CN1675599A - 生产过程的动态在线优化 - Google Patents

Abstract

通过处理不同过程段(10A－D)的操作变量与测得的过程输出变量之间的时间相关关系的动态模型对工艺过程建模。在动态过程模型和/或最好还有同一时间间隔内的生产计划所施加的约束下，通过优化预测时间间隔内的目标函数，而获得后续时间间隔内操作变量的建议输入轨迹。该目标函数包含一些关系，这些关系涉及利用过程模型，根据当前的测量值，最好通过状态估计程序，预测随时间变化的受控过程输出变量。利用预测时域，还可以准备计划的未来运行变化，从而减小诱发的任何波动。在纸浆和纸张生产过程中，可以使用与化学添加剂相关联的过程输出变量，从而调整优化以处理化学添加剂方面。

Description

生产过程的动态在线优化

技术领域

本发明一般地涉及用于生产过程的方法和系统，更具体地来说，涉及过程运行条件的优化。本发明具体适用于纸浆和/或造纸生产过程。

背景技术

在加工纸浆和纸张时，生产过程通常划分成以或多或少有些复杂的模式彼此相连的多个过程段(process section)。过程段的例子可以有蒸煮器、漂洗设施、匀浆机(refiner)、漂白装置等。每个过程段的部分过程通常是一个复杂的过程，其中过程段的输出流及其特性依赖于由材料、化学添加剂、过程运行条件以及过程段的先前的运行历史构成的当前输入流。这意味着输出不仅依赖于依赖于当前条件，而且依赖于该过程段早期阶段的运行方式，即不同种类的变量之间存在动态关系。

在纸浆和纸张生产过程中，要添加很多化学物。这些过程化学物质正常反应，并对纸浆和/或纸张产生预期效应时形成其它化学物质。但是，某些化学物质大部分是在工艺过程中提取的，以将浓度保持在所需的限度内。因为化学物质价钱昂贵，应尽可能地回收。因此，纸浆和纸张生产线通常还包括负责处理提取的化学物质的过程段。工艺过程中这些化学物质的流及其特性以更复杂的方式与工作条件相关。具体地来说，与过程历史的相关性甚至比与纸浆流本身的相关性更明显。在今天的大多数纸浆和纸张工厂里，对化学添加剂流的控制通常是一种非常简单的类型。如果化学物质不足，则添加更多的化学物质，如果化学物质过量，则过量的部分就浪费掉。

在欧洲专利申请EP1035253中，公开了一种在线优化纸浆或造纸生产过程。在此公开文献中，提到用于优化过程的同等重要的多个输入，如原材料以及化学物、能量等。所考虑的输出通常是生产量、质量特性和价格以及废品数量。但是，实际的优化程序只概括地描述为一个自动校准模块。该方法可能是针对的是不同的典型稳态情况中的调整点的离线优化。由先前运行历史中存在的差异引起的困难根本未得到解决。再者，即使提到了一些瓶颈问题，但这种优化基本上将生产过程作为一个实体考虑，其中只讨论整个过程的输入和输出。

当该过程的运行发生改变时，例如如果更改了生产率，则因运行历史的相关性导致的问题变得特别严重。同时，原材料特性的大的变化，例如大的卡伯数(kappa number)变化或硬木和软木之间的变更，都可能使工艺过程发生大的变化。在此类情况中，可在过程系统中引起大而缓慢的波动。某些波动甚至可能具有超过几个小时的时间常数。因此，集中于过程的当前输出的模型和优化程序可以引入控制机制，但很长时间以后证明是不可取的。如果过程运行的变化很大和/或是突发性的，也许不可能维持所需的质量并使工厂运作接近最盈利的状态。波动通常与操作有关，这最终导致例如化学添加剂的浪费增加，从而导致成本增加。在现有技术的控制系统中，难于处理这些波动。

现有技术的控制系统通常基于基本无故障运行的假设。如果发生故障并且过程段临时必须停止运行，则可能没有足够的缓冲器来确保其余过程段的连续运行。这种间断可能影响最终产品的质量和数量以及其它与成本相关的特性。具体地来说，在存在明显瓶颈的系统中，连续问题可能在很小的中断中发生。

发明概述

现有技术控制方法的问题在于它们通常不适合于处理具有较大时间常数的过程运行的变化。现有技术系统的另一个问题在于，甚至对过程段的小故障也相当敏感。再者，现有技术系统通常对瓶颈过程的处理不令人满意。

因此，本发明的目的在于提供一种系统和方法，这种方法具体说用于纸浆和纸张生产，可以处理具有较大时间常数的动态过程的系统。本发明的另一个目的在于提供一种具体说用于纸浆和纸张生产的系统和方法，它可以优化过程中化学添加剂的利用率。另一个目的在于提供一种可灵活地解决瓶颈问题的系统和方法。

上述目的通过根据所附专利权利要求的方法和系统来实现。一般来说，通过处理不同过程段的操作变量与各过程段的过程输出变量之间的时间相关关系的动态模型对过程建模。测量多个状态变量，最好先前的测量结果也可用。在动态过程模型且最好还有预测时间间隔内的生产计划所施加的约束下，通过优化同一时间间隔上的目标函数，而获得后续时间间隔内的操作变量的建议输入轨迹。该目标函数包括一些关系，这些关系涉及利用过程模型，基于状态变量的当前测量值以及最好还有先前的测量值，在预测时间间隔内对随时间变化的受控过程输出变量的预测。以这种方式，对过程的动态行为作了处理。利用预测时域(prediction horizon)，还可以通过减小任何诱发的波动而为计划的未来的运行变化作准备。

动态模型最好基于动态过程段模型，动态过程段模型对不同过程段的实际过程建模，并通过中间存储模型互联，如缓冲器模型或缓冲池模型。不同过程段之间的流是过程输出变量或操作变量。利用与化学添加剂，具体为化学物量、化学物在系统中的分布以及化学物的消耗相关联的过程输出变量，可以调整优化来处理与化学添加剂相关联的优化方面。再者，还可处理诸如瓶颈过程和暴露的过程段中微小故障之类的优化方面。状态估计技术最好用于预先处理实际测量的变量，以便可以生成用于未来优化的初始状态。

根据本发明的方法和系统还可以用于在生产过程(最好是纸浆和/或纸张生产过程)中执行如下任一操作：监视、控制、调节、模拟、优化、为决策提供支持和建议。

附图简介

参考如下附图及说明，可以更好地理解本发明及其其他目的和优点，附图中：

图1是说明部分过程系统的模型的框图；

图2是说明暂时关闭一个过程段对缓冲水平的影响的示意图；

图3是说明通过根据本发明的方法创建的生产计划、状态变量轨迹和输入轨迹的示意图；

图4是说明可用于本发明的滚动时域(receding horizon)原理的示意图；

图5是根据本发明的方法实施例的流程图；

图6是说明状态估计过程的示意图；

图7是说明根据本发明一个实施例的纸浆和纸张系统的框图；以及

附图8是可用于根据本发明的系统中的计算机系统的框图。

发明的详细说明

在本发明公开中，将讨论与所述过程关联的多个变量。这些变量具有某种程度上不同的特征，为了避免对术语的曲解，下面首先给出本公开中所用术语的定义。

一个过程在每个时刻均由多个状态变量来表征。此类状态变量可一般地视为属于几乎任何一种类型，这里用作有关过程状态的所有可能变量的通用术语。

过程或过程段通常通过设置若干操作变量来控制。这些操作变量是易于影响且对过程运行有重要关系的状态变量。所述操作变量可以是例如容易通过控制例如某个值来进行调整的过程的材料或添加剂的输入流。

控制操作的结果由一组状态变量表示，这些变量在本公开中称为过程输出变量。这些过程输出变量的一个子集适用于监控控制操作。此类变量这里称为受控过程输出变量。控制操作的目的是促使受控过程输出变量接近预定的调整点或调整点函数。表征过程控制结果但不直接用于控制目的的状态变量在本公开中称为相关的过程输出变量。

某些状态变量容易以或多或少直接的方式通过不同的传感器来测量。此类变量称为可测变量。其它状态变量难以或甚至不可能直接测量。相反，另一个或一些相关的量是测量得到的，而实际的状态变量是通过或多或少有些复杂的模型或关系来估计的。此类变量称为导出变量。

如今，许多生产过程都是由以不同方式链接的过程段构成的非常复杂的配置。基于成本和环保的考虑，要求回收再利用废品，这使整个过程系统更加复杂。一般情况下，各过程段不会只构成一条直线，而是形成环并通过连接网络相连。

处理不同过程段之间接口上的流变化的一种典型方法是引入缓冲池。只要平均输出流是满足需要的，则在前过程段的绝对输出流不会限制后续过程段的运行。缓冲池的精确缓冲水平任何时候都是次要的。

生产过程一般涉及非常复杂的运行。用于执行过程段的实际控制的操作变量通常不会通过简单关系与过程输出变量，如流和输出特性直接相关联。通常存在非线性关系以及时间依赖关系。这意味着不同场合下操作变量的某些变化对过程输出变量可能产生不同的影响。例如，这种非线性和/或动态过程存在于如今的大多数纸浆和纸张工厂中。例如，因为许多过程基本上与重要化学反应相关，所以涉及到不同的化学平衡关系。各种化学物质的不同浓度可以根据不同的化学反应来驱动过程。此类过程中还可能存在大的惯性效应。一个过程期间某种化学物质的过量可能在稍后的场合影响过程运行。

根据上述讨论，显然如今常见的纸浆和纸张生产过程包括材料流和具有大的变化时间常数(time constant for variation)的过程。这些动态特性源于过程动态性本身，以及过程段之间缓冲存储池的使用。当对此类系统建模时，必须采取支持这些动态性的措施。

根据本发明的优选实施例，一个复杂生产过程的模型是根据将其划分成多个标准模型对象来实现的。因此，总模型包括对应于不同过程段、一组过程段或一个过程段的部分的多个过程段模型。这些过程段模型通过模型对象彼此连接，缓冲器模型基本上代表中间储存装置，这里采取所谓的缓冲器模型的形式。图1显示了过程系统的模型1的一个实例。此过程系统部分具有四个过程段，由过程段模型10A-D表示这些过程段模型可以通过含不同流30A-M的多个连接连接起来。每个过程段模型10A-D具有原材料、部件产品(partproduct)、化学添加剂、溶剂等的一个或多个过程段输入流30A、D、E、I、K、L。每个过程段模型10A-D还具有过程段最终产品、副产品、废品等的一个或多个过程段输出流30B、C、F、G、H、J、M。过程段输出流30B、C、F、G、H、J、M依次连接，构成缓冲器模型20A-H的输入流。同样地，过程段输入流30A、D、E、I、K、L开始成为缓冲器模型20A-H的输出流。这样，每个过程段模型10A-D通常只连接到缓冲器模型20A-H，而缓冲器模型20A-H只连接到过程段模型10A-D。此外，还有流入整个过程的输入流32A-B和从整个过程发出的输出流34A-B，这些输出流导向或开始于缓冲器模型20A-H。

交替设置过程段和缓冲器的原理是一种通过有限数量的标准模型对象设计总体模型的简单的优选方式。但是，本领域的任何技术人员明白，还可以采用其它模型设计。例如，可以将缓冲器的运行结合为相邻过程段模型的一部分，从而只有互连的过程段模型。该模型还可以是介于它们之间的混和模型，并且还可以包括具有其它特征的其它类型的模型对象。

在图1所示的模型中，过程段模型10A-D和缓冲器模型20A-H表示不同的特征。过程段模型10A-D表示部分过程，包括输入流与输出流之间或多或少有些复杂的动态关系，包括流物质的特性。此关系通常具有多个操作变量40A-D，过程的实际控制通过这些操作变量来执行。此类操作变量可以例如控制到过程段的输入流的速率或工作条件(如温度、压力、对过程段的能量供应等)。如上所述，输入流和输出流之间的关系以及其中物质的特性一般是动态关系，涉及到时间相关项。这意味着表征过程段的运行的过程输出变量一般不仅依赖于这些操作变量的当前设置值，而且依赖于这些操作变量的先前设置值以及先前的实际过程运行。

中间储存模型可以归纳为几种对象类型。其中有输入流，输入流基本上由一个或多个过程段模型的输出流或将全部输入32A-B纳入考虑时的外部因素确定。还有输出流，输出流基本上由一个或多个过程段模型的输入流或将全部输出34A-B纳入考虑时的外部因素确定。由此输入流与输出流之间的时间积分差确定了缓冲水平22A-H或浓度。基本上，无法以显式方式控制缓冲器。在建模的第一简单阶段，缓冲器中的材料内容被视为同质的，即假定能够即刻且完全地混和。但是，如果预计物质特性会有大的变化或认为难以混和，则可以创建一个更完善的模型，其中利用了输入和输出流的物质特性之间的时间相关关系。

在根据图1所示模型的过程系统中，存在许多就监控过程运行而言需要关注的过程输出变量。设置了多个不同的传感器51、52、53来测量重要的过程输出变量。在图1中，为了简化附图，只显示了三个传感器。但是，传感器通常存在于整个系统中。传感器51可以表示状态变量(例如实际过程段中的处理条件)的测量值。传感器52可以表示流速率和流中的物质的成分和/或浓度的测量值。传感器53可以代表缓冲池的缓冲水平传感器。下面将进一步对有用的过程输出变量及其应用的更多实例进行讨论。

当创建复杂过程的模型时，不仅必须考虑过程的实际运行，还要考虑涉及过程段与缓冲器的运行配合的方面。在大多数过程系统中，都存在一个或多个瓶颈。这些瓶颈通常代表具有与整个工厂的预期最大产量相比的最小运行裕度(operational margin)的过程段。在图1中，假设过程段10C表示这种瓶颈。如果所述过程段10C未以其最大能力运行或运行未接近其最大能力，则储存在缓冲器20F中的材料最终有耗尽的风险。这又意味着过程段10A必须以较低的速率运行，从而可能降低总产能。由此，为了使生产过程有效运行，必须采取确保过程段10C在几乎所有时间都以最大能力或接近最大能力运行的措施。沿此思路的一个措施为，确保缓冲器20E中始终有输入材料可用。因此，缓冲器20E的缓冲水平22E应该处于控制之中，不允许下降至低于正常工作条件太多。同样地，缓冲器20F和20G，尤其是仅与过程段10C相关联的20G必须具有可用的缓冲空间，以便储存来自过程段10C的输出流。这意味着例如缓冲器20G的缓冲水平最好应尽可能地保持低水平。

在许多过程系统中，某些过程段通常较其它过程段更容易发生运行故障。故障或运行暂停的例子如，设备需要维护，例如清洗、更换消耗性部件或小型维修。通过识别这种“脆弱的”过程段，就可以通过将附加约束或控制目标引入控制程序中来确保总生产率。如果在图1中，过程段10B遭受间隙性运行故障，例如某些消耗性部件必须在不定期且无法预计的情况下进行更换，则可作如下有意义的考虑。假设平均故障时间较长且知道维修时间和故障时间间隔的统计分布。如果更换操作相当快，则在缓冲了足够多的材料的情况下不一定会影响其它过程段的运行。如果过程段10B获准较短时间内停止运行，则缓冲器20B和20C的缓冲水平一般必须维持低水平，以允许在该停止运行期间收集物质。同样地，缓冲器20F中的缓冲水平一般需要维持高水平，以便过程段10B的中断不会影响过程段10A。对缓冲器20D的影响程度依赖于输出流34A的后续连接。

图2是说明过程段10B中断时可能发生的情况的示意图。假设最初的运行处于稳态，即缓冲器20B和20D中的缓冲水平保持恒定，并且缓冲器20D的输出流是恒定的，对缓冲器20B的输入流也是恒定的。对应的缓冲水平分别以曲线102和101表示。在时刻t1，过程段10B脱离运行，并在时刻t2重新运行。同时，至缓冲器20B的输入流线性地增加缓冲水平，而缓冲器20D的输出流则线性地下降。如果时间间隔t2-t1足够短，则缓冲器20B和20D将不会达到任何临界极限。当过程段10B再次开始运行时，控制整个过程，使得缓冲器20B和20D的缓冲水平缓慢地恢复到所要求的理想值。因此，知道过程段10B的停运时间的统计分布，就可以优化最佳的缓冲水平及总缓冲量。

如果同时存在上述两种情况，则对缓冲器20F的缓冲水平有相反的要求。这要求非常仔细地控制缓冲水平和/或需要较大的最大缓冲量。

在今天的纸浆和纸张生产过程中，通常使用多种化学添加剂。最频繁出现的物质是不同化合物形式的钠和硫。因此钠和硫在过程中以不同的形式存在，例如硫化钠、氢氧化钠、硫酸钠、次亚硫酸钠、亚硫酸钠、碳酸钠、硫酸、二氧化硫、单质硫和有机硫化合物。过程中的大多数化学物质被回收，并再循环到过程中。在生产的不同过程段中，钠和硫以不同浓度分布在不同化合物中。在一些过程段中，大量化学物质会从过程中损耗掉。也可能工艺过程中化学物质以受控的方式被冲洗掉。根据过程中发生这些损耗的位置，所损耗的钠和硫的数量之间的关系将对应于所考虑的过程段中的相对数量和化学状态。包括例如硫和钠的化学物种的这种损耗必须在过程中通过添加新的化学添加剂来予以补偿。而且需要维持钠和硫之间的平衡。

即使需要考虑化学添加剂的成本，所添加的化学添加剂的量也比过程中使用的总化学流小很多。因此，再循环工艺对整个生产过程至关重要。回收和再循环利用例如含化学物种的钠和硫的过程一般既复杂又耗时。例如，它可包括多个化学反应步骤：燃烧、提炼和蒸馏。这意味着有数量较大的硫和钠存在于整个过程的这些部分中而未直接参与纸浆和纸张处理。但是，因为这些化学物将再循环利用，整个过程的运行无论如何会受到再循环处理步骤的强烈影响。再者，化学物质的再循环利用导致整个过程中关于化学物质浓度变化的很大时间常数。

过程中化学添加剂的大时间常数和过程中的大容量引入的停滞时间，致使过程中某处的化学浓度变化将在甚至数小时之后才在过程中的其它地方显现出来。大多数现有技术的系统应用基于当前工作状态的控制机制来控制例如化学添加剂的供应。但是，在制浆过程中此方法可能会引起化学浓度相当大的其它变化。例如，作为活性蒸煮液的白液成分(例如烃基硫亚胺)可能会有相当大的变化，而且可能难以保持恒定，且难于通过现有技术方法控制到要求的值。例如烃基硫亚胺的变化通常与化学物质不必要的高消耗有关联，从而增加了化学添加剂的成本。这还可能引起其它干扰，从而最终影响生产量和/或生产质量。

本发明提供了一种以动态方式操作或控制整个系统中化学物质的平衡的突出可能性。由此可减少成分的变化，这主要体现在化学添加剂的成本降低。而且，可以取得更稳定的产品质量。因此，要点是就过程中存在的化学添加剂的总平衡、不同过程段内的不同化学物质之间的分布和/或不同化学物质的浓度以及过程所消耗的化学物的总量对过程进行控制。上面提出的动态模型允许对各过程段进行动态描述，以及对通过例如缓冲池的例如钠和硫的分布进行动态描述。因此这种模型还可以用于预测钠和硫的未来分布。本发明尤其适用于纸浆和/或纸张生产过程，尤其适用于所述过程内的化学平衡。本发明还特别适用于为操作员提供纸浆和/或纸张生产过程的建议和/或决策支持。但是，根据本发明的方法和系统还可以用于执行如下任一操作：监视、控制、调整、模拟、优化、为决策提供支持和建议。

上述生产过程的特征还通过大量状态变量，具体说是过程输出变量来表征。在例如纸浆和纸张生产过程中，需要测量许多量。首先，尤其需要关注的是过程段和缓冲器之间的材料流，因为它们通常构成过程段的操作变量或过程输出变量。因此，流速率很重要，而且材料流的成分，具体为不同化学物种的浓度也很重要。在纸浆和纸张生产过程中，与流有关的状态变量通常是总容量(或流速率)、悬浮固体的比例、已溶解固体的比例、钠的浓度、氢氧化物的浓度、氢硫化物的浓度、硫酸盐的浓度、碳酸盐的浓度以及总量减少的硫。这些变量的大多数是可测量的变量，可以在线测量，或者可以提取样本并离线分析。

在中间储存装置中，可以监视其水平，如果需要的话，还可以监视缓冲池内材料的成分，具体为监视不同化学物种的浓度。

因为过程段中的处理通常还依赖于多个外部运行因素，例如温度、压力、电源等，这些状态变量也可用于测量。

为了达到控制目的，还要关注所测得的一些状态变量，即它们构成受控的过程输出变量。如上所述，通常考虑的过程因素如瓶颈或故障风险可对一些过程输出变量施加某些限制。质量考虑要求更仔细地控制其它过程输出变量，例如上述的白液浓度。受控的过程输出变量(例如化学添加剂的衍生物的提取量)也可以用在控制过程中，以便能够监视化学流并尝试降低相应的消耗。在每个过程系统中，就是这样选择用于监视过程的重要方面的多个受控过程输出变量，并将目标函数公式化。相关的过程输出变量与输入动态过程模型中的输入参数同样重要，但对直接控制操作却较不重要。

不同过程段的操作变量用于控制整个过程。这些操作变量不必直接与受控过程输出变量关联，但通常在这些操作变量值与它们对受控过程输出变量的影响之间存在或多或少有些复杂的关系。过程的典型操作变量有输入流速率、温度、压力、电源、不同过程步骤的持续时间等。

利用本发明控制过程的一个重要方面与预测过程未来的运行有关。目前许多生产线设计为可以生产不同数量、类型或质量的产品。存在提高根据例如销售的当前状况对生产进行修改的能力的一般趋势。如果某个时期需求某种质量的纸浆或纸张，则可以调整生产以生产更多该种质量的纸浆或纸张。如果对纸张的需求下降，则生产调整为只生产纸浆，以便容易售出或存储以供将来使用。如今，变更生产计划是很常见的，并且趋势是，每种生产模式的持续时间越来越短，而且生产模式的变更因按客户需求生产而变得灵活得多。

可能因例如原材料特性的计划变更而造成生产模式的其它变更。在纸浆和纸张生产系统中，硬木和软木之间的变更可能需要不同的运行模式。

同一类型的控制情况可能会在工厂的计划内维护工作中出现。如果需要维修某些部件，则可以修改生产计划，使得维护可以在不使整个工厂停工的前提下进行。这可以通过全面调整生产或通过构建足够多的缓冲器而使系统提前作好准备。

如果突然改变运行模式并且过程控制基本上只基于当前的状态，则这通常会引起过程输出变量的波动。为使受控过程输出变量更接近于所要求的目标值，其它过程输出变量的变化将在稍后的场合中出现在系统的其它位置。此行为通常不是所需要的，因为它常常会导致例如消耗更多的化学添加剂。另一种方法是以渐近方式改变运行模式，但这在通常情况下会得到在初始运行模式和最终运行模式之间也逐渐改变其特性的最终产品。再者，生产过程系统中可能会非常频繁地发生意外的瞬时干扰(例如泵故障等)。

利用本发明的方法和系统，过程控制不仅依赖于当前的状态变量值，而且也依赖于先前的状态变量值以及状态变量的未来预测值。然后可以为已知的未来事件做准备，还可以通过将这些变化纳入考虑来执行运行优化。为准备平滑转换到新的运行模式中，通过故意让某些状态变量偏离其理想值，可以取得总的生产优势。以下将说明一些示范实例。

动态过程模型可以数学方式表示为微分代数等式系统：

$F[x\left(t\right),\stackrel{\·}{x}\left(t\right),u\left(t\right),t]=0,$

其中x表示状态变量，u表示操作变量。可以将可测量和可导出的过程输出变量的测量值或估计值表示为：

y(t)＝g(x(t)，t)

该模型还与模型约束，例如不同操作变量和/或过程输出变量的极限值相关：

  a≤u_k≤b

  d≤x_k≤e

还可以有不同的或多或少有些复杂的不等式约束：

c^k(x_k，u_k)≤0

利用以测得的当前过程输出变量为参数且最好还以先前过程输出变量为参数的动态模型，可以估计出过程的当前或“初始”状态。从例如生产计划开始，并且将多个附加约束和目标纳入考虑，可以以用公式表示出所选受控过程输出变量的目标轨迹。此类优化方面可以涉及到例如瓶颈问题、频繁失效的对象和其它直接与生产有关的方面。在纸浆和纸张工厂中，与化学添加剂有关的优化方面尤其重要。于是，要关注化学添加剂的某些浓度或流的目标轨迹。在一般情况下，目标轨迹是与时间相关的，即，是时间的函数。这些目标轨迹将优化方面所施加的约束纳入考虑，例如可能会限制不同过程输出变量的允许范围。

根据本发明的控制方法执行据以创建操作变量的最优输入轨迹的优化程序。该优化程序是通过对目标函数求最小值来执行的。目标函数根据优化方面以公式表示，且最好基于受控过程输出变量与动态过程模型所预测的受控过程输出变量的目标轨迹之间的比较。计算根据状态变量的当前值来进行。通过改变操作变量的输入轨迹来求目标函数的最小值。由此，将使目标函数取最小值的输入轨迹定为最优输入轨迹。

然后，整个过程的目标是对过程进行控制，以便以可接受的努力，在为各竞争目标赋予预定加权的情况下，使受控过程输出变量尽可能接近各自的目标轨迹。生产计划通常作为目标之一被包括。

一个过程系统(例如纸浆和纸张厂)通常是这样的复杂系统：直接根据受控过程输出变量的理想目标轨迹执行的优化常常变得相对不稳定。稳定的优化所需的模型细节和计算工作常常在现实中是不可行的。这一点在系统的运行模式快速变更(包括计划的和非计划的变更)时变得更加至关重要。克服这些问题的一个有效方法是，在优化过程中将参考轨迹用作目标轨迹。参考轨迹是经过修改(通常经过平滑处理)的理想调整点轨迹，从而将初始状态和计划的未来运行模式变化纳入了考虑。下面将给出一个说明性实例。

在图3中，显示了生产计划110、111及其对过程运行的影响。在底部，显示的是生产计划。在时刻t3之前，应该以预定速率R1生产某种纸张质量Q1的纸张。在时刻t3之后，将生产计划更改为以预定速率R2生产纸张质量为Q2的纸张。在图3的中部，显示了受控过程输出变量的理想调整点轨迹。受控过程输出变量以直接或间接方式测量。最好如下面更详细的讨论所述，在状态估计过程中处理测得的受控过程输出变量。过程输出变量的当前估计值显示为十字叉115，通常会稍微偏离理想的调整点轨迹。在允许所有参数以任何组合方式变化的控制过程中，自然会要求实际的受控过程输出变量应该尽可能块地达到理想的调整点轨迹，即例如按照点线曲线114。但是，控制变量的快速变化会引起过程条件的波动，实际的过程可能对控制操作的快速响应设置物理限制。再者，冲突的优化考虑也会影响控制过程的稳定性。

典型实际情况中较好的方法是，以较平滑的方式控制受控过程输出变量。从而创建作为具有平滑特性的理想调整点轨迹修改版的参考轨迹r(t)。在第一部分，指定例如理想调整点轨迹s(t)与参考轨迹r(t)之间的以指数形式下降的差。接近t3，此时理想调整点轨迹s(t)呈现一个阶跃，参考轨迹f(t)将以指数形式偏离以在该阶跃时刻达到平均值，然后再平滑地趋近理想调整点轨迹s(t)。在本实例中，选用的是指数形式，但本领域中的任何技术人员知道，为此可以采用任何合适的平滑曲线形状。然后将参考轨迹r(t)用作优化过程的目标轨迹。实际的轨迹看上去像曲线116。

在执行优化时，采用几个受控过程输出变量的参考轨迹，并在不同优化方面之问执行加权处理。图3的顶部显示与图3的过程输出变量关联较为密切的操作变量的一条最优输入轨迹。从中可以看出，t3处更改过程模式所引起的控制操作预先开始，并形成平滑的转换。

不同受控过程输出变量的目标轨迹一般情况下彼此并不完全兼容。在典型情况下，必须在不同的受控过程输出变量之间进行某种折衷。为此，可以适当方式将目标函数公式化。根据不同冲突的目标之间的妥协，常常利用受控过程输出变量的实际值与对应目标轨迹之差，并对其进行加权处理，以在不同的竞争目标之间进行折衷。

一般的优化问题可以用含采样时间ΔT的离散公式表示为：

$\underset{u^k,k=\hat{k},...\hat{k}+K-1}{\min }J$

其中J是将模型和/或生产计划施加的约束纳入考虑的目标函数，t＝kΔT，以及K是预测期间的样本数量，

是最新的采样点以及u^k是操作变量。在典型的纸浆和纸张情况中，目标函数可由多个竞争方面构成：

J＝J_fiber need+J_conc+J_chem+J_prod loss

这些项之一的例子为：

$J_{\mathrm{conc}}=\underset{k=\hat{k}}{\overset{\hat{k}+K}{\mathrm{\Σ}}}{q}_{\mathrm{conc}}{(x_k-x_{\mathrm{ref\; k}})}^2$

其中q是不同化学物种的加权因子。因此上述浓度项利于稳定的浓度。该目标函数涉及一种时间积分，将所有采样事件k上的J值都纳入考虑。在目标函数中还可以实现时间因子，以便例如对近期和远期作不同的加权处理：

$J_{\mathrm{conc}}=\underset{k=\hat{k}}{\overset{\hat{k}+K}{\mathrm{\Σ}}}w(k-\hat{k})q_{\mathrm{conc}}{(x_k-x_{\mathrm{ref\; k}})}^2$

然后可以为近期的项分配比远期项更大的加权值。

涉及一个或多个过程段中的化学物种总数的项支持在这些过程段中减少这些物种。当旨在减少用于整个过程的总数时，最好涉及至少两个过程段。

对于例如瓶颈问题，在瓶颈的过程段前后采用涉及缓冲容量和/或缓冲水平的项。一个有用的项依赖于瓶颈过程段之前的剩余缓冲容量。另一个有用的项依赖于瓶颈过程段之后的实际缓冲水平。

对于故障概率相对较高的过程段，最好以相反的方式定义各项。一个有用的项依赖于所述过程段之后的缓冲器的剩余缓冲容量，而另一个有用的项依赖于该过程段之前的缓冲器的实际缓冲水平。

为了解决复杂过程的优化问题，必须采用某种解算器。系统越复杂，则需要越多的计算能力。目前有几种优化问题的解算器可用。适当的选择必须结合将要控制的实际系统来确定。但是，执行优化计算的实际程序根据已知原理即可进行，对于本发明的基本原理并非特别重要，因此本说明书将其细节省略。

因此，通过使目标函数不仅依赖于当前状况，而且还依赖于预测的未来状况，便可以改进整体运行。这对于具有较大时间常数波动的过程特征特别重要。已知的此类过程特征的最佳实例是通过纸浆和纸张生产过程的化学添加剂的总量和分布。

诸如纸浆和纸张生产的复杂过程引起一个非常复杂的优化问题。要根据关系和约束优化大量变量，选择解算器也要考虑这种情况。虽然目前的处理器功能给人的印象深刻，但是执行实际计算仍需要几分钟。当然，因为纸浆和纸张系统内变化的时间常数通常很长，总共数分钟的测量、状态估计和优化时间仍可短得足以对过程进行实际的在线控制。上述的采样时间ΔT在典型情况下可以小于例如15分钟。

即使目前相信本发明或多或少只适用于慢速反应过程，但如果计算速度提高，便可以改变优选适用范围。更快的优化允许将所述方法应用于更快速响应的系统。

如上所述，优化程序的输出是过程操作变量的一组输入轨迹，即向操作员建议的与时间成函数关系的设置值。因此，可以通过根据建议的输入轨迹以人工方式设置过程的操作变量来以人工方式操纵或控制过程。操作员则可以将其经验运用进去以避免操作错误。在控制变量自动设为输入轨迹值的情况中，还可以实现真正的在线操作或控制。

在图3中，输入轨迹是一个时间的分段常量函数，即以间歇方式调整操作变量。施加于操作变量上的这种附加约束与优化的离散化公式一致且可用于协助例如人工控制，因为操作员难以连续更改大量操作变量的设置。但是，如果采用自动控制，则可以连续更改操作变量的设置值，并由此更改输入轨迹。

计算某个时间间隔(在本发明公开称为预测时间间隔Δt₁)内的生产计划和状态变量轨迹。预测时间间隔最好应选择为比任何监视状态变量变化的时间常数长。在典型的纸浆和/或造纸生产过程中，预测时间间隔最好为12小时或更长。随后在计算过程中将进行中的过程输出变量变化纳入考虑。但是，预测精度将随预测时间间隔长度的增加而降低。因此，轨迹的末端将不如第一部分一样精确。

再者，为控制目的而建议的输入轨迹同样存在与模型预测一样的精确度下降问题。这意味着输入轨迹的第一部分比较精确，而轨迹的末端部分受到大的不确定性的不利影响。因此，立即采用整个输入轨迹是不适合的。对此问题的实际解决方案是采用“滚动时域”法，此方法的原理如图4所示。采用此方法，全部优化在预测时间间隔Δt₁内进行，由受控过程输出变量参考轨迹120表示。但是，只有输入轨迹121(如图所示)的第一小部分用于控制。此时间部分在本公开中称为控制时间间隔Δt₂。该控制时间间隔最好基本上短于预测时间间隔，且可以例如等于上述采样时间。通常，控制时间间隔比预测时间间隔短十倍以上。当逼进控制时间间隔Δt₂结束位置时，采用新的预测时间间隔Δt₁ ^*执行新的测量、新的预测和新的优化，其中新的预测时间间隔Δt₁ ^*前移至基本上从先前的控制时间间隔的结束位置开始。执行新的优化，得到新的状态变量轨迹122和新的输入轨迹123。因此控制操作可以在新的控制时间间隔Δt₂ ^*期间执行。此过程可以通过继续向前移动预测时间间隔和控制时间间隔而不断进行。这样，在确保优化时域(optimization horizon)的最优时间关系的同时保证了精确度。再者，可确信先前的输入轨迹为后续优化形成非常有利的起始近似。

因为计算速度有限，实际测量时间与对应控制时间间隔的起始位置之间通常存在一定时间差。但是，此时间差在模型和优化例程中得到了补偿。

在优化程序中，利用了过程的起始点或初始状态。此初始状态是利用模型和与过程输出变量相关联的不同参数的当前测量值(最好还利用先前的测量值)来进行估计。因为模型和测量值都会受到噪声和不确定性的不利影响，所以本发明的优选实施例采用了某种状态估计程序。当考虑噪声时，动态过程模型可以表示为：

x_k+1＝f(x_k，u_k)+w_k

其中w_k表示模型噪声。同样地，观察值可以表示为：

y_k＝g(x_k)+v_k

其中v_k表示测量噪声。于是状态估计过程可以表示为：

$\underset{x_0,k=0,...\hat{k}-1}{\min }\underset{k=0}{\overset{T-1}{\mathrm{\Σ}}}{\left|\right|v_k\left|\right|}^2{R}^{-1}+{\left|\right|w_k\left|\right|}^2{Q}^{-1}$

其中R和Q分别是给定测量值不确定性和模型不确定性之间的加权值时，测量偏差不确定性和模型不确定性的协方差矩阵。这样，便得到估计的初始状态，理论上，它只依赖于当前测量值及先前测量值。

实现状态估计的方法是采用滚动时域(moving horizon)估计。其原理如图6所示。附图显示了过程输出变量在不同采样时刻上的一系列测量值130。方框131定义将用于状态估计过程的一定数量的先前测量值。将这些先前测量值置于动态过程模型中，并关于测量噪声和模型不确定性使其最小化。通过利用整个方框131中的测量值的优化，得到基于当前测量值的估计132，相信估计132以更象实际值133。由此从历史的角度利用动态过程模型进行了估计。控制程序的如下优化从未来的角度利用同样的基本动态过程模型。

实际的状态估计还可以利用其它技术来进行，例如，卡尔曼滤波器技术。不同的状态估计方法对于不同的过程系统可能是最优的，具体依赖于过程模型的实际设计。

概而言之，图5的流程图说明了根据本发明的通用方法的一个实施例。过程于步骤200开始。在步骤202中，获取过程输出变量。在步骤204中，对此数据进行验证，并在步骤206中执行状态估计以确定初始状态。在步骤208中指定未来预测时域间隔Δt₁。最好提供预测时域间隔的生产计划。在步骤210中，为未来预测时域指定目标函数参数。此目标函数依赖于预测受控过程输出变量。最好将该方法应用于纸浆和纸张生产，其中至少一个受控过程输出变量与化学添加剂的总量、分布和/或消耗相关。在步骤212中，通过优化过程创建预测时间间隔的操作变量的输入轨迹。这些输入轨迹对应于在约束条件下优化目标函数的那些操作变量。最后，在步骤214中通过在控制时间间隔Δt₂内根据输入轨迹设置操作变量来控制过程。过程在步骤216中结束。最好重复本流程图的步骤。状态估计步骤206和优化计算步骤212利用动态过程模型来执行。所述动态过程模型具有在过程的过程段的操作变量与同一过程段的过程输出变量之间的时间相关关系。

根据本发明的方法可以软件、硬件和它们的组合的形式实施。实施该方法的计算机程序产品或其部件包括运行于通用或专用计算机、处理器或微处理器上的软件或计算机程序。所述软件包括使计算机执行利用上述图5中的至少一个步骤的方法的计算机程序代码单元或软件代码部分。该程序可以全部或部分存储在一个或多个合适的计算机可读介质或数据存储装置(如磁盘、CD-ROM或DVD光盘、硬盘、磁光存储装置)中、RAM或易失存储器中、ROM或闪速存储器中、或以固件形式存储或存储在数据服务器上。这种计算机程序产品还可以通过网络如因特网来提供。

在图7中，示意性地显示了根据本发明的纸浆和纸张处理系统2的一个实施例。所示处理系统2基于硫酸盐工艺原理。在硫酸盐工艺过程中，初始输入流包含木片82A。木片流80A进入蒸煮器60A，在其中，用称为白液，含有OH-HS-离子作为活性物质的液体80P，以约170度的温度对木片进行蒸煮。然后将木质素与木纤维中的碳水化合物、纤维素和半纤维素分离。蒸煮可以连续处理或批处理的方式进行。蒸煮之后，漂洗纸浆(图中未示出)并得到流80B。然后在氧气脱木质化阶段60B中脱木质而得到纸浆80C。在氧气脱木质化之后，将纸浆80D和80E输送到漂白车间60C。漂白后的纸浆80F和80G提供给造纸机60D，以执行实际的造纸处理步骤。纸张84A作为输出产品离开该车间。

蒸煮步骤60A消耗的液体含有蒸煮化学物和溶解的有机物，该液体称为稀黑液(weak black liquor)80H。黑液80I被送至蒸发车间60E并进行蒸发，干基量从低于20％蒸发成65-80％。蒸发处理后的黑液提供给回收锅炉60F，在其中进行燃烧。燃烧时，有机物的能量以高压蒸汽的形式被回收。无机物作为熔炼物在锅炉底部分离。硫化合物此时还愿为硫化物(S^2-)。熔炼物质主要含碳酸钠和硫化钠。以水溶解熔炼物，所得到的液体80L称为绿液。硫化物与水接触时水解为OH-和HS-。绿液80M提供给再苛化部60H。在该处，通过与Ca(OH)₂反应将碳酸盐转化为OH-离子。所用的固体碳酸钙在石灰窑60I中烧成CaO，然后熟化得到Ca(OH)₂(如80S所示)，并通过80T进入再苛化部60H。在过滤器60G中对石灰浆80N进行过滤，得到白液80O，将过滤残余80Q作为输入80R返回到石灰窑60I。最后，将白液80P返回到蒸煮器60A。添加补充化学物，如在82B添加NaOH，在82C添加Na₂SO₄以补偿消耗并调节钠和硫的平衡。

通过清除回收锅炉60F中的ESP灰84B(静电沉降器)来调节钠和硫的平衡。ESP灰84B主要含Na₂SO₄和一些Na₂CO₃。钠和硫之间的平衡由白液的硫化度(sulfidity)确定。如果硫化度高于调整点，则需要通过ESP灰来清除硫。因为ESP灰也含有钠，所以钠将损失。此损失必须通过补充NaOH来弥补。如果硫化度低于目标值，则必须在工艺过程中添加硫(例如，象在82C中添加Na₂SO₄那样)。

在工艺过程中需要多个缓冲池。木片储存在70A中。不同质量的纸浆储存在70B-D中。稀黑液在蒸发之前储存在70E中。含高干基量的浓黑液80J储存在70F中。缓冲池70G包含绿液，而缓冲池70H包含白液。石灰浆(主要含CaCO₃)在烧炼之前储存在缓冲池70I中，而在水解/再苛化之前，烧石灰(主要是CaO)储存在70J中。

测量几个过程输出变量，例如标号56表示的有效碱(EA)、苛化度和硫化度。这可以利用在线传感器执行，或在工艺实验室中进行。还在多个位置测量57表示的硫速率、58表示的稠度和59表示的缓冲池水平。

在用于图7所示系统的优选控制方法中，利用了多个优化方面。根据本发明的优化的一个目标是使化学物种的某些浓度相对于建议调整点值的差异最小。具体地来说，提供给蒸煮器60A的白液80P的硫化度对于控制蒸煮器60A的硫化度，以使其保持尽可能接近期望水平是非常重要的。因此，最好将蒸煮器60A中的硫化度选为受控过程输出变量之一。还希望降低化学物的总成本，因此应该使添加物82B和82C以及排放的ESP灰流84B尽可能少。

这意味着流82B、82C和84B也应选为受控过程输出变量。在优选运行模式中，工艺过程的不同部分中的某些化学物种的量和浓度之间存在某些关系。因为不同液体中不同化合物形式的硫的浓度非常重要，所以流80H-T中的不同化学物种的浓度受到关注，也用作受控过程输出变量。

此外，用于在生产干扰小时使生产损失最小以及将瓶颈过程的影响最小化的优化过程通常基于所识别的问题过程段前后的缓冲池的缓冲水平形式的受控过程输出变量。

一些优化标准，例如按照生产计划保持生产率、将造纸机器60D处的纤维需求的变化降至最低，也作为目标函数的项包括。

如图8所示，所述方法最好通过合适的网络拓朴，在连接到工厂内部计算机网络13的分设服务器上实施。该网络通常连接到域服务器12。实施该方法的服务器14通常还包括用于与过程控制系统和包含相关数据的其它服务器15(例如过程历史数据存储系统、实验室数据存储系统3等)交换数据的功能。交换数据的优选方式是通过OPC(用于过程控制的对象链接和嵌入)4来进行。OPC是要求所有数据源表现出相同类型接口的一种规范。OPC是OPC协会发布的一个众所周知的规范。它基于微软公司的组件对象模型(COM)。

服务器14可以例如将方面集成平台(Aspect IntegrationPlatform)(AIP服务器)用作所述方法和工厂信息之间的通信层。此方法使得可以通过分设的工作面(workplace)5访问服务器14，在采用方面集成平台的情况下这些工作面可以是包括Operate IT的客户机。工厂内部计算机网络通常通过路由器7连接到企业内部网6。这使得可以通过具有瘦客户机8的工作面利用因特网浏览器来访问所述方法。通过防火墙9，还可以通过连接到因特网11的计算机访问所述方法。作为一个替代方案，具有因特网连接的系统允许在位于远程位置上的服务器中实施该方法。在此远程位置上的服务提供商则将具有与该工厂网络相似的网络拓朴，如图8所示(13b、14b、6b、7b和9b)。此情况下则不需要工厂网络13上的服务器14。在此情况下，所述方法安装在远程网络上的等效服务器(14b)中。此远程位置可以位于服务提供商的办公室。从此远程位置，可以采用所述方法同时对几个客户工厂进行实时优化和控制。

本发明是通过纸浆和纸张业的实例来说明的，具体地说与化学添加剂的使用优化有关。这些实例尤其适用本发明。但是，其它优化考虑也可适用本发明。本发明还可以应用于具有过程段和/或中间存储器的其它过程生产系统，例如化工行业、石化行业(炼油厂等)、制药和食品行业、消费品加工业和金属和矿产业。

本领域技术人员可以理解，在不背离所附权利要求书限定的本发明范围的前提下，可以对本发明进行各种修改和变化。

参考

欧洲专利申请EP1035253

Claims (48)

1.一种用于具有多个过程段(10A-D；60A-I)的生产过程(1)的方法，包括如下步骤：

获取动态过程模型，它具有所述过程段(10A-D；60A-I)的操作变量与各相应过程段(10A-D；60A-I)的过程输出变量之间的时间相关关系；

在预测时间间隔(Δt₁)内对所述生产过程(1)提供外部约束；

测量所述生产过程(1)的一组过程输出变量；

利用所述测得的过程输出变量估计初始状态(115)；

定义涉及所述预测时间间隔(Δt₁)的预测受控过程输出变量和所述外部约束的目标函数；

所述预测受控过程输出变量由所述动态过程模型基于所述初始状态(115)定义；

给定所述预测时间间隔(Δt₁)内所述操作变量的输入轨迹，在所述动态过程模型施加的约束和/或所述外部约束下通过调整所述操作变量来优化所述目标函数；以及

在控制时间间隔(Δt₂)期间通过根据所述输入轨迹来设置所述操作变量来操作所述生产过程(1)。

2.如权利要求1所述的方法，其特征在于：所述方法是纸浆和/或纸张生产方法。

3.如权利要求2所述的方法，其特征在于：所述受控过程输出变量包括与用于纸浆和/或纸张生产的化学添加剂相关联的至少一个变量。

4.如权利要求3所述的方法，其特征在于：所述定义步骤又包括将依赖于至少两个所述过程段中的化学添加剂的总量的目标函数项包括进去的步骤。

5.如权利要求3或4所述的方法，其特征在于：所述定义步骤又包括将依赖于整个所述生产过程中不同过程段(10A-D；60A-I)之间不同化学形式的化学添加剂的相对分布的目标函数项包括进去的步骤。

6.如权利要求3至5中任意一项所述的方法，其特征在于：所述定义步骤又包括将依赖于至少一个所述过程段(10A-D；60A-I)中的至少一种化学添加剂的浓度与预定设置值之差的目标函数项包括进去的步骤。

7.如权利要求6所述的方法，其特征在于：所述浓度与硫化度相关。

8.如权利要求1至7中任意一项所述的方法，其特征在于：所述外部约束包括生产计划(110、111)。

9.如权利要求1至8中任意一项所述的方法，其特征在于：还通过先前测量的过程输出变量来获得所述初始状态(115)的所述估计。

10.如权利要求9所述的方法，其特征在于：所述初始状态的所述估计包括状态估计程序。

11.如权利要求10所述的方法，其特征在于：所述状态估计程序是滚动时域状态估计。

12.如权利要求1至11中任意一项所述的方法，其特征在于：所述控制时间间隔(Δt₂)是所述预测时间间隔(Δt₁)的一部分。

13.如权利要求12所述的方法，其特征在于：所述控制时间间隔(Δt₂)基本上短于所述预测时间间隔(Δt₁)。

14.如权利要求13所述的方法，其特征在于：所述预测时间间隔(Δt₁)比所述控制时间间隔(Δt₂)长十倍以上。

15.如权利要求1至14中任意一项所述的方法，其特征在于：所述测量过程输出变量步骤的至少一部分是以在线方式执行的。

16.如权利要求1至15中任意一项所述的方法，其特征在于：至少一个所述过程输出变量是从如下列表中选择的：

流速率；

流浓度；

缓冲水平；

缓冲浓度；以及

内部过程段变量。

17.如权利要求1至16中任意一项所述的方法，其特征在于：所述定义步骤又包括如下步骤：

从所述初始状态(115)开始在所述外部约束下导出所述受控过程输出变量的目标轨迹(r(t))；

由此所述目标函数包括所述目标轨迹(r(t))与预测过程输出变量(116)之间在所述预测时间间隔(Δt₁)上积分的偏差。

18.如权利要求17所述的方法，其特征在于所述导出步骤又包括如下步骤：

在所述生产计划(110，111)施加的约束下计算所述受控过程输出变量的理想调整点轨迹(s(t))；以及

通过引入所述初始状态(115)以及对所述理想调整点结构进行基于时间的平滑处理而将所述理想调整点轨迹(s(t))修改成所述目标轨迹(r(t))。

19.如权利要求17或18所述的方法，其特征在于：在所述预测时间间隔(Δt₁)上的所述积分还包括时变加权函数。

20.如权利要求1至19中任意一项所述的方法，其特征在于：所述动态过程模型又包括多个过程段模型((10A-D；60A-I)，通过模型流(30A-M；80A-T)表示与多个中间存储模型(20A-H；70A-J)连接的过程段的运行；

所述过程段模型(10A-D；60A-I)包括所述时间相关关系；以及

所述中间存储模型(20A-H；70A-J)的特征在于缓冲水平。

21.如权利要求20所述的方法，其特征在于：所述定义步骤又包括将依赖于在瓶颈过程段之前的缓冲器的剩余缓冲容量以及在瓶颈过程段之后的缓冲器的所述缓冲水平的目标函数项包括进去的步骤。

22.如权利要求20或21所述的方法，其特征在于：所述定义步骤又包括将依赖于在故障率相对较高的过程段之前的缓冲器的所述缓冲水平以及在故障率相对较高的过程段之后的缓冲器的剩余缓冲容量的目标函数项包括进去的步骤。

23.如权利要求1至22中任意一项所述的方法，其特征在于：所述方法的一个或多个步骤在远离所述生产过程的位置上执行。

24.生产过程系统(1)，包括：

可通过操作变量来控制的多个过程段(10A-D；60A-I)；

测量所述过程段(10A-D；60A-I)的一组过程输出变量的传感器(51-53；56-59)；

与所述传感器(51-53；56-59)连接的处理器装置；

设置所述操作变量的过程段控制装置，所述过程段控制装置连接到所述处理器装置；

所述处理器装置又包括：

用于获取动态过程模型的装置，所述动态过程模型具有在所述过程段(10A-D；60A-I)的操作变量与各相应过程段(10A-D；60A-I)的过程输出变量之间的时间相关关系；

用于在预测时间间隔(Δt₁)内提供外部约束的装置；

用于定义涉及所述预测时间间隔(Δt₁)内的预测受控过程输出变量和所述外部约束的目标函数的装置；

所述预测受控过程输出变量由所述动态过程模型基于通过所述测得的一组过程输出变量获得的初始状态(115)估计来定义；

给定所述预测时间间隔(Δt₁)内所述操作变量的输入轨迹，在所述动态过程模型施加的约束和/或所述外部约束下通过调整所述操作变量来优化所述目标函数的装置；

由此所述过程段控制装置设为在控制时间间隔(Δt₂)期间根据所述输入轨迹来设置所述操作变量。

25.一种具有多个过程段(10A-D；60A-I)且可通过操作变量控制的生产过程(1)，包括：

处理器装置；以及

设置所述操作变量的过程段控制装置，所述过程段控制装置连接到所述处理器装置；

所述处理器装置又包括：

用于接收所述生产过程(1)的一组过程输出变量的传感器输入装置；

用于获取动态过程模型的装置，所述动态过程模型具有在所述过程段(10A-D；60A-I)的操作变量与各相应过程段(10A-D；60A-I)的过程输出变量之间的时间相关关系；

用于在预测时间间隔(Δt₁)内提供外部约束的装置；

用于定义涉及所述预测时间间隔(Δt₁)内的预测受控过程输出变量和所述外部约束的目标函数的装置；

所述预测受控过程输出变量由所述动态过程模型基于通过所述测得的一组过程输出变量获得的初始状态(115)估计来定义；

给定所述预测时间间隔(Δt₁)内所述操作变量的输入轨迹，在所述动态过程模型施加的约束和/或所述外部约束下通过调整所述操作变量来优化所述目标函数的装置；

由此所述过程段控制装置设为在控制时间间隔(Δt₂)期间根据所述输入轨迹来设置所述操作变量。

26.如权利要求25所述的系统，其特征在于：所述生产过程系统(1)是纸浆和/或纸张生产过程系统。

27.如权利要求26所述的系统，其特征在于：所述受控过程输出变量包括与所述生产过程(1)的化学添加剂相关联的至少一个变量。

28.如权利要求27所述的系统，其特征在于：所述目标函数包括依赖于所述生产过程(1)的至少两个所述过程段中的化学添加剂的总量的项。

29.如权利要求27或28所述的系统，其特征在于：所述目标函数包括基于整个生产过程(1)中不同过程段(10A-D；60A-I)之间不同化学物种的化学添加剂的相对分布的关系。

30.如权利要求27至29中任意一项所述的系统，其特征在于：所述目标函数包括依赖于至少一个所述过程段(10A-D；60A-I)中的至少一种化学添加剂的浓度与预定设置值之差的项。

31.如权利要求30所述的系统，其特征在于：所述浓度与硫化度相关。

32.如权利要求25至31中任意一项所述的系统，其特征在于：所述外部约束包括生产计划(110、111)。

33.如权利要求25至32中任意一项所述的系统，其特征在于：还通过先前测量的过程输出变量来获得所述初始状态(115)的所述估计。

34.如权利要求33所述的系统，其特征在于：所述处理器还包括用于执行所述初始状态(115)的所述估计的状态估计装置。

35.如权利要求25至34中任意一项所述的系统，其特征在于：所述生产过程系统(1)的至少一个所述过程输出变量具有超过12小时的时间常数。

36.如权利要求25至35中任意一项所述的系统，其特征在于：所述预测时间间隔(Δt₁)超过12小时。

37.如权利要求25至36中任意一项所述的系统，其特征在于：所述控制时间间隔(Δt₂)小于15分钟。

38.如权利要求25至37中任意一项所述的系统，其特征在于：所述处理器和所述生产过程之间存在通信链路以允许对所述生产过程进行远程控制。

39.如权利要求38所述的系统，其特征在于：所述通信链路包括数据通信网络。

40.一种计算机程序产品，其包括使处理器执行如权利要求1至23中任意一项所述的步骤的计算机代码组件和/或软件代码部分。

41.如权利要求40所述的计算程序产品，其特征在于：它通过诸如因特网的网络来提供。

42.一种计算机可读介质，其包含如权利要求40或41所述的计算程序产品。

43.一种计算机程序，其包括使处理器执行如权利要求1至23中任意一项所述的步骤的计算机代码组件和/或软件代码部分。

44.如权利要求43所述的计算程序，其特征在于：它通过诸如因特网的网络来提供。

45.使用如权利要求1至23中任意一项所述的方法以在生产过程中执行如下任意一项操作：监视、控制、调节、模拟、优化、提供决策支持、建议。

46.使用如权利要求1至23中任意一项所述的方法以在纸浆和/或纸张生产过程中执行如下任意一项操作：监视、控制、调节、模拟、优化、提供决策支持、建议。

47.使用如权利要求25至39中任意一项所述的系统以在生产过程中执行如下任意一项操作：监视、控制、调节、模拟、优化、提供决策支持、建议。

48.使用如权利要求25至39中任意一项所述的系统以在纸浆和/或纸张生产过程中执行如下任意一项操作：监视、控制、调节、模拟、优化、提供决策支持、建议。

Images