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。
第二：反馈控制器的处理过程
针对氧化铝碱液调配过程存在大的时间滞后问题，在控制系统的设定值的调整过程中引入数据回溯的方法。
其中，根据氧化铝碱液调配过程苛性碱浓度Nk的化验值与目标值的差值以及苛性碱浓度在线检测示数的变化率，经过推理在各流量本次运行过程中历史设定值的基础上在反馈控制周期内给出各流量回路控制的设定值。本实施例中在线检测示数即为苛性碱浓度的智能检测的示数，其变化率可为在线检测的示数的斜率信息。
计算氧化铝碱液苛性碱浓度Nk的化验值r(k)与目标值r*的差值e(k)以及在线检测变化趋势nk_t，当差值e(k)或变化趋势nk_t满足条件时经过规则推理对各流量回路进行设定。本实施例中的目标值可为预先由操作人员设定的，化验值可为在调配过程中人工化验的信息。
氧化铝碱液调配Nk的化验值r(k)与目标值r*的差值e(k)＝r(k)-r*分为5个区间，b1-b5分别为1g/l、2g/l、3g/l、4g/l、5g/l，各流量调整单位o1～o5分别为10、15、20、30、50。其中，b1-b5为浓度区间参数中区间阈值，o1～o5均为流量调整参数中参数阈值，仅为一个符号表示。在其他实施例中，b1-b5的取值区间可为1-1.5g/l、1.8-2.5g/l、2.8-3.5g/l、3.8-4.5g/l、4.8-5.5g/l，各原液、母液、液碱的流量调整单位o1～o5分别为10-12、15-17、20-22、30-32、50-55等，本实施例不对其限定，根据实际需要设定。
计算碱液调配出料苛性碱浓度Nk在线检测在时间窗口tf内的变化率，碱液调配Nk在时间窗口tf内的变化趋势计算如下，
式中，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；实际中tf＝15min，下标f仅为一个区别使用的符号，表示反馈控制中的反馈。
nk_t＝1表示在时间窗口tf内苛性碱浓度Nk呈上升趋势，nk_t＝0表示在时间窗口tf内苛性碱浓度Nk呈下降趋势，nk_t＝-1表示在时间窗口tf内苛性碱浓度Nk没有明显变化趋势。
具体推理规则如下：
步骤A：人工化验事件的触发模式，采用调配出料苛性碱浓度Nk的化验值作为反馈信号对原液、母液和液碱回路的各设定值进行调整，设当前时刻为k，调配出料苛性碱浓度Nk的化验值为r(k)，则对应的本次运行中历史回路设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ)，其中Tσ为碱液调配过程存在的滞后时间，Tδ为Nk取样到出结果的时间间隔，本实施例中Tσ取45min，Tδ取40min。需要说明的是，设定值可为一个控制周期内调整后的参数值即为设定值。
1)当调配出料苛性碱浓度Nk波动较小时，维持各流量设定值不变：
Rule1:IF|e(k)|≤b1 THEN y1sp(k)＝y1sp(k-Tσ-Tδ)
y2sp(k)＝y2sp(k-Tσ-Tδ)
y3sp(k)＝y3sp(k-Tσ-Tδ) (3)；
下标sp表示设定值(set point)的缩写，下标y1sp、y2sp、y3sp分别是调配出料的原液、母液和液碱的流量设定值，y1、y2、y3分别是调配出料的原液、母液和液碱的流量。
2)当调配出料苛性碱浓度Nk上升，误差即差值位于区间(b1,b2]中，调配出料苛性碱浓度Nk化验值偏高，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
下标min表示最小值，下标max表示最大值，ymin表示流量的下限，y1min、y2min、y3min分别是调配出料的原液、母液和液碱的流量下限值；y1max、y2max、y3max分别是调配出料的原液、母液和液碱的流量上限值；e(k)为差值。
3)当调配出料苛性碱浓度Nk上升，误差即差值位于区间(b2,b3]中，调配出料苛性碱浓度Nk化验值偏高，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
4)当调配出料苛性碱浓度Nk上升，误差即差值位于区间(b3,b4]中，调配出料Nk化验值偏高，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
5)当调配出料苛性碱浓度Nk上升，误差即差值位于区间(b4,b5]中，调配出料Nk化验值偏高，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
6)当调配出料苛性碱浓度Nk上升，并且e(k)＞b5，调配出料苛性碱浓度Nk化验值偏高，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
7)当调配出料苛性碱浓度Nk下降，误差位于区间[-b2,-b1)中，调配出料Nk化验值偏低，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
8)当调配出料苛性碱浓度Nk下降，误差即差值位于区间[-b3,-b2)中，调配出料Nk化验值偏低，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
9)当调配出料苛性碱浓度Nk下降，误差即差值位于区间[-b4,-b3)中，调配出料苛性碱浓度Nk化验值偏低，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
10)当调配出料苛性碱浓度Nk下降，误差即差值位于区间[-b5,-b4)中，调配出料Nk化验值偏低，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
11)当调配出料苛性碱浓度Nk下降，误差即差值位于区间e(k)＜-b5中，调配出料苛性碱浓度Nk化验值偏低，为了保证调配出料苛性碱浓度Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
步骤B：智能检测的时间触发模式，采用调配出料苛性碱浓度Nk在线检测数据(即调配出料苛性碱浓度的智能检测在线检测示数)作为反馈信号在反馈控制周期对各流量设定值进行微调，设当前时刻为k，苛性碱浓度Nk的在线检测示数为q(k)，则对应的历史回路设定值为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。t表示时间即采样周期，Tf描述反馈的控制时间即控制周期。
1)在时间窗口tf内苛性碱浓度Nk没有变化趋势并且达到控制周期，维持各流量设定值不变：
Rule12:IFt＞Tf and nk_t＝-1THEN y1sp(k)＝y1sp(k-Tσ)
y2sp(k)＝y2sp(k-Tσ)
y3sp(k)＝y3sp(k-Tσ) (14)；
运行中历史回路设定值分别为y1sp(k-Tσ)、y2sp(k-Tσ)y3sp(k-Tσ)。
2)在时间窗口tf内苛性碱浓度Nk呈上升趋势并且达到控制周期，为了保证调配Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
3)在时间窗口tf内苛性碱浓度Nk呈下降趋势并且达到控制周期，为了保证调配Nk维持在目标区间内，需要在各流量历史设定值基础上调整流量：
第三、前馈补偿器的处理过程
根据原液苛性碱浓度、母液苛性碱浓度和蒸发出料流量、苛性碱浓度的变化情况各流量设定值进行补偿：
1)蒸发出料前馈补偿器
蒸发分为两段过程，两段蒸发出料的流量和苛性碱浓度波动直接影响到碱液调配出料Nk稳定，甚至会导致调配出料Nk超出工艺要求的范围，因此需要根据蒸发出料流量和苛性碱浓度的变化情况在前馈补偿周期Tb1内调整碱液调配过程的各进料流量情况。设两段蒸发出料的流量分别为f1和f2，苛性碱浓度分别为c1和c2，则蒸发出料总流量为F＝f1+f2，苛性碱浓度为Δc＝c(k)-c(k-Tb1)，Tb1取40min。Δc为苛性碱浓度的变化量；c(k)为k时刻的苛性碱浓度。Tb1为前馈补偿周期，实际中取40min，下述的b2可以是一个固定数值或者是随着生产进行随机赋予的数值，在其他实施例中，可以是一个变量。
具体推理规则如下：
1-1)蒸发出料整体苛性碱浓度增大时，需要增大对原液(母液)或减少对液碱流量设定值的补偿。
1-2)蒸发出料整体苛性碱浓度降低时，需要减少对原液(母液)或增加对液碱流量设定值的补偿。
φ11(k)、φ12(k)、φ13(k)分别为原液、母液和液碱流量前馈补偿器的流量补偿值。
2)原液浓度前馈补偿器
原液浓度变化直接影响到调配过程出料苛性碱浓度Nk的变化，关系到指标合格率，需要在前馈补偿周期Tb2内对设定值进行调整，Tb2取120min。
具体推理规则如下：
2-1)当原液浓度增大时，需要增加对母液或者降低对液碱设定值的补偿。
Δcy为原液浓度的变化量，φ22(k)为母液流量前馈补偿器的流量补偿值；φ23(k)为液碱流量前馈补偿器的流量补偿值；
2-2)当原液浓度降低时，需要减少对母液或者增加对液碱设定值的补偿。
3)母液浓度前馈补偿器
母液浓度变化直接影响到调配过程出料Nk的变化，关系到指标合格率，需要在前馈补偿周期Tb3内对设定值进行调整，Tb3取120min。
具体设定规则如下：
3-1)当母液浓度增大时，需要增加对原液或者降低对液碱设定值的补偿。
Δ3为母液浓度的变化量，b1为固定数值，φ31(k)为原液流量前馈补偿器的流量补偿值，φ33(k)为液碱流量前馈补偿器的流量补偿值。
3-2)当母液浓度降低时，需要减少对原液或者增加对液碱设定值的补偿。
第四、控制组件可根据反馈控制器的设定值和前馈补偿器的流量补偿值计算各流量的最终设定值
即：
y1sp(k)＝y1sp(k)+φ11(k)+φ31(k)
y2sp(k)＝y2sp(k)+φ12(k)+φ22(k)
y3sp(k)＝y3sp(k)+φ13(k)+φ23(k)+φ33(k) (23)
本实施例中，还特别设置有各流量设置值的上下边界值，即实现对各流量的设定值进行限幅。
式中，y1min＝50m3/h，y1max＝250m3/h分别为原液流量下限值和上限值；y2min＝80m3/h，y2max＝600m3/h分别为母液流量下限值和上限值；y3min＝15m3/h，y3max＝100m3/h分别为液碱流量下限值和上限值。
由此，上述实施例中为了提高调配出料苛性碱浓度Nk的合格率，使得调配出料苛性碱浓度变化在预设范围内，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(图3A)效果相比，采用本发明的控制系统在控制过程中可以将碱液调配Nk控制在目标范围内，其中区间合格率比人工设定提高14.3％，误差均方差(MSE)降低了13％，平均绝对误差(MAE)降低了15.5％。
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碱液调配过程调整方案，实现了苛性碱浓度自动设定和自动调整，解决了人工控制调配出料苛性碱浓度波动大、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。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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)
1.一种氧化铝碱液调配过程的控制系统，其特征在于，包括：
用于检测原液信息的第一检测装置，所述第一检测装置布设在原液管道区域；
用于检测母液信息的第二检测装置，所述第二检测装置布设在母液管道区域；
用于检测液碱信息的第三检测装置，所述第三检测装置布设在液碱管道区域；
用于对调配出料的苛性碱信息进行检测的第四检测装置，所述第四检测装置布设在调配出料的管道区域；
控制装置，所述控制装置包括：控制组件，反馈控制器和前馈补偿器，所述前馈补偿器通信连接所述第一检测装置、第二检测装置和第三检测装置；所述反馈控制器通信连接所述第四检测装置；所述前馈补偿器和所述反馈控制器均通信连接所述控制组件；
所述控制组件基于所需调配出料的历史数据确定所述原液、母液、液碱在调配过程的流量的初始设定值，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设定值和初始设定值，以使获取的调配出料符合需求；
所述控制装置具体用于：
根据原液、母液、液碱的基本信息和所需调配出料的基本信息、预先建立的IF-THEN形式的规则集合，确定所述原液、母液、液碱在调配过程的初始设定值；
在氧化铝碱液调配结构启动之后，借助于各检测装置实时获取与当前调配出料关联的采集数据，所述采集数据包括回路数据、过程数据以及化验数据；
在对采集数据进行预处理之后，所述反馈控制器基于所述预处理的采集数据中的化验数据，在原液、母液、液碱的当前设定值的基础上进行调整；
和/或，所述前馈补偿器基于所述预处理的采集数据中的回路数据和过程数据，对原液、母液、液碱的当前设定值进行补偿；
所述反馈控制器基于所述预处理的采集数据中的化验数据，在原液、母液、液碱的当前设定值的基础上进行调整，包括：
获取氧化铝碱液调配过程中调配出料苛性碱浓度的化验值r(k)与目标值r*的差值e(k)；以及获取苛性碱浓度在线检测的变化率nk_t；
基于IF-THEN形式的规则集合，判断差值e(k)或变化率nk_t是否满足调整条件，
若满足，则采用对应的规则推理对各原液、母液、液碱的流量回路进行调整；
所述反馈控制器具体用于：
调配出料苛性碱浓度Nk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1-1.5g/l、1.8-2.5g/l、2.8-3.5g/l、3.8-4.5g/l、4.8-5.5g/l，各原液、母液、液碱的流量调整单位o1～o5分别为10-12、15-17、20-22、30-32、50-55；
依据公式(A1)计算调配出料苛性碱浓度Nk在线检测的时间窗口tf内的变化率，调配出料苛性碱浓度Nk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；
nk_t＝1表示在时间窗口tf内所述Nk呈上升趋势，nk_t＝0表示在时间窗口tf内所述Nk呈下降趋势，nk_t＝-1表示在时间窗口tf内所述Nk没有变化。
2.根据权利要求1所述的控制系统，其特征在于，
所述第一检测装置至第四检测装置实时获取的数据、控制组件、前馈补偿器和反馈控制器实时确定的数据均周期性发送到云存储平台；
所述控制装置部署在氧化铝碱液调配结构所属区域的边缘工业服务器中，所述边缘工业服务器与所述云存储平台通信；
或者，所述控制组件部署在氧化铝碱液调配结构所属区域的边缘工业服务器中，所述前馈补偿器和反馈控制器部署在氧化铝碱液调配结构的终端控制器中，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。
3.根据权利要求1所述的控制系统，其特征在于，所述控制装置在确定所述原液、母液、液碱在调配过程的初始设定值之前，具体用于：
基于决策树回归算法对氧化铝碱液调配过程的历史生产数据进行挖掘获得计算知识，以及归纳现场操作人员的专家知识，采用模糊规则的形式对计算知识和专家知识进行整理，建立IF-THEN形式的规则集合。
4.根据权利要求1所述的控制系统，其特征在于，所述反馈控制器具体用于：
以事件触发的方式进行说明规则推理的过程：
设当前时刻为k，所述Nk的化验值为r(k)，且对应的各回路的历史设定值分别为y1(k-Tσ-Tδ)、y2(k-Tσ-Tδ)、y3(k-Tσ-Tδ)，Tσ为碱液调配过程存在的滞后时间，Tδ为所述Nk取样到出结果的时间间隔；
S1)当所述Nk的变化率在第一预设范围时，维持各原液、母液、液碱的流量的当前设定值不变；
规则1:IF|e(k)|≤b1 THEN
S2)当所述Nk的化验值上升，且变化率误差位于区间(b1,b2]、(b2,b3]、(b3,b4]、(b4,b5]、e(T1)＞b5中，各原液、母液、液碱的流量当前设定值基础上调整流量：
S3)当所述Nk的化验值下降，且变化率误差位于区间[-b2,-b1)、[-b3,-b2)、[-b4,-b3)、[-b5,-b4)、e(T1)＜-b5中，各原液、母液、液碱的流量当前设定值基础上调整流量：
5.根据权利要求1所述的控制系统，其特征在于，所述反馈控制器具体用于：
以时间触发的方式进行说明规则推理的过程：
设当前时刻为k，所述Nk的化验值为r(k)，则对应的各回路的历史设定值为y(k-Tσ)，其中Tσ为碱液调配过程存在的滞后时间，在反馈控制周期Tf内对当前的设定值进行调整；
M1)在时间窗口tf内，所述Nk的变化率在第二预设范围时且达到控制周期，维持各原液、母液、液碱的流量的当前设定值不变：
M2)在时间窗口tf内所述Nk的变化率上升且达到控制周期，各原液、母液、液碱的流量当前设定值基础上调整流量：
M3)在时间窗口tf内所述Nk的变化率下降且达到控制周期，各原液、母液、液碱的流量当前设定值基础上调整流量：
6.根据权利要求1或3所述的控制系统，其特征在于，所述前馈补偿器基于所述预处理的采集数据中的回路数据和过程数据，对原液、母液、液碱的当前设定值进行补偿，包括：
P1)蒸发出料前馈补偿；
根据蒸发出料流量和苛性碱浓度在线检测示数的变化信息在前馈补偿周期Tb1内调整碱液调配过程的各进料流量；
设两段蒸发出料的流量分别为f1和f2，苛性碱浓度的在线检测示数分别为c1和c2，则蒸发出料总流量为F＝f1+f2，苛性碱浓度为Δc＝c(k)-c(k-Tb1)；
P1-1)蒸发出料整体苛性碱浓度增大时，增大对原液或母液的当前设定值的补偿，或者减少对液碱的当前设定值的补偿；
P1-2)蒸发出料整体苛性碱浓度降低时，减少对原液或母液的当前设定值的补偿，或者增加对液碱的当前设定值的补偿；
P2)原液浓度前馈补偿
在前馈补偿周期Tb2内对原液的当前设定值进行调整；
P2-1)当原液浓度增大时，增加对母液的当前设定值的补偿，或者降低对液碱的当前设定值的补偿；
P2-2)当原液浓度降低时，减少对母液的当前设定值的补偿，或者增加对液碱的当前设定值的补偿；
P3)母液浓度前馈补偿
在前馈补偿周期Tb3内对母液的当前设定值进行调整；
P3-1)当母液浓度增大时，增加对原液的当前设定值的补偿，或者降低对液碱的当前设定值的补偿；
P3-2)当母液浓度降低时，减少对原液的当前设定值的补偿或者增加对液碱的当前设定值的补偿；
7.根据权利要求5所述的控制系统，其特征在于，所述控制装置还用于：
根据所述反馈控制器的调整值和所述前馈补偿器的补偿信息计算各原液、母液、液碱的流量的最终设定值；
y1sp(k)＝y1sp(k)+φ11(k)+φ31(k)
y2sp(k)＝y2sp(k)+φ12(k)+φ22(k)
y3sp(k)＝y3sp(k)+φ13(k)+φ23(k)+φ33(k)；
和/或，
对各原液、母液、液碱的流量的设定值进行限幅；
其中，y1min＝50m3/h，y1max＝250m3/h分别为原液流量下限值和上限值；y2min＝80m3/h，y2max＝600m3/h分别为母液流量下限值和上限值；y3min＝15m3/h，y3max＝100m3/h分别为液碱流量下限值和上限值。
8.根据权利要求6所述的控制系统，其特征在于，所述控制装置还用于：
根据所述反馈控制器的调整值和所述前馈补偿器的补偿信息计算各原液、母液、液碱的流量的最终设定值；
y1sp(k)＝y1sp(k)+φ11(k)+φ31(k)
y2sp(k)＝y2sp(k)+φ12(k)+φ22(k)
y3sp(k)＝y3sp(k)+φ13(k)+φ23(k)+φ33(k)；
和/或，
对各原液、母液、液碱的流量的设定值进行限幅；
其中，y1min＝50m3/h，y1max＝250m3/h分别为原液流量下限值和上限值；y2min＝80m3/h，y2max＝600m3/h分别为母液流量下限值和上限值；y3min＝15m3/h，y3max＝100m3/h分别为液碱流量下限值和上限值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110680747.6A CN113608560B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝碱液调配过程的控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110680747.6A CN113608560B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝碱液调配过程的控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113608560A CN113608560A (zh) | 2021-11-05 |
| CN113608560B true CN113608560B (zh) | 2023-08-25 |
Family
ID=78336573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110680747.6A Active CN113608560B (zh) | 2021-06-18 | 2021-06-18 | 一种氧化铝碱液调配过程的控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113608560B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU3255584A (en) * | 1983-09-06 | 1985-03-14 | Olin Corporation | Controlling membrane-type chlor-alkali cells using analysis of mass flow |
| JP2001226872A (ja) * | 2000-02-10 | 2001-08-21 | Fukushin Kogyo Kk | ポリエステル海島繊維のマイクロファイバー化方法及びシステム |
| CN1837052A (zh) * | 2005-03-23 | 2006-09-27 | 贵阳铝镁设计研究院 | 溶液调配方法及装置 |
| 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 |
| CN110937616A (zh) * | 2019-10-29 | 2020-03-31 | 东北大学 | 一种氧化铝蒸发过程智能化设定系统及方法 |
-
2021
- 2021-06-18 CN CN202110680747.6A patent/CN113608560B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU3255584A (en) * | 1983-09-06 | 1985-03-14 | Olin Corporation | Controlling membrane-type chlor-alkali cells using analysis of mass flow |
| JP2001226872A (ja) * | 2000-02-10 | 2001-08-21 | Fukushin Kogyo Kk | ポリエステル海島繊維のマイクロファイバー化方法及びシステム |
| CN1837052A (zh) * | 2005-03-23 | 2006-09-27 | 贵阳铝镁设计研究院 | 溶液调配方法及装置 |
| CN110937616A (zh) * | 2019-10-29 | 2020-03-31 | 东北大学 | 一种氧化铝蒸发过程智能化设定系统及方法 |
| 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 (1)
| Title |
|---|
| 氧化铝生产中循环碱液的自动调配;张迎捷;《山西冶金》;19950515;第25-28页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113608560A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3662418B1 (de) | Verfahren und vorrichtung für maschinelles lernen in einer recheneinheit | |
| DE60212121T2 (de) | Erzeugung von prozessverwandten daten | |
| US5845052A (en) | Supporting method and system for process operation | |
| DE102014102665B4 (de) | Verbesserte Kalman-Filter in Prozesssteuerungssystemen | |
| DE112010000813T5 (de) | Modellprädiktiver Regler mit abstimmbarer Integralkomponente zum Ausgleich von Modellfehlanpassung | |
| DE102006049832A1 (de) | Nichtperiodische Steuerungskommunikationen in drahtlosen und anderen Prozesssteuerungssystemen | |
| CN105996106B (zh) | 一种基于气流干燥的烟丝质量控制方法及系统 | |
| US7359830B2 (en) | Method for automatic on-line calibration of a process model | |
| DE102007046964A1 (de) | In ein Prozessteuernetz integrierter analytischer Server | |
| CN106647691B (zh) | 一种工业过程多回路振荡提取与检测方法 | |
| CN110472800A (zh) | 一种基于lstm+cnn的机床刀具剩余寿命预测方法 | |
| DE10008020B4 (de) | Diagnosevorrichtung in einem Prozeßsteuersystem, das Mehrgrößen-Regeltechniken verwendet | |
| WO2022171788A1 (de) | Vorhersagemodell zum vorhersagen von produktqualitätsparameterwerten | |
| CN110471285B (zh) | 基于趋势事件驱动的锌冶炼焙烧过程模糊控制方法 | |
| CN113608560B (zh) | 一种氧化铝碱液调配过程的控制系统 | |
| CN105242539B (zh) | 控制回路中执行器迟滞的预测补偿方法 | |
| Wang et al. | A novel NN-fuzzy-SPC feedback control system | |
| WO2019076785A1 (de) | Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines mahlprozesses in einer mahlvorrichtung | |
| CN104062903B (zh) | 一种基于免疫机制的碳纤维凝固浴重构控制器 | |
| WO2021074491A1 (en) | A method and system for monitoring a process | |
| EP0707247B1 (de) | Analysegerät, insbesondere für Abwasser | |
| DE102020124499A1 (de) | Prozesssteuerungsdesign mit prozessnäherung und lambda-abstimmung | |
| DE102019114488B4 (de) | Verfahren zum Betreiben einer Abfüllanlage und Abfüllanlage | |
| CN113467295B (zh) | 一种氧化铝溶出过程的自动控制方法 | |
| EP3557048A1 (de) | Verfahren und vorrichtung zum betreiben einer windenergieanlage sowie windenergieanlage |
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 |