ES2290222T3 - Metodo para la regulacion de un proceso termodinamico. - Google Patents

Abstract

Método para la regulación de un proceso termodinámico en el que se miden las magnitudes de proceso del sistema, se calculan predicciones en una red neural mediante un modelo de procesos actual y entrenado, se comparan con objetivos de optimización y se ejecutan en el sistema acciones adecuadas para regular el proceso, analizando automáticamente el proceso al tiempo que se desarrolla el funcionamiento normal, formándose a partir de las magnitudes de proceso obtenidas y relevantes para el modelo varios modelos de procesos nuevos para redes neurales con distinta topología, entrenándose los distintos tipos de redes neurales y comparándose las predicciones con el modelo de procesos actual y, en caso de que la precisión de las predicciones de uno de los modelos de procesos nuevos sea mayor que la del modelo de procesos actual, sustituyéndolo por el nuevo modelo de procesos.

Description

Método para la regulación de un proceso termodinámico.

El presente invento hace referencia a un método para regular un proceso termodinámico en el que se miden magnitudes del proceso en el sistema, se calculan predicciones en una red neural mediante un modelo de procesos actual y entrenado, se comparan con objetivos de optimización y se realizan en el sistema las acciones adecuadas para regular el proceso.

En un método de este tipo ya conocido se predicen, mediante el modelo de procesos de la red neural, magnitudes del proceso mensurables de forma incorrecta o costosa. Para poder adaptar el modelo a modificaciones del proceso, se llevan a cabo tres pasos cíclicamente, en concreto, se realiza un análisis del proceso para identificar el principio del modelo de procesos, se lleva a cabo un entrenamiento de la red neural y se aplica el modelo de procesos para la predicción. Este procedimiento requiere mucho tiempo y una gran cantidad de recursos humanos.

En la patente US 5.259.064 A se describe un método en el que bien se entrena continuamente una red neural empleada para hacer predicciones, o bien de entre dos redes neurales de la misma estructura se emplea una para realizar predicciones y la otra, para el entrenamiento.

La patente US 5.943.660 A presenta un método en el que, para alcanzar un objetivo de optimización a partir de un estado actual, se utiliza un principio linealizado para la obtención de una acción reguladora en el que ambos coeficientes de linealización se deducen de sendas redes neurales.

En la patente EP 0.609.999 A1 se describe un método en el que, por un lado, para las magnitudes del proceso actual, se calculan en el sistema mediante una red neural las señales de control de las acciones necesarias para la consecución y, por otro, para las magnitudes del proceso deseadas y -si procede- corregidas continuamente, se calculan en el sistema mediante una segunda red neural, que coincide con la primera red neural, las señales de control de las acciones necesarias para la consecución. La diferencia entre las dos señales de control se reduce a través de un circuito regulador hasta que las magnitudes del proceso deseadas coinciden con las magnitudes del
proceso.

El presente invento se basa en el objetivo de mejorar un método del tipo presentado al principio. Este objetivo se resuelve mediante un método con las características de la reivindicación 1. En las reivindicaciones subordinadas se presentan otras configuraciones ventajosas.

Analizando automáticamente el proceso al mismo tiempo que se desarrolla el funcionamiento normal, creando y entrenando como mínimo un modelo de procesos nuevo y comparando sus predicciones con el modelo de procesos actual, puede conseguirse una adaptación del modelo a un proceso modificado sin utilizar recursos elevados de personal. A través de varios modelos de procesos nuevos con distintas topologías de la red neural y, por ejemplo, diferentes números de ciclos de entrenamiento puede conseguirse una adaptación incluso a amplias modificaciones del proceso. Esta adaptación del modelo completamente automática se desarrolla preferentemente en segundo plano, es decir, lo que se denomina un trabajo por lotes en el dispositivo de procesamiento de datos, de tal manera que el gasto de tiempo tampoco es
elevado.

A continuación se describe el invento con mayor detalle con la ayuda de un ejemplo de realización.

En un horno de cemento se desarrolla, como ejemplo de proceso termodinámico, un proceso de calcinación que se regula de tal manera que por un lado presente una cierta estabilidad y por otro, una cierta plasticidad, es decir, que se adapte a un estado dado, existiendo determinados objetivos de optimización. El estado del horno de cemento se describe a partir de distintas magnitudes de proceso, como son el flujo másico de cal, el flujo másico de aire o similares, a partir de las cuales se crean magnitudes de regulación. Mediante acciones, es decir, modificaciones de las magnitudes de regulación, se modifica el estado del horno de cemento. Para la supervisión y la regulación en línea y la realización de predicciones sobre estados futuros del horno de cemento, se implementa en el dispositivo de procesamiento de datos una red neural que define un modelo de procesos que indica la modificación del estado como reacción a acciones y que es independiente de los objetivos de optimización. Con una función de calidad se lleva a cabo una valoración de la situación que evalúa un estado actual determinado en función de los objetivos de optimización.

Para poder predecir determinadas magnitudes de proceso, por ejemplo, el valor de FCaO (índice de clínker) que define la calidad del cemento, en un método ya conocido se ejecuta primero un análisis del proceso para identificar una función que determine la magnitud del proceso deseada, a continuación se lleva a cabo el entrenamiento de la red neural con el modelo de procesos basado en los datos obtenidos y, por último, se aplica la red neural.

En cambio, según el presente invento, se ejecuta en segundo plano una adaptación del modelo de forma totalmente automática. Para ello en primer lugar se ejecuta un análisis de procesos automático que mediante -preferentemente varios-procedimientos de identificación de procesos elabora en periodos predeterminados una lista con todas las magnitudes de proceso relevantes.

A partir de esta base, en una formación de modelos automática se entrenan distintos tipos de redes neurales con diferentes grupos de parámetros, como tasas de aprendizaje y ciclos de entrenamiento, número de tandas, magnitud de las tandas y otros aspectos topológicos, parámetros de procesamiento de datos (magnitudes de filtro de paso bajo) y se verifican sobre la base de datos disponible en cada caso. La búsqueda de los parámetros de red adecuados puede llevarse a cabo en el espacio de parámetros -hiperdimensional- mediante métodos de optimización y estrategias de búsqueda adecuados (por ejemplo, métodos evolutivos).

Cuando a partir del análisis y la formación de modelos se halla un modelo de procesos que funciona mejor, es decir, con más exactitud que el modelo en uso, se aplica a partir de entonces ese nuevo modelo de procesos.

Mediante esta adaptación de modelos se produce una adaptación automática a las propiedades cambiantes del proceso del dispositivo correspondiente, incluidas intervenciones de gran envergadura, como revisiones o reestructuraciones, de manera que se garantiza la existencia de un modelo de procesos adecuado. Asimismo, en caso necesario también se incluyen en la formación de modelos magnitudes de proceso que hasta el momento no se tenían en cuenta.

Claims (6)

1. Método para la regulación de un proceso termodinámico en el que se miden las magnitudes de proceso del sistema, se calculan predicciones en una red neural mediante un modelo de procesos actual y entrenado, se comparan con objetivos de optimización y se ejecutan en el sistema acciones adecuadas para regular el proceso, analizando automáticamente el proceso al tiempo que se desarrolla el funcionamiento normal, formándose a partir de las magnitudes de proceso obtenidas y relevantes para el modelo varios modelos de procesos nuevos para redes neurales con distinta topología, entrenándose los distintos tipos de redes neurales y comparándose las predicciones con el modelo de procesos actual y, en caso de que la precisión de las predicciones de uno de los modelos de procesos nuevos sea mayor que la del modelo de procesos actual, sustituyéndolo por el nuevo modelo de procesos.

2. Método según la reivindicación 1 caracterizado por el hecho de que el análisis del proceso, la formación de los nuevos modelos de proceso, el entrenamiento y la comparación con el modelo de procesos actual se lleva a cabo en segundo plano.

3. Método según una de las reivindicaciones anteriores caracterizado por el hecho de que el análisis automático del proceso se lleva a cabo en periodos predeterminados.

4. Método según una de las reivindicaciones anteriores caracterizado por el hecho de que las magnitudes del proceso relevantes para el modelo se obtienen mediante un método de optimización y estrategias de búsqueda.

5. Método según una de las reivindicaciones anteriores caracterizado por el hecho de que los modelos de procesos nuevos para redes neurales están formados con distintos parámetros de procesamiento de datos y/o distintos entrenamientos.

6. Dispositivo que ejecuta un método según cualquiera de las reivindicaciones anteriores con sensores para la medición de las magnitudes de proceso en el sistema, un equipo de procesamiento de datos en el que se ha implementado una red neural con un modelo de procesos y una retroalimentación hacia el sistema para la ejecución de acciones.