DE102006019417A1 - Verfahren zum Betrieb eines Mühlensystems - Google Patents

Verfahren zum Betrieb eines Mühlensystems Download PDF

Info

Publication number
DE102006019417A1
DE102006019417A1 DE200610019417 DE102006019417A DE102006019417A1 DE 102006019417 A1 DE102006019417 A1 DE 102006019417A1 DE 200610019417 DE200610019417 DE 200610019417 DE 102006019417 A DE102006019417 A DE 102006019417A DE 102006019417 A1 DE102006019417 A1 DE 102006019417A1
Authority
DE
Germany
Prior art keywords
model
mill system
mill
operating
unit
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.)
Ceased
Application number
DE200610019417
Other languages
English (en)
Inventor
Norbert Becker
Rüdiger Dr. Döll
Hans-Ulrich Dr. Löffler
Robert Wagner
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE200610019417 priority Critical patent/DE102006019417A1/de
Priority to PCT/EP2007/052494 priority patent/WO2007124981A1/de
Publication of DE102006019417A1 publication Critical patent/DE102006019417A1/de
Ceased legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B02CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02CCRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C25/00Control arrangements specially adapted for crushing or disintegrating
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Disintegrating Or Milling (AREA)
  • Feedback Control In General (AREA)

Abstract

Bei dem Verfahren zum Betrieb eines Mühlensystems werden Modellparameter (P) eines Modells (33) des Mühlensystems berechnet. Auf Basis des mit den berechneten Modellparametern (P) aktualisierten Modells (33) wird für mindestens eine Betriebsgröße (B) des Mühlensystems ein Vorhersagewert (B<SUB>V</SUB>) für eine aktuelle Betriebsphase ermittelt. Stell- oder Führungsgrößen (A) des Mühlensystems werden aufgrund des aktualisierten Modells (33) eingestellt und während der aktuellen Betriebsphase verwendet. Ein Messwert (B<SUB>M</SUB>) der Betriebsgröße (B) wird während der aktuellen Betriebsphase ermittelt. Eine Abweichung (F) zwischen dem Vorhersagewert (B<SUB>V</SUB>) und dem Messwert (B<SUB>M</SUB>) wird bestimmt. Die Modellparameter (P) werden auf Basis der Abweichung (F) angepasst und zusammen mit dem Modell (33) zur Vorhersage der Betriebsgröße (B) sowie zur Einstellung der Stell- oder Führungsgrößen (A) für einen zukünftigen Betriebszustand verwendet.

Description

  • Die Erfindung betrifft ein Verfahren zum Betrieb eines Mühlensystems.
  • Bei einem derartigen Mühlensystem kann es sich beispielsweise um eine Kugelmühle (ball mill) oder auch um eine SAG (semiautogenously grinding)-Mühle handeln, die zum Zermahlen von grob körnigen Materialien, wie z.B. Erzen oder Zement usw., bestimmt ist. Bei solchen Mühlen wird der Durchsatz mittels Einstellens verschiedener Stell- oder Führungsgrößen, wie z.B. einer Rotationsgeschwindigkeit der Mühlentrommel, einer Zufuhr des grob körnigen Ausgangsmaterials, einer Wasserzufuhr einer Erzmühle und/oder einer Austragsgeschwindigkeit des am Ausgang vorliegenden gemahlenen Materials gesteuert. Ein wichtiges Qualitätsmerkmal ist die Korngrößenverteilung des zermahlenden Materials. Sie beeinflusst die Ausbeute der dem Mühlensystem nachgeschalteten weiteren Komponenten, wie z.B. der Flotation. Es wird ein möglichst hoher Durchsatz bei hoher Produktqualität und bei niedrigen Kosten angestrebt. Letztere werden durch den Energie- und/oder Materialbedarf maßgeblich mit bestimmt.
  • Derzeitige Mühlensysteme werden oft noch manuell vom Bedienpersonal nach dessen empirischen Erfahrenswerten eingestellt. Ändert sich die Qualität des zugeführten Materials, vergeht eine bestimmte Zeit, bis wieder ein hoher Durchsatz bei guter Produktqualität erreicht werden kann. Oft steht dem Bedienpersonal außerdem auch nur eine indirekte Qualitätskontrolle, die sich beispielsweise anhand eines Ausbeuterückgangs in einer der nachgeschalteten Komponenten ergibt, zur Verfügung. Dies erschwert zusätzlich eine gute Einstellung des Mühlensystems.
  • Bekannt sind auch (teil-)automatisierte Regelungsverfahren zum Betrieb eines Mühlensystems. Sie basieren beispielsweise auf einer direkten Messung von Betriebsgrößen und auch auf Experten-Systemen. Verwendung findet dabei häufig der z.B. per Ultraschall ermittelte sogenannte d50-Wert des gemahlenen Materials, der aber nur bei (logarithmisch) normalverteilten Korngrößen aussagekräftig ist. Er gestattet außerdem keine Aussage über ggf. im Rückfluss vorhandene Grobkornanteile, die zu Instabilitäten des Mahlprozesses führen können. Außerdem verringern Grobkornanteile in der Mühlen-Ausgangsleitung die Ausbeute in der nachgeschalteten Flotation. Auch der Einsatz von Expertensystemen kann unerwünschte Schwingungen des Mahlprozesses verursachen.
  • Die Aufgabe der Erfindung besteht deshalb darin, ein Verfahren der eingangs bezeichneten Art anzugeben, das eine schnelle und stabile Einstellung des Mühlensystems erlaubt.
  • Diese Aufgabe wird gelöst durch die Merkmale des unabhängigen Patentanspruchs 1. Bei dem erfindungsgemäßen Verfahren handelt es sich um ein solches, bei dem
    • a) Modellparameter eines Modells des Mühlensystems berechnet werden,
    • b) auf Basis des mit den berechneten Modellparametern aktualisierten Modells für mindestens eine Betriebsgröße des Mühlensystems ein Vorhersagewert für eine aktuelle Betriebsphase ermittelt wird,
    • c) Stell- oder Führungsgrößen des Mühlensystems aufgrund des aktualisierten Modells eingestellt und während der aktuellen Betriebsphase verwendet werden,
    • d) ein Messwert der Betriebsgröße während der aktuellen Betriebsphase ermittelt wird,
    • e) eine Abweichung zwischen dem Vorhersagewert und dem Messwert bestimmt wird,
    • f) die Modellparameter auf Basis der Abweichung angepasst und zusammen mit dem Modell zur Vorhersage der Betriebsgröße sowie zur Einstellung der Stell- oder Führungsgrößen für einen zukünftigen Betriebszustand verwendet werden.
  • Das erfindungsgemäße Betriebsverfahren basiert auf einem adaptiven Modell-prädiktiven Regler. Insbesondere wird ein Gesamtmodell des kompletten Mühlensystems erstellt und in der adaptiven Regelung berücksichtigt. Hierzu werden die Modellparameter des Gesamtmodells in Abhängigkeit eines Vergleichs zwischen der Vorhersage und dem tatsächlich gemessenen Wert einer oder auch mehrerer Betriebsgröße(n) nachgeführt. Da die Betriebsgrößen vorzugsweise unmittelbar gemessen werden, können sie auch unmittelbar zur Adaption der Modellparameter und damit auch des für die Regelung verwendeten Modells herangezogen werden. Die Nachführung erfolgt also sehr rasch. Da die Regelung auf Vorhersagen zukünftiger Betriebsgrößenwerte basiert, spielen Regel-Totzeiten praktisch keine Rolle. Deshalb werden Rückkopplungen und Instabilitäten, die oft auf Totzeiten zurückzuführen sind, weitestgehend vermieden. Das erfindungsgemäße Verfahren reagiert schnell auf veränderte Prozessbedingungen, wie beispielsweise eine veränderte Qualität des zugeführten Materials, und regelt den gewünschten Durchsatz mit der geforderten Produktqualität umgehend neu ein.
  • Vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens ergeben sich aus den Merkmalen der von Anspruch 1 abhängigen Ansprüche. Günstig ist eine Variante, bei der das Mühlensystem mehrere Subeinheiten umfasst, für jede Subeinheit ein Submodell bestimmt wird, und das Modell per Kopplung der Submodelle gebildet wird. Die Berücksichtigung der Submodelle führt zu einer exakteren Nachbildung der Realität und damit auch zu besseren Ergebnissen der Regelung. Besonders günstig ist es, wenn alle relevanten Subeinheiten des Mühlensystems modelliert und in das Gesamtmodell mit eingehen.
  • Insbesondere werden zumindest für eine zentrale Mühleneinheit, eine Sumpfeinheit und eine Hydrozyklonen-Einheit Submodelle aufgestellt. Sie sind die drei wesentlichsten Subeinheiten des Mühlensystems. Bei Bedarf kann jedoch auch für weitere Subeinheiten, wie beispielsweise die Rohrleitungen, die Pumpen und auch den Mühleninhalt jeweils ein Submodell aufgestellt und im Gesamtmodell berücksichtigt werden. Beim Submodell der zentralen Mühleneinheit können der Anteil an in der Mahltrommel aktuell vorhandenen Stahlkugeln, das Motordrehmoment, die Motordrehzahl, die Materialzufuhr, die Wasserzufuhr, der Material- und Wasseraustrag in die Sumpfeinheit sowie die spezifische Ausgestaltung der Mahltrommel Eingang finden. Die Modellierung der Sumpfeinheit kann unter Berücksichtigung der Frischwasserzufuhr und des Füllstands erfolgen. Insgesamt ist auf diese Weise eine sehr genaue Abbildung der Realität möglich.
  • Vorteilhafterweise kann es sich außerdem bei der Betriebsgröße, die vorhergesagt und auch gemessen wird, um einen Durchfluss, eine Dichte, ein Gewicht, einen Druck, eine Leistung, ein Drehmoment, eine Geschwindigkeit oder eine Körnigkeit handeln. Das Betriebsverfahren lässt sich in sehr weiten Grenzen auf die verschiedensten Betriebsgrößen des Mühlensystems einstellen. Hierbei kann es sich insbesondere um direkt messbare, aber auch um nur indirekt messbare Größen handeln. Letztere lassen sich beispielsweise mittels sogenannter Softsensoren bestimmen. Direkt erfassbare Messwerte werden dabei elektronisch so ausgewertet, dass Aussagen über einer Messung nicht direkt zugängliche Größen getroffen werden können. Ein Beispiel hierfür ist ein Beschädigungsgrad der in der Trommel befindlichen Stahlkugeln.
  • Besonders günstig ist eine Variante, bei der die vorhergesagte und gemessene Betriebsgröße eine Korngrößenverteilung in einer Ausflussleitung an einem Ausgang des Mühlensystems, in einer Sumpfeinheit des Mühlensystems oder in einer Rückflussleitung zu einer Hydrozyklonen-Einheit ist. Die Korngrößenverteilung bietet einen besonders guten Einblick in die Abläufe des Mühlensystems. Ihre gute Kenntnis ermöglicht demnach auch eine besonders effiziente Regelung des Mühlensystems.
  • Insbesondere kann die Korngrößenverteilung in Echtzeit, d.h. insbesondere online und/oder direkt, gemessen werden. Beispielsweise erfolgt die Erfassung der Korngrößenverteilung mittels eines optischen, eines akustischen oder eines magnetischen Messverfahrens. Auch der Erfassungsort hat einen Einfluss auf das jeweils geeignete Messverfahren. So eignet sich ein Laserdiffraktometer mit Online-Verdünnung oder eine Insitu-Messung mittels Fingerprint-Sensor zur Erfassung der Korngrößenverteilung in der ausgangsseitigen Ausflussleitung, in der das fein gemahlene und in Wasser dispergierte Material transportiert wird. Alle diese Messverfahren sind in der Lage, die Korngrößenverteilung sehr rasch zu erfassen, sodass diese wichtige Betriebsgröße ohne relevante zeitliche Verzögerung dem Regelungsverfahren für die Parameter-Adaption zur Verfügung steht.
  • Bei einer weiteren günstigen Ausgestaltung ist es vorgesehen, dass die Anpassung der Modellparameter mittels eines auf mindestens eine vorgebbare Zielfunktion ausgerichteten Optimierungs- bzw. Minimierungsverfahrens durchgeführt wird, wobei in die Zielfunktion die Abweichung zwischen dem Vorhersagewert und dem Messwert mit einfließt. Für den Messwert der Korngrößenverteilung lässt sich zum Beispiel eine Übergangsmatrix als Modellparameter(satz) angeben, die für den kommenden Bearbeitungs- oder Regelungszyklus bezüglich jedes Teilbereichs der Korngrößenverteilung Übergangswahrscheinlichkeiten in einen feiner körnigen Teilbereich enthält. Ein Zyklus ist dabei ein Zeitschritt der zugrunde liegenden diskretisierten Differentialgleichung. Als Nebendingung kann dann z.B. vorgesehen werden, dass die Körnigkeit des Materials im kommenden Zyklus nur feiner, nicht jedoch gröber werden kann.
  • Bei einer weiteren günstigen Ausgestaltung ist es vorgesehen, dass die Einstellung der Stell- oder Führungsgrößen mittels eines auf mindestens eine vorgebbare Zielgröße ausgerichteten Optimierungsverfahrens durchgeführt wird, wobei bei dem Optimierungsverfahren Nebenbedingungen mit berücksichtigt werden. Dadurch wird zum einen eine hohe Flexibilität erreicht, da die Zielgröße ebenso wie die vorhergesagte und gemessene Betriebsgröße weitgehend frei bestimmt werden kann. Zum anderen liefert das Optimierungsverfahren sehr gute, insbesondere an die aktuellen Gegebenheiten angepasste Modellparameter. Die Berücksichtigung der Nebenbedingungen ermöglicht neben der Durchsatzoptimierung insbesondere auch einen zugleich energie- und/oder qualitätsoptimierten Betrieb des Mühlensystems.
  • Besonders geeignet ist dabei ein Optimierungsverfahren, das als SQP(Sequential Quadratic Programming)-Verfahren ausgeführt ist. Dieses Verfahren eignet sich besonders gut zum Einsatz in Industrieanlagen, also insbesondere auch bei Mühlensystemen. Letztere weisen nämlich ein nichtlineares Verhalten auf, sodass sich ein SQP-Verfahren besonders gut eignet. Es ist günstiger als ein lineares Optimierungsverfahren.
  • Weiterhin kommt als Zielgröße des Optimierungsverfahrens insbesondere eine innerhalb des Mühlensystems vorliegende Korngröße oder Korngrößenverteilung des zu mahlenden Materials oder ein Beladungszustand des Mühlensystems in Betracht.
  • Vorteilhafterweise werden als Nebenbedingungen physikalische, technologische oder prozessbedingte Grenzen vorgegeben. Dadurch wird verhindert, dass für die Regelung Modellparameter herangezogen werden, die auf unsinnigen oder unmöglichen physikalischen, technologischen oder prozessbedingten Randbedingungen basieren. Die Berücksichtigung derartiger Nebenbedingungen führt zu einer Verbesserung des Regelungsverhaltens und auch zu einer besseren Produktqualität am Mühlenausgang.
  • Vorteilhafterweise wird die Korngrößenverteilung so bestimmt, dass mindestens zwei Teilbereiche mit verschiedenen Korngrößen unterschieden werden. Es ist also mindestens ein Teilbereich für kleinere und ein zweiter Teilbereich für größere Korngrößen vorgesehen. Eine weitergehende Aufteilung in mehrere Teilbereiche ist grundsätzlich möglich. Dadurch wird die Abstufung des Regelungshaltens verfeinert. Je mehr Teilbereiche für die Korngrößen zur Bestimmung der Korngrößenverteilung vorgesehen werden, desto empfindlicher und genauer reagiert das Optimierungs- und Regelungsverfahren. Um einen möglichst großen Bereich an Korngrößen abzudecken, ist es außer dem vorteilhaft, die Grenzen der Teilbereiche auf einer logarithmischen Skala festzulegen, sodass logarithmisch gleich große Teilbereiche resultieren.
  • Insbesondere kann als Modell außerdem ein datengetriebenes Modell, vorzugsweise ein neuronales Netz in vorgesehen werden. Dabei entsprechen die Modellparameter insbesondere den Netzgewichten und die Messwerte der Betriebsgröße(n) den Trainingswerten. Die Identifizierung und Adaption der Modellparameter findet dann z.B. im Rahmen des Netztrainings statt. Ein auf einem neuronalen Netz basierendes Modell benötigt nur wenige, möglicherweise sogar überhaupt keine auf den physikalischen Gegebenheiten des Mühlensystems beruhende Vorgaben. Die Bestimmung und Einstellung der Stell- oder Führungsgrößen des Mühlensystems kann auf Basis des aktualisierten neuronalen Netzes (= Modells) und insbesondere wieder mittels des bereits genannten auf mindestens eine vorgebbare Zielgröße ausgerichteten Optimierungsverfahrens, beispielsweise eines SQP-Verfahrens, durchgeführt werden. Alternativ kann diese Einstellung auch direkt mittels Modell-prädiktiver Regelung erfolgen.
  • Weitere Merkmale, Vorteile und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen anhand der Zeichnung. Es zeigt:
  • 1 ein Ausführungsbeispiel eines Mühlensystems mit einer adaptiven Modell-prädiktiven Regelungseinheit, und
  • 2 ein Blockschaltbild der Regelungseinheit gemäß 1 mit einem adaptiven Modell des Mühlensystems und einer Betriebsgrößenvorhersage sowie einer daraus abgeleiteten Optimierung von Modellparametern.
  • Einander entsprechende Teile sind in 1 und 2 mit denselben Bezugszeichen versehen.
  • In 1 ist ein Ausführungsbeispiel eines Mühlensystems 1 gezeigt. Es handelt sich um eine Erzmühle, die als Kugelmühle oder als SAG-Mühle ausgebildet ist. Sie ist mit einer adaptiven Modell-prädiktiven Regelungseinheit 2 beschaltet, die den Betrieb des Mühlensystems 1 steuert.
  • Als Hauptkomponenten umfasst das Mühlensystem 1 eine zentrale Mühleneinheit 3 mit einer Trommel 3a zum Mahlen des zugeführten Erzmaterials und mit einem die Trommel 3a antreibenden insbesondere getriebelosen Motor 3b, eine von der zentralen Mühleneinheit 3 gespeisten Sumpfeinheit 4 sowie eine Hydrozyklonen-Einheit 5. Die Sumpfeinheit 4 und die Hydrozyklonen-Einheit 5 sind mittels einer Hydrozyklonen-Zuflussleitung 6 miteinander verbunden. In der Hydrozyklonen-Einheit 5 findet eine Separierung in fein genug gemahlenes und in noch zu grob körniges Material statt. Das fein gemahlene Material gelangt in eine ausgangsseitige Ausflussleitung 7, die an eine nicht näher dargestellte dem Mühlensystem 1 nachgeschaltete Komponente angeschlossen ist. Dagegen wird das grob körnige Material über eine Rückflussleitung 8 wieder einem Eingang 9 der zentralen Mühleneinheit 3 zugeführt.
  • Der Eingang 9 ist außerdem an Förderbänder 10 angeschlossen, mittels derer ungemahlenes Erzmaterial aus einem Erzvorrat 11 zugeführt wird. Anstelle der Förderbänder 10 kann auch ein anderes Zufuhraggregat vorgesehen sein. Weiterhin ist der Eingang 9 an einen Wasserzulauf 12 angeschlossen. Ein weiterer Wasserzulauf 13 ist an der Sumpfeinheit 4 vorgesehen.
  • Das Mühlensystem 1 enthält außerdem eine Vielzahl an Messwertaufnehmern, die Messwerte für verschiedene Betriebsgrößen B erfassen und mittels Messleitungen 14 der Regelungseinheit 2 zuführen. Im Ausführungsbeispiel sind ein Gewichtmesser 15 an den Förderbändern 10, ein Flussmesser 16 am Wasserzulauf 12, ein Leistungs- und Drehmomentmesser 17 am Motor 3b, ein Gewichtmesser 18 zur Erfassung einer Beladung der Trommel 3a, ein Flussmesser 19 am Wasserzulauf 13, ein Niveaumesser 20 an der Sumpfeinheit 4, ein Korngrößenmesser 21, ein Flussmesser 22 und ein Druckmesser 23 jeweils an der Hydrozyklonen-Zuflussleitung 6, ein Dichtemesser 24 an der Rückflussleitung 8 und ein Korngrößenmesser 25 an der Ausflussleitung 7 vorgesehen. Diese Aufzählung ist beispielhaft zu verstehen. Grundsätzlich können noch weitere Messwertaufnehmer vorgesehen sein. Die jeweiligen Messungen erfolgen stets online und in Echtzeit, sodass in der Regelungseinheit 2 immer aktuelle Messwerte verfügbar sind.
  • Neben den Messwertaufnehmern hat das Mühlensystem 1 auch mehrere lokale Regler, die mittels Steuerleitungen 26 an die Regelungseinheit 2 angeschlossen sind. Im Einzelnen sind ein Gewichtregler 27 an den Förderbändern 10, ein Flussregler 28 am Wasserzulauf 12, ein (Dreh-)Geschwindigkeitsregler 29 am Motor 3b, ein Flussregler 30 am Wasserzulauf 13 und an der Hydrozyklonen-Zuflussleitung 6, ein Niveauregler 31 an der Sumpfeinheit 4 und ein Dichteregler 32 an der Rückflussleitung 8 vorgesehen.
  • Die genannten Messwertaufnehmer und lokalen Regler sind nur beispielhaft zu verstehen. Im Einzelfall können auch weitere derartige Komponenten vorgesehen sein. Beispielsweise können an den Förderbändern 10 zusätzliche Informationen über die Beschaffenheit des zugeführten ungemahlenen Erzmaterials beispielsweise mittels einer Lasermessung oder mittels einer Videoerfassung gewonnen werden. Ebenso ist aber auch eine Beschränkung auf nur einen Teil der im Ausführungsbeispiel gemäß 1 gezeigten Messwertnehmer und lokalen Regler möglich.
  • Außerdem können weitere Betriebsgrößen, die einer direkten Messung nicht zugänglich sind, mittels sogenannter Softsensoren bestimmt werden. Dabei wird auf erfassbare primäre Betriebsgrößen zurückgegriffen, aus deren Messwerten mittels eines Auswertealgorithmus ein aktueller Wert der eigentlich interessierenden sekundären Betriebsgröße bestimmt wird. Die hierzu verwendete Auswerte-Software kann auch ein neuronales Netz umfassen.
  • In der Regelungseinheit 2 wird eine Einstellung für die verschiedenen Prozessparameter des Mühlensystems 1 so ermittelt, dass ein guter, gleichbleibender Durchsatz bei möglichst niedrigem Energieverbrauch und möglichst hoher Produktqualität resultiert. Eine hohe Produktqualität bedeutet eine bestimmte, relativ geringe Korngröße des in der ausgangsseitigen Ausflussleitung 7 geführten gemahlenen Materials.
  • In 2 ist ein Blockschaltbild der Regelungseinheit 2 mit, ihren wesentlichen Komponenten gezeigt. Sie umfasst ein adaptives Gesamtmodell 33 des Mühlensystems 1, eine Prädiktions-Einheit 34, eine Vergleichs-Einheit 35, eine Parameter-Identifizierungs- und Adaptionseinheit 36 sowie eine Optimierungseinheit 37. Diese Komponenten sind insbesondere als Software-Module realisiert.
  • Im Blockschaltbild gemäß 2 ist stellvertretend für die Vielzahl der in 1 wiedergegebenen Messwertaufnehmer eine Messeinheit 38 enthalten. Im Falle einer Ausgestaltung als Softsensor kann auch die Messeinheit 38 als Software-Modul und damit als integraler Bestandteil der Regelungseinheit 2 realisiert sein. Anderenfalls ist es jedoch ebenso möglich, dass es sich bei der Messeinheit 38 um physikalisch von der Regelungseinheit 2 getrennte Baugruppen handelt.
  • Im Folgenden wird die Funktionsweise der Regelungseinheit 2 näher beschrieben.
  • Eingangsseitig werden der Regelungseinheit 2 verschiedene Eingangsgrößen E zugeführt. Hierbei kann es sich um Messwerte, aber auch um andere Betriebsdaten handeln. Mögliche Eingangsdaten E sind das Erzgewicht, die Härte des zu mahlenden Erzmaterials, der Wasserzufluss an den Wasserzuläufen 12 und 13, der Materialrückfluss von der Hydrozyklonen-Einheit 5 zum Eingang 9 der zentralen Mühleneinheit 3, Korngrößenverteilungen an verschiedenen Stellen innerhalb des Mühlensystems 1 insbesondere in der Sumpfeinheit 4 oder in der ausgangsseitigen Ausflussleitung 7, Geometrie-Daten der zentralen Mühlen einheit 3, die Geschwindigkeit, mit der die Förderbänder 10 das zu mahlende Material dem Eingang 9 zuführen, und eine Geschwindigkeit, mit der das Endprodukt, also das gemahlene Material, den nachfolgenden Komponenten zugeführt wird. Die Eingangsgrößen E können sich also auf Prozessparameter, auf das Design des Mühlensystems 1, vor allem der zentralen Mühleneinheit 3, oder auf das Material beziehen.
  • Ausgangsseitig stellt die Regelungseinheit 2 Ausgangsgrößen A zur Verfügung, die zur Steuerung des Prozessablaufs dienen. Im Ausführungsbeispiel handelt es sich dabei um die Führungsgrößen für die verschiedenen lokalen Regler gemäß 1. Bei einem alternativen Ausführungsbeispiel stellt die Regelungseinheit 2 ausgangsseitig Stellgrößen zur Verfügung, die unmittelbar, also auch ohne Zwischenschaltung lokaler Regler, auf Stellglieder einwirken.
  • Das adaptive Modell 33 beschreibt das Mühlensystem 1 in seiner Gesamtheit. Es setzt sich im Ausführungsbeispiel aus einer Kopplung mehrerer Submodelle zusammen. Die Submodelle beschreiben die zentrale Mühleneinheit 3, die Sumpfeinheit 4 und die Hydrozyklonen-Einheit 5. Weitere Submodelle für andere Komponenten des Mühlensystems 1 können bei Bedarf ergänzt werden. Das Modell 33 lässt sich mittels Modellparameter P an die aktuell herrschenden Prozessbedingungen anpassen, wobei in der Parameter-Identifizierungs- und Adaptionseinheit 36 auch festgestellt wird, ob diese Anpassung mittels aller oder nur eines Teils der Modellparameter P erfolgt. Gegebenfalls wird also ein relevanter Teilsatz der Modellparameter P identifiziert. Die so ausgewählten Modellparameter P eignen sich dann besonders gut zur Modell-Adaption.
  • Das Modell 33 beruht im Ausführungsbeispiel auf physikalischen Vorgaben, die zumindest teilweise auch durch empirische Erfahrungswerte ergänzt werden können. Das Modell 33 und insbesondere dessen Anpassung mittels der Modellparameter P werden in Echtzeit berechnet. Dies trägt dazu bei, dass keine nennenswerten Regel-Totzeiten entstehen.
  • Auf Basis des aktuellen, d.h. für eine bestimmte Betriebsphase geltenden, Modells 33 wird in der Prädiktions-Einheit 34 für eine oder mehrere Betriebsgröße(n) B ein Vorhersagewert BV bestimmt. In der Vergleichs-Einheit 35 wird dieser Vorhersagewert BV mit einem Messwert BM der betreffenden Betriebsgröße B verglichen. Eine festgestellte Abweichung F wird der Parameter-Identifizierungs- und Adaptionseinheit 36 zur Ermittlung eines verbesserten Satzes für die Modellparameter P zur Verfügung gestellt. Die so verbessert eingestellten Modellparameter P werden dann zur Adaption des Modells 33 herangezogen. Das adaptierte Modell 33 wird anschließend zur Bestimmung der Ausgangsgrößen A und auch des Vorhersagewerts BV für eine kommende Betriebsphase verwendet.
  • Da die Regelungseinheit 2 also auf einer Prognose des Wertes beruht, den die Betriebsgröße B zukünftig annehmen wird, entfallen Regel-Totzeiten weitgehend. Die Regelungseinheit 2 ist somit zum einen sehr stabil und reagiert zum anderen sehr rasch auf geänderte Prozessbedingungen.
  • Als Betriebsgröße B sind verschiedene Größen des Mühlensystems 1 vorstellbar, wie beispielsweise ein Durchfluss, eine Dichte, ein Gewicht, ein Druck, eine Leistung, ein Drehmoment, eine Geschwindigkeit, eine Körnigkeit oder auch eine Korngrößenverteilung. Hierbei handelt es sich insbesondere um einen Teil der Eingangsgrößen E. Vor allem die Korngrößenverteilung eignet sich besonders gut zur Bestimmung eines verbesserten Parametersatzes für die Modellparameter P.
  • In der Parameter-Identifizierungs- und Adaptionseinheit 36 kommt ein SQP-Optimierungsverfahren zum Einsatz, bei dem eine vorgebbare Zielfunktion unter Einhaltung von Nebenbedingungen minimiert und zur Bestimmung des verbesserten Parameter(teil)satzes für die Modellparameter P verwendet wird. In der Parameter-Identifizierungs- und Adaptionseinheit 36 werden die Zielfunktionsminimierung und damit die Parameter-Adaption so vorgenommen, dass das adaptierte Modell 33 das vergangene Verhalten des Mühlensystems 3 möglichst gut nachbildet. Ein mit dem so adaptierten Modell 33 für die vergangene Betriebsphase (= für mindestens einen vergangenen Zyklus) errechneter Wert BR der Betriebsgröße B würde sich minimal von dem erfassten Messwert BM unterscheiden. Das Modell 33 beschreibt mit diesem adaptierten Parametersatz die Realität in der Vergangenheit optimal.
  • Als Zielfunktion kommt beispielsweise die Abweichung zwischen gemessener und berechneter Korngrößenverteilung in Frage. Mögliche Nebenbedingungen ergeben sich dann insbesondere aus einer Übergangsmatrix, deren Koeffizienten angeben, mit welcher Wahrscheinlichkeit ein Materialpartikel, der im aktuellen Zyklus in einen bestimmten Teilbereich der Korngrößenverteilung fällt, nach dem kommenden Zyklus in einen bestimmten (anderen) Teilbereich der Korngrößenverteilung fällt. Die Werte, die die Koeffizienten dieser Übergangsmatrix annehmen können, unterliegen gewissen, mathematisch oder physikalisch bedingten Beschränkungen. Es lassen sich Grenzen für die einzelnen Koeffizienten aber auch für Kombinationen, beispielsweise für Summen von mehreren Koeffizienten angeben.
  • Ebenso kann als Zielfunktion aber auch die Abweichung zwischen gemessener und berechneter Dichte in der Rückflussleitung 8 definiert werden. Selbstverständlich kann zur SQP-Optimierung in der Parameter-Identifizierungs- und Adaptionseinheit 36 auch eine Kombination von mehreren Zielfunktionen herangezogen werden.
  • Das anhand der Vergangenheitsbetrachtung gewonnene adaptierte Modell 33 wird in einem weiteren Verfahrensschritt zur zukünftigen Regelung, also zur Regelung im kommenden Zyklus eingesetzt. Dies erfolgt in der Optimierungseinheit 37. Es handelt sich um eine zweite Optimierung, für die insbesondere wiederum ein SQP-Optimierungsverfahren verwendet wird. Auch hier wird eine Zielgröße unter Einhaltung von Nebenbedingungen optimiert. Ziel ist nun insbesondere eine optimale Ermittlung der Ausgangsgrößen A, also der Stell- oder Führungsgrößen der lokalen Regler, sodass beispielsweise eine vorge gebene Korngrößenverteilung an einer bestimmten Stelle des Mühlensystems 3, insbesondere am Ausgang, erreicht wird. Die Zielgröße kann bei dieser zweiten Optimierung also insbesondere die Produktqualität sein. Als Nebenbedingungen kommen der Materialbedarf und der Energiebedarf in Frage.
  • Weitere denkbare Nebenbedingungen ergeben sich aus den physikalischen, technologischen oder prozessbedingten Grenzen. Sie können vorteilhafterweise direkt in den Optimierungsalgorithmus mit eingespeist werden, sodass ein Stell- oder Führungsgrößensatz, der zu einem instabilen Prozessablauf führen würde, von vornherein ausgeschlossen wird.
  • Gemäß einer verfahrensökonomisch begründeten Nebenbedingung kann z.B. verlangt sein, dass die Dichte in der Rückflussleitung 8 achtzig Prozent nicht übersteigt, da die Separations-Effizienz in der Hydrozyklonen-Einheit 5 andernfalls durch veränderte Rheologie deutlich sinkt. Weiterhin kann die Drehzahl der Trommel 3a beschränkt werden, um zu starke Fliehkräfte zu vermeiden. Ebenso gibt es maximale und minimale Werte für die Pumpleistungen bei der Frischwasserzufuhr und auch bei der Zufuhr des ungemahlenen Erzmaterials. Außerdem sind Grenzen für den maximalen Beladungszustand der Trommel 3a zu beachten.
  • Die Berücksichtigung von Nebenbedingungen trägt auch mit dazu bei, dass der eingestellte Betriebsmodus des Mühlensystems 1 mehreren Anforderungen gleichermaßen gerecht wird. Beispielsweise lassen sich auf diese Weise die Mühlengeschwindigkeit, die Frischwasserzufuhr in die zentrale Mühleneinheit 3 und in die Sumpfeinheit 4 sowie der Energieverbrauch optimieren, wobei zugleich der Durchsatz und die erzielte Produktqualität auf einem vorgegebenen Niveau gehalten werden.
  • Die vorstehenden Ausführungen wurden am Beispiel einer Erzmühle gemacht. Die beschriebenen Prinzipien und vorteilhaften Wirkungsweisen lassen sich aber ohne weiteres auch auf den Betrieb anderer Mühlentypen, wie beispielsweise Zementmühlen oder in der Pharmaindustrie eingesetzte Mühlen, übertragen.

Claims (14)

  1. Verfahren zum Betrieb eines Mühlensystems (1) wobei a) Modellparameter (P) eines Modells (33) des Mühlensystems (1) berechnet werden, b) auf Basis des mit den berechneten Modellparametern (P) aktualisierten Modells (33) für mindestens eine Betriebsgröße (B) des Mühlensystems (1) ein Vorhersagewert (BV) für eine aktuelle Betriebsphase ermittelt wird, c) Stell- oder Führungsgrößen (A) des Mühlensystems (1) aufgrund des aktualisierten Modells (33) eingestellt und während der aktuellen Betriebsphase verwendet werden, d) ein Messwert (BM) der Betriebsgröße (B) während der aktuellen Betriebsphase ermittelt wird, e) eine Abweichung (F) zwischen dem Vorhersagewert (BV) und dem Messwert (BM) bestimmt wird, f) die Modellparameter (P) auf Basis der Abweichung (F) angepasst und zusammen mit dem Modell (33) zur Vorhersage der Betriebsgröße (B) sowie zur Einstellung der Stell- oder Führungsgrößen (A) für einen zukünftigen Betriebszustand verwendet werden.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Mühlensystem (1) mehrere Subeinheiten (3, 4, 5) umfasst, für jede Subeinheit (3, 4, 5) ein Submodell bestimmt wird, und das Modell (33) aus den Submodellen zusammengesetzt wird.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Submodelle zumindest für die als eine zentrale Mühleneinheit (3), eine Sumpfeinheit (4) und eine Hydrozyklonen-Einheit (5) ausgebildeten Subeinheiten des Mühlensystems (1) bestimmt werden.
  4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als die vorhergesagte und gemessene Betriebsgröße (B, BV, BM) ein Durchfluss, eine Dichte, ein Gewicht, ein Druck, eine Leistung, ein Drehmo ment, eine Geschwindigkeit oder eine Körnigkeit vorgesehen wird.
  5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als die vorhergesagte und gemessene Betriebsgröße (B, BV, BM) eine Korngrößenverteilung in einer Ausflussleitung (7) an einem Ausgang des Mühlensystems (1), in einer Sumpfeinheit (4) des Mühlensystems (1) oder in einer Rückflussleitung (8) zu einer Hydrozyklonen-Einheit (5) des Mühlensystems (1) vorgesehen wird.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Korngrößenverteilung in Echtzeit erfasst wird.
  7. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass zur Bestimmung der Korngrößenverteilung mindestens zwei Teilbereiche mit verschiedenen Korngrößen unterschieden werden.
  8. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Anpassung der Modellparameter (P) mittels eines auf mindestens eine vorgebbare Zielfunktion ausgerichteten Optimierungsverfahrens durchgeführt wird, wobei in die Zielfunktion die Abweichung (F) zwischen dem Vorhersagewert (BV) und dem Messwert (BM) mit einfließt.
  9. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Einstellung der Stell- oder Führungsgrößen (A) mittels eines auf mindestens eine vorgebbare Zielgröße ausgerichteten Optimierungsverfahrens durchgeführt wird, wobei bei dem Optimierungsverfahren Nebenbedingungen mit berücksichtigt werden.
  10. Verfahren nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass als Optimierungsverfahren ein SQP-Verfahren vorgesehen wird.
  11. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass als Zielgröße eine innerhalb des Mühlensystems (1) vorliegende Korngröße oder Korngrößenverteilung des zu mahlenden Materials oder ein Beladungszustand des Mühlensystems (1) vorgesehen wird.
  12. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass als Nebenbedingungen physikalische, technologische oder prozessbedingte Grenzen vorgesehen werden.
  13. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als Modell (33) ein datengetriebenes Modell vorgesehen wird.
  14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, dass als datengetriebenes Modell ein neuronales Netz vorgesehen wird.
DE200610019417 2006-04-26 2006-04-26 Verfahren zum Betrieb eines Mühlensystems Ceased DE102006019417A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE200610019417 DE102006019417A1 (de) 2006-04-26 2006-04-26 Verfahren zum Betrieb eines Mühlensystems
PCT/EP2007/052494 WO2007124981A1 (de) 2006-04-26 2007-03-16 Verfahren zum betrieb eines mühlensystems

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200610019417 DE102006019417A1 (de) 2006-04-26 2006-04-26 Verfahren zum Betrieb eines Mühlensystems

Publications (1)

Publication Number Publication Date
DE102006019417A1 true DE102006019417A1 (de) 2007-11-15

Family

ID=38137851

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200610019417 Ceased DE102006019417A1 (de) 2006-04-26 2006-04-26 Verfahren zum Betrieb eines Mühlensystems

Country Status (2)

Country Link
DE (1) DE102006019417A1 (de)
WO (1) WO2007124981A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010000816A1 (de) * 2008-07-02 2010-01-07 Bühler AG Regelsystem für getreide-verarbeitungsanlage
DE102008047418A1 (de) * 2008-09-16 2010-04-08 Siemens Aktiengesellschaft Online-Systemidentifikation und Online-Systemsteuerung
DE102010012620A1 (de) 2010-03-24 2011-09-29 Siemens Aktiengesellschaft Verfahren zum Betrieb einer Mühle
EP3456417A1 (de) * 2017-09-18 2019-03-20 ABB Schweiz AG Verfahren zum betrieb eines zerkleinerungskreises und zugehöriger zerkleinerungskreis
CN112317110A (zh) * 2020-09-27 2021-02-05 鞍钢集团矿业有限公司 基于深度学习的磨矿粒度预测系统及方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101244403B (zh) * 2008-03-17 2011-07-20 西安艾贝尔科技发展有限公司 一种磨矿分级过程优化控制方法
DE102011017504A1 (de) 2010-09-02 2012-03-08 Siemens Aktiengesellschaft Verfahren zur Steuerung eines Mühlensystems mit zumindest einer Mühle, insbesondere einer Erzmühle oder Zementmühle
DE102010062204B4 (de) * 2010-11-30 2015-06-18 Siemens Aktiengesellschaft Nutzung von Temperaturmessungen zur indirekten Messung von Prozessvariablen in Mahlanlagen
IT201800010468A1 (it) * 2018-11-20 2020-05-20 Aixprocess Gmbh Metodo e dispositivo per controllare un processo all'interno di un sistema, in particolare un processo di combustione all'interno di una centrale elettrica
EP4268963A1 (de) * 2022-04-26 2023-11-01 Siemens Aktiengesellschaft Verfahren und anordnung zur grosstechnischen herstellung einer suspension für eine batterie
GB2619744A (en) * 2022-06-15 2023-12-20 Intellisense Io Ltd System and method for continuous optimization of mineral processing operations

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19629703A1 (de) * 1996-07-24 1998-01-29 Schenck Process Gmbh Verfahren zur Steuerung eines Mühlensystems
DE19922449A1 (de) * 1999-05-11 2000-11-16 Elpro Prozesindustrie Und Ener Verfahren zur Durchsatzregelung einer Mahlanlage
DE19931181A1 (de) * 1999-07-07 2001-01-11 Buehler Ag Verfahren und Vorrichtung zur Optimierung der Prozessführung sowie Prozessüberwachung in einer Anlage zur Schokoladeherstellung

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7149590B2 (en) * 1996-05-06 2006-12-12 Pavilion Technologies, Inc. Kiln control and upset recovery using a model predictive control in series with forward chaining

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19629703A1 (de) * 1996-07-24 1998-01-29 Schenck Process Gmbh Verfahren zur Steuerung eines Mühlensystems
DE19922449A1 (de) * 1999-05-11 2000-11-16 Elpro Prozesindustrie Und Ener Verfahren zur Durchsatzregelung einer Mahlanlage
DE19931181A1 (de) * 1999-07-07 2001-01-11 Buehler Ag Verfahren und Vorrichtung zur Optimierung der Prozessführung sowie Prozessüberwachung in einer Anlage zur Schokoladeherstellung

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010000816A1 (de) * 2008-07-02 2010-01-07 Bühler AG Regelsystem für getreide-verarbeitungsanlage
DE102008047418A1 (de) * 2008-09-16 2010-04-08 Siemens Aktiengesellschaft Online-Systemidentifikation und Online-Systemsteuerung
DE102010012620A1 (de) 2010-03-24 2011-09-29 Siemens Aktiengesellschaft Verfahren zum Betrieb einer Mühle
WO2011117060A2 (de) 2010-03-24 2011-09-29 Siemens Aktiengesellschaft Verfahren zum betrieb einer mühle
US9751088B2 (en) 2010-03-24 2017-09-05 Siemens Aktiengesellschaft Method for operating a mill
EP3456417A1 (de) * 2017-09-18 2019-03-20 ABB Schweiz AG Verfahren zum betrieb eines zerkleinerungskreises und zugehöriger zerkleinerungskreis
WO2019053261A1 (en) * 2017-09-18 2019-03-21 Abb Schweiz Ag METHOD FOR OPERATING A COMMINUTION CIRCUIT AND CORRESPONDING COMMAND CIRCUIT
CN111093832A (zh) * 2017-09-18 2020-05-01 Abb瑞士股份有限公司 用于操作粉碎电路的方法和相应的粉碎电路
US11123743B2 (en) 2017-09-18 2021-09-21 Abb Schweiz Ag Method for operating a comminution circuit and respective comminution circuit
CN111093832B (zh) * 2017-09-18 2021-11-12 Abb瑞士股份有限公司 用于操作粉碎电路的方法和相应的粉碎电路
CN112317110A (zh) * 2020-09-27 2021-02-05 鞍钢集团矿业有限公司 基于深度学习的磨矿粒度预测系统及方法

Also Published As

Publication number Publication date
WO2007124981A1 (de) 2007-11-08

Similar Documents

Publication Publication Date Title
DE102006019417A1 (de) Verfahren zum Betrieb eines Mühlensystems
DE102018103599B4 (de) Werkzeugzustandsschätzungsgerät und Werkzeugmaschine
DE102016011532B4 (de) Maschinenlernvorrichtung und Maschinenlernverfahren zum Optimieren der Häufigkeit einer Werkzeugkorrektur einer Werkzeugmaschine und Werkzeugmaschine mit der Maschinenlernvorrichtung
DE102017011290B4 (de) Vorrichtung für maschinelles Lernen, CNC-Vorrichtung und maschinelles Lernverfahren zum Erkennen eines Anzeichens eines Auftretens von Rattern im Werkzeug einer Werkzeugmaschine
DE102018010054A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102017011544A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102018106808A1 (de) Zustandsbestimmungsvorrichtung
DE4325187C2 (de) Walzmühlensteuerverfahren
DE112019001512T5 (de) EINSPRITZGIEßMASCHINENSYSTEM
DE102017130429A1 (de) Numerische Steuerung und maschinelle Lernvorrichtung
DE102011017504A1 (de) Verfahren zur Steuerung eines Mühlensystems mit zumindest einer Mühle, insbesondere einer Erzmühle oder Zementmühle
DE102016009106A1 (de) Mit Steuerung ausgerüstete Bearbeitungsvorrichtung mit Bearbeitungszeit- Messfunktion und Messfunktion auf der Maschine
DE102018004330B4 (de) Steuerung und maschinelle Lernvorrichtung
DE102018004048B4 (de) Steuerung und Maschinenlernvorrichtung
DE102010012620A1 (de) Verfahren zum Betrieb einer Mühle
DE102019003601A1 (de) Vorrichtung zur Lebensdauervorhersage und Vorrichtung für maschinelles Lernen
DE102018126429A1 (de) Bearbeitungsbedingungsanpassungsvorrichtung und Maschinenlernvorrichtung
DE102019112379A1 (de) Bearbeitungsbedingungsanpassungsvorrichtung und Maschinenlernvorrichtung
DE102019001044A1 (de) Steuervorrichtung und maschinelle lernvorrichtung
DE102019001783A1 (de) Steuerung, maschinelle lernvorrichtung und system
DE102019106939A1 (de) Bearbeitungszustandsanpassungsvorrichtung und maschinenlernvorrichtung
DE102019104922A1 (de) Kollisionspositionsschätzvorrichtung und maschinenlernvorrichtung
DE102018001028B4 (de) Numerische Steuerung
DE102020104286A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung einer Produktionsanlage
DE102019001177B4 (de) Steuergerät, maschinelle Lernvorrichtung und System

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8131 Rejection