CN117482558A - 一种结晶控制系统的控制方法 - Google Patents
一种结晶控制系统的控制方法 Download PDFInfo
- Publication number
- CN117482558A CN117482558A CN202311201811.3A CN202311201811A CN117482558A CN 117482558 A CN117482558 A CN 117482558A CN 202311201811 A CN202311201811 A CN 202311201811A CN 117482558 A CN117482558 A CN 117482558A
- Authority
- CN
- China
- Prior art keywords
- control
- crystallizer
- loop
- crystallization
- circulation
- 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.)
- Pending
Links
- 238000002425 crystallisation Methods 0.000 title claims abstract description 38
- 230000008025 crystallization Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 239000013078 crystal Substances 0.000 description 8
- FFEARJCKVFRZRR-BYPYZUCNSA-N L-methionine Chemical compound CSCC[C@H](N)C(O)=O FFEARJCKVFRZRR-BYPYZUCNSA-N 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 229930182817 methionine Natural products 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- QHMWJBZUZWPWFB-WCCKRBBISA-N (2s)-2-amino-4-methylsulfanylbutanoic acid;potassium Chemical compound [K].CSCC[C@H](N)C(O)=O QHMWJBZUZWPWFB-WCCKRBBISA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D9/00—Crystallisation
- B01D9/0063—Control or regulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D9/00—Crystallisation
- B01D9/02—Crystallisation from solutions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D9/00—Crystallisation
- B01D2009/0086—Processes or apparatus therefor
-
- 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
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提供了一种结晶控制系统的控制方法，解决了现有的结晶系统难以形成闭环控制，导致产品质量不稳定的技术问题；结晶控制系统包括第一结晶器、第二结晶器；的方法包括步骤：S101、获得第一结晶器、第二结晶器的实时数据；S102、启动软测量模型，将实时数据进行滤波后输入软测量模型，测出第一结晶器、第二结晶器的过饱和度状态参数；S103、根据得出的第一结晶器和第二结晶器过饱和度状态参数，在DCS基础上施行结晶系统产品质量的实时在线闭环优化控制。本申请广泛应用于结晶闭环控制技术领域。
Description
技术领域
本申请涉及一种结晶控制方法，更具体地说，是涉及一种结晶控制系统的控制方法。
背景技术
在我国化工领域，蒸发结晶设备作为一种常见的设备，应用非常广泛，蒸发结晶装置通过热能(蒸汽、电能等)加热含水物料溶液，使溶剂以气态形式蒸发掉，物料在溶剂中过饱和，最终物料以结晶体形式出现的物理过程。
结晶装置的结晶器是重要的设备，会严重影响后面结晶的纯度、晶型、过滤性能、堆积密度等性能，直接决定产品质量。而这些性能的评定有较大滞后性，并且需要人工测试，即操作人员无法及时了解结晶器的状态会对后面工艺产生的影响。这样的原因导致，操作人员不能对产品质量及时进行控制。而原设计的控制系统没有采用任何成分闭环控制，只对结晶器的温度、压力做了简单控制。这样的控制方案虽然能够基本稳定生产装置的运行，但一些重要经济技术指标难以达到要求。并且，如果前段工艺指标出现波动，结晶器指标也会变化，进而导致产品质量不稳定。而这种新变化的状态，没有合适的变量进行描述，从而难以形成闭环控制。通过新的测量仪表，如拉曼，红外，实时粒径测量等仪器可以实时测量部分位置的浓度或粒径分布，这些测量参数可以作为闭环控制的指标，但是这些指标都需要新的设备投入，增加了生产成本。
发明内容
为解决现有的问题，本申请采用的技术方案是：提供一种结晶控制系统的控制方法，结晶控制系统包括第一结晶器、第二结晶器；方法包括步骤：
S101、获得第一结晶器、第二结晶器的实时数据；
S102、启动软测量模型，将实时数据进行滤波后输入软测量模型，测出第一结晶器、第二结晶器的过饱和度状态参数；
其中，第一结晶器的软测量模型如下：
式中，C01(t)：t时刻的第一结晶器的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2，3，4)：第一结晶器的进料流量FC11、循环流量FC12、蒸汽流量FC13、温度T11的测量值；
Ci(i＝0，1，…，6)：回归系数；
f(P,T)：第一结晶器的T11、压力P11下的饱和浓度；
第二结晶器的软测量模型如下：
式中：C02(t)：t时刻的第二结晶器的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2)：第二结晶器的进料流量FC21、循环流量FC22的测量值；
Di(i＝0，1，…，4)：回归系数；
f(P,T)：第二结晶器的温度T21、压力P21下的饱和浓度；
S103、根据得出的第一结晶器和第二结晶器过饱和度状态参数，在DCS基础上施行结晶系统产品质量的实时在线闭环优化控制。
优选地，在线闭环优化控制的公式为：
其中，min V(Δu(t),…Δu(t+M-1))是目标函数；
Δu为系统控制变量的控制增量，包括第一结晶器的循环流量FC12，进料流量FC21，蒸汽流量FC13，及第二结晶器的循环流量FC22的控制增量；
y为系统被控变量的值， y包括第一结晶器的温度T11、压力P11和软测量的过饱和度C01、及第二结晶器的温度T21、压力P21和软测量的过饱和度C02；
Q=diag（[q1q2…qp]），为预测误差的权矩阵；
R=diag（[r1r2…rM]），为控制动作量的权矩阵；
是t+i时刻的被控变量参考值，当取设定点时，则/>，i=1,2,……P；/>是被控变量的设定值；
是在M步控制作用下的被控变量的预测值；
根据输出的各控制变量的控制增量，获取第一结晶器的循环流量控制值、第一结晶器的进料流量控制值、蒸汽流量控制值和第二结晶器的循环流量控制值，从而对结晶系统进行优化控制。
优选地，在线闭环优化控制的公式求解需满足无约束或有约束情况：
（1）在无约束的情况下，控制变量的控制增量的最优解为：
其中，D为模型的动态矩阵，Yr为设定的参考矩阵，Y0为预测值矩阵；
（2）在有约束的情况下，控制变量的控制增量需满足约束条件：
最终获得最优控制变化量，ΔUM(t)包含了Δu(t) ，…，Δu(t+M-1)，M个时刻的最优控制增量，选取第一个增量计算控制输出u(k)＝u(k-1)+Δu(k)，u(k)是k时刻输出的控制值，进行下一次优化运算，如此循环。
优选地，结晶控制系统还包括第一循环控制回路、第二循环控制回路、进料控制回路和蒸气控制回路，第一结晶器的进料口、第一循环控制回路之间连通，第二结晶器的进料口、第二循环控制回路之间连通，第一结晶器的出料口与第二循环控制回路连通；第一循环控制回路分别与进料控制回路、蒸汽控制回路连通。
优选地，第一循环控制回路上设有第一变频器，进料控制回路上设有进料控制阀，蒸汽控制回路上设有蒸汽阀，第二循环控制回路上设有第二变频泵。
本发明利用结晶器过饱和度状态参数估计，且采用了基于软测量技术的推断控制策略还利用智能滤波技术对现场数据进行处理。并将设计的控制策略在DCS上通过组态实现了产品质量的闭环优化控制。实际运行表明，采用此种先进控制，结晶后的蛋氨酸，晶型更为一致，过滤性能变好，有利于后段工艺的处理。堆积密度从0.65变为0.76以上。蛋氨酸钾离子浓度从200ppm降低到80ppm，杂质含量更低，提高了产品质量。蒸汽用量从4t/h降低到3t/h，达到节能的目标。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的一种结晶控制系统的原理框图。
1.第一结晶器；2.第二结晶器；3.进料控制阀；4.蒸汽阀；5.第一变频器；6.第二变频泵；7.细晶消除器；8.第一循环控制回路；9.第二循环控制回路；10.进料控制回路；11.蒸汽控制回路。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本发明主要解决蛋氨酸结晶装置的质量闭环控制问题。本发明采用软测量建模技术，首先建立了结晶器进料溶解度曲线的测量模型，并在DCS系统（分散控制系统）加以实施，较好地解决了进料溶解度的在线估计问题。然后，在上述软测量模型的基础上，设计开发了的先进控制系统，并通过组态在DCS上加以实施，最终实现了结晶器产品质量的闭环优化控制。软测量模型简洁实用，整个控制方案设计先进、实用可靠，达到了明显降低能耗，提高产品质量和保证运行安全的效果。
请参阅图1，为本申请一实施例提供的一种结晶控制系统的原理框图，为了便于说明，仅示出了与本实施例相关的部分，详述如下：
所述的结晶控制系统包括第一结晶器1和第二结晶器2，工作过程：蛋氨酸原料通过进料控制回路10经过进料控制阀3进入第一循环控制回路8，经过细晶消除器7，消除部分细晶后，进入第一结晶器1内部。第一结晶器1内溶剂蒸发，小的结晶因为溶液过饱和在第一结晶器1内不断长大。由第一结晶器1出来的晶浆，进入第二结晶器2，进一步生长，完成结晶过程。
在其中一实施例中，一种基于上述结晶控制系统的控制方法，包括以下步骤：
利用测量仪表获得第一结晶器1测量点的实时数据；该实时数据包括进料流量FC11、循环流量FC12、蒸汽流量FC13、温度T11、第一结晶器1压力P11。
启动软测量模型，将实时数据进行滤波后输入软测量模型，测出第一结晶器1过饱和度状态参数；
利用测量仪表获得第二结晶器2测量点的实时数据；该实时数据包括进料流量FC21、循环流量FC22、温度T21、第二结晶器压力P21；
启动软测量模型，将实时数据进行滤波后输入软测量模型，测出第二结晶器2过饱和度状态参数。
根据软测量模型得出的第一结晶器1和第二结晶器2过饱和度状态参数，在DCS基础上施行结晶系统产品质量的实时在线闭环优化控制。
具体地，蛋氨酸结晶器的工业软测量模型的设计与实现过程如下：
采集到第一结晶器1的550组数据划分为建模样本集、交叉校验样本集两部分。例如：500组数据作为建模样本集，50组数据作为交叉校验样本集。用建模样本集进行逐步回归分析后，建立如下蛋氨酸结晶器的工业软测量模型：
其中，C01(t)：t时刻的第一结晶器1的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2，3，4)：第一结晶器1的进料流量FC11、循环流量FC12、蒸汽流量FC13、温度T11的测量值；
Ci(i＝0，1，…，6)：回归系数；
f(P,T)：第一结晶器1的T11、压力P11下的饱和浓度。
采集到第二结晶器2的450组数据适当划分为建模样本集、交叉校验样本集两部分。例如：400组数据作为建模样本集，50组数据作为交叉校验样本集。用建模样本集进行逐步回归分析后，建立如下第二结晶器2的工业软测量模型：
式中：C02(t)：t时刻的第二结晶器2的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2)：第二结晶器2的进料流量FC21、循环流量FC22的测量值；
Di(i＝0，1，…，4)：回归系数；
f(P,T)：第二结晶器2的温度T21、压力P21下的饱和浓度。
本实施例的软测量模型，右边第一项即考虑系统是线性系统考虑建立的模型，符合叠加规律，大部分先进控制模型都会采用这种建模方式。但结晶系统存在较大的非线性，和较大的滞后性，如果只采用这种建模方式，并不能对结晶器的变化有较为准确和快速的估计，导致控制效果相应较慢，效果较差。公式右边第二项，增加了进料和循环量的比值对软测量模型的影响，新的形式不仅考虑了装置各个可测量值的单因素影响，还考虑了进料与循环量相互作用对结晶器的影响。进料与循环的相互作用比单纯单因素的影响更为显著，所以增加的第二项，有利于提高模型的准确性。公式右边第三项增加了温度和压力对饱和浓度的非线性影响。温度和压力对过饱和度的影响是明显的非线性模型，如果只用线性模型进行描述，会降低模型的准确性，降低模型的鲁棒性。以上软测量模型使建立的模型更加符合实际情况，更加准确。
此模型形式比较简单，便于工程实现。其中建模完成后，实际使用过程中C01和C02代表的是结晶器过饱和度的状态，与实际的过饱和度不一定完全一致，其绝对数值意义不强，但是其相对值可以用来进行反馈控制。
接下来，对结晶系统的实现进行说明：
基于上述结晶器的软测量模型，设计了结晶控制系统。结晶控制系统包括第一结晶器1、第二结晶器2，第一结晶器1的进料口、第一循环控制回路8之间连通，第二结晶器2的进料口、第二循环控制回路9之间连通，第一结晶器1的出料口连通有第二结晶器2的第二循环控制回路9。
具体地，第一循环控制回路8上设有第一变频器5，用以控制第一结晶器1的循环流量；进料控制回路10上设有进料控制阀3，用以控制进料流量；蒸汽控制回路11上设有蒸汽阀4，用以控制蒸汽流量。第二循环控制回路9上设有第二变频泵6，用以控制第二结晶器2的循环流量。
随后，对结晶系统进行阶跃测试。根据阶跃测试产生的相应阶跃测试曲线和测试结果建立传递函数模型，建立被控变量（温度、压力、过饱和度）与控制变量（进料流量、结晶器循环流量、蒸汽流量等）的单位阶跃响应的传递函数。
基于有限阶跃响应，可以对未来的输出进行预测，得到P*M的动态矩阵D， P为预测时域，M为控制时域。
根据系统给出的控制目标，依据目标函数做优化，输入被控变量的值，求解控制变量的控制增量，目标函数公式如下：
其中，min V(Δu(t),…Δu(t+M-1))是目标函数，是一个Δu(t),…Δu(t+M-1)的函数；
Δu为系统控制变量的控制增量，包括第一结晶器1的循环流量FC12，进料流量FC21，蒸汽流量FC13，及第二结晶器2的循环流量FC22的控制增量；
y为系统被控变量的值，y包括第一结晶器1的温度T11、压力P11和软测量的过饱和度C01，及第二结晶器2的温度T21、压力P21和软测量的过饱和度C02；
Q=diag（[q1q2…qp]），为预测误差的权矩阵；
R=diag（[r1r2…rM]），为控制动作量的权矩阵；
是t+i时刻的被控变量参考值，当取设定点时，则/>，i=1,2,……P；/>是被控变量的设定值；
是在M步控制作用下的被控变量的预测值。
通常包括无约束、有约束两种情况：
（1）在无约束的情况下，控制变量的控制增量的最优解为：
其中，D为模型的动态矩阵，Yr为设定的参考矩阵，Y0为预测值矩阵。
（2）在有约束的情况下，控制变量的控制增量需满足约束条件：
最终获得最优控制变化量，ΔUM(t)包含了Δu(t) ，…，Δu(t+M-1)，M个时刻的最优控制增量，选取第一个增量计算控制输出u(k)＝u(k-1)+Δu(k)，u(k)是k时刻输出的控制值，进行下一次优化运算，如此循环。
通过调用以上的先进控制模型APC，将结晶器的进料流量FC11、循环流量FC12、蒸汽流量FC13、温度T11、结晶器压力P11、循环流量FC22、温度T21和结晶器压力P21，作为模型的输入量，获取APC模型所输出的第一结晶器1的循环流量控制值、第一结晶器1的进料流量控制值、蒸汽流量控制值和第二结晶器2的循环流量控制值。
将以上控制值通过OPC协议写到DCS系统中，进行控制。
通过先进控制回路主要采用了推断控制策略，并在控制策略中增设了进料流量、循环流量、蒸汽流量的约束控制，不仅较好地防止进料和循环流量变化过大的现象，也能保证流量控制在给定的合理范围内。
利用结晶器过饱和度状态参数估计，且采用了基于软测量技术的推断控制策略还利用智能滤波技术对现场数据进行处理。并将设计的控制策略在DCS上通过组态实现了产品质量的闭环优化控制。实际运行表明，采用此种先进控制，结晶后的蛋氨酸，晶型更为一致，过滤性能变好，有利于后段工艺的处理。堆积密度从0.65变为0.76以上。蛋氨酸钾离子浓度从200ppm降低到80ppm，杂质含量更低，提高了产品质量。蒸汽用量从4t/h降低到3t/h，达到节能的目标。
本发明采用软测量建模技术，首先建立了第一结晶器1和第二结晶器2过饱和度状态参数软测量模型，并在DCS系统加以实施，较好地解决了结晶器过饱和度的在线估计问题。然后，在上述软测量模型的基础上，设计开发了的先进控制模型（APC）。并通过组态在DCS上加以实施，最终实现了结晶器产品质量的闭环优化控制。软测量模型简洁实用，整个控制方案设计先进、实用可靠，达到了明显降低能耗，提高产品质量和保证运行安全的效果。实现闭环控制后，较大幅度的提高了装置的工艺指标及设备运行平稳率，也相对减轻了操作人员的劳动强度。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (5)
1.一种结晶控制系统的控制方法，其特征在于，所述结晶控制系统包括第一结晶器、第二结晶器；所述的方法包括步骤：
S101、获得第一结晶器、第二结晶器的实时数据；
S102、启动软测量模型，将实时数据进行滤波后输入软测量模型，测出所述第一结晶器、第二结晶器的过饱和度状态参数；
其中，所述第一结晶器的软测量模型如下：
式中，C01(t)：t时刻的第一结晶器的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2，3，4)：第一结晶器的进料流量FC11、循环流量FC12、蒸汽流量FC13、温度T11的测量值；
Ci(i＝0，1，…，6)：回归系数；
f(P,T)：第一结晶器的T11、压力P11下的饱和浓度；
所述第二结晶器的软测量模型如下：
式中：C02(t)：t时刻的第二结晶器的过饱和度状态参数；
τ：纯滞后时间；
xi(t-τ)(i＝1，2)：第二结晶器的进料流量FC21、循环流量FC22的测量值；
Di(i＝0，1，…，4)：回归系数；
f(P,T)：第二结晶器的温度T21、压力P21下的饱和浓度；
S103、根据得出的第一结晶器和第二结晶器过饱和度状态参数，在DCS基础上施行结晶系统产品质量的实时在线闭环优化控制。
2.如权利要求1所述的结晶控制系统的控制方法，其特征在于：所述在线闭环优化控制的公式为：
其中，min V(Δu(t),…Δu(t+M-1))是目标函数；
Δu为系统控制变量的控制增量，包括第一结晶器的循环流量FC12，进料流量FC21，蒸汽流量FC13，及第二结晶器的循环流量FC22的控制增量；
y为系统被控变量的值， y包括第一结晶器的温度T11、压力P11和软测量的过饱和度C01、及第二结晶器的温度T21、压力P21和软测量的过饱和度C02；
Q=diag（[q1 q2 …qp]），为预测误差的权矩阵；
R=diag（[r1 r2 …rM]），为控制动作量的权矩阵；
是t+i时刻的被控变量参考值，当取设定点时，则/>，i=1,2,……P；/>是被控变量的设定值；
是在M步控制作用下的被控变量的预测值；
根据输出的各控制变量的控制增量，获取第一结晶器的循环流量控制值、第一结晶器的进料流量控制值、蒸汽流量控制值和第二结晶器的循环流量控制值，从而对结晶系统进行优化控制。
3.如权利要求2所述的结晶控制系统的控制方法，其特征在于：所述在线闭环优化控制的公式求解需满足无约束或有约束情况：
（1）在无约束的情况下，控制变量的控制增量的最优解为：
其中，D为模型的动态矩阵，Yr为设定的参考矩阵，Y0为预测值矩阵；
（2）在有约束的情况下，控制变量的控制增量需满足约束条件：
最终获得最优控制变化量，ΔUM(t)包含了Δu(t) ，…，Δu(t+M-1)，M个时刻的最优控制增量，选取第一个增量计算控制输出u(k)＝u(k-1)+Δu(k)，u(k)是k时刻输出的控制值，进行下一次优化运算，如此循环。
4.如权利要求1-3任一所述的结晶控制系统的控制方法，其特征在于：所述结晶控制系统还包括第一循环控制回路、第二循环控制回路、进料控制回路和蒸气控制回路，所述第一结晶器的进料口、第一循环控制回路之间连通，所述第二结晶器的进料口、第二循环控制回路之间连通，所述第一结晶器的出料口与所述第二循环控制回路连通；所述第一循环控制回路分别与所述进料控制回路、蒸汽控制回路连通。
5.如权利要求4所述的结晶控制系统的控制方法，其特征在于：所述第一循环控制回路上设有第一变频器，所述进料控制回路上设有进料控制阀，所述蒸汽控制回路上设有蒸汽阀，所述第二循环控制回路上设有第二变频泵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311201811.3A CN117482558A (zh) | 2023-09-18 | 2023-09-18 | 一种结晶控制系统的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311201811.3A CN117482558A (zh) | 2023-09-18 | 2023-09-18 | 一种结晶控制系统的控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117482558A true CN117482558A (zh) | 2024-02-02 |
Family
ID=89681647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311201811.3A Pending CN117482558A (zh) | 2023-09-18 | 2023-09-18 | 一种结晶控制系统的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117482558A (zh) |
-
2023
- 2023-09-18 CN CN202311201811.3A patent/CN117482558A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108508870B (zh) | 一种锅炉汽包水位控制系统性能评估及参数优化的方法 | |
| CN101020128A (zh) | 自来水厂混凝系统投药量的多模型综合动态矩阵控制方法 | |
| CN102621883B (zh) | Pid参数整定方法及pid参数整定系统 | |
| CN103576711B (zh) | 基于定量单参数pid控制的化工反应器温度控制方法 | |
| CN105807632A (zh) | 一种基于改进大林算法的加热炉温度控制器设计方法 | |
| CN111408326A (zh) | 反应釜温度控制方法及系统 | |
| CN113138552B (zh) | 基于阶跃响应数据和临界比例度法的pid参数整定方法 | |
| CN114995155B (zh) | 一种高纯度精馏过程鲁棒解耦控制系统及控制方法 | |
| CN116700393A (zh) | 一种基于模糊控制的反应釜温度控制方法 | |
| CN117482558A (zh) | 一种结晶控制系统的控制方法 | |
| CN104881062B (zh) | 一种快速无过调冷却结晶反应釜温度控制方法 | |
| JP5564497B2 (ja) | カルバミン酸アンモニウム水溶液の分析方法および未反応ガス吸収槽の運転方法 | |
| CN111650829A (zh) | 基于人工智能的内嵌pid模块参数调节方法、系统及装置 | |
| WO2024021150A1 (zh) | 一种建立混凝智能监控联动系统的方法 | |
| CN105786055A (zh) | 硝酸生产氧化炉中氨空比自动设定值控制系统及控制方法 | |
| CN109884884A (zh) | 一种系统控制品质的调整方法及相关装置 | |
| CN113419432B (zh) | 一种基于动态矩阵控制算法的污水处理系统精准加药方法 | |
| Nsengiyumva et al. | Design and implementation of a novel self-adaptive fuzzy logic controller for a pH neutralization process | |
| JP2021107044A (ja) | 汚泥凝集脱水装置及びその制御方法 | |
| JP2014089549A (ja) | 制御方法および制御装置 | |
| SU1328346A1 (ru) | Способ автоматического управлени процессом синтеза малеинового ангидрида | |
| CN104950847A (zh) | 碱液浓缩生产工艺中强制循环蒸发控制过程的自优化被控变量的计算方法 | |
| CN112255912A (zh) | 一种无模型自适应pid控制策略的聚合釜产物浓度控制方法 | |
| CN108646559A (zh) | 输出反馈型预测函数控制器设计方法 | |
| Xiao et al. | Batch reactor temperature control based on DMC-optimization PID |
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 |