动态环境下磨矿全流程数据驱动运行优化控制

For the grinding process, it faces unstable and time-varying operation conditions caused by the frequently varied factors, including the composition and nature of the processed ore, equipment status etc., which leads to difficulty of developing dynamic models. Moreover, the operational indices are generally hard to be continuously measured online. The above practical problems make it impossible to employ the existing optimization and control methods to realize the quality improvement and efficiency enhancement of the grinding process. This project aims at establishing a data-driven operational optimization control method and achieving its application for the whole grinding process in dynamic environment. By designing the control system using operation data, it can catch the process dynamics and achieve the ability of adaptive adjustment. The main work includes 1) developing a hybrid estimation method with robust adaptive nature for the operation indexes; 2) investigating a data-driven loop setpoint optimization method using online iterative adaptive dynamic programming and lifting technologies according to the whole grinding process with two-layer (i.e. the operation-level and loop-level) dynamics on different time scales; 3) obtaining software implementation techniques oriented to the operational optimization control of industrial processes while developing a configuration software platform. The proposed methods and software are validated and improved on hardware-in-the-loop simulation experimental platform and real industrial process. This project is of great theoretical significance and practical value for a class of industrial processes, which have time-varying operation conditions and are impossible to develop mechanism models in dynamic environment. It thus has a broad application prospect and may greatly improve the product quality and production efficiency of industrial processes.

磨矿过程受矿石成分与性质、设备状态等变化因素影响，运行工况动态时变，难以建立模型，且运行指标难以在线连续检测，难以采用已有优化与控制技术实现其提质增效。本项目开展动态环境下磨矿全流程数据驱动的运行优化控制方法及应用研究，充分利用运行数据来设计控制系统，使其能够及时捕获过程的动态变化而自适应调整。具体包括：（1）研究能够鲁棒自适应学习的磨矿运行指标混合估计方法；（2）针对具有运行层和回路层两层不同时间尺度动态特性的磨矿全流程过程，结合提升技术与在线迭代自适应动态规划，建立数据驱动的回路设定值优化方法，从而实现磨矿整体运行最优化；（3）研究面向工业过程运行优化控制的软件实现技术，研制组态软件平台，通过半实物仿真与实际工业实验验证并完善所提方法及软件。本项目的研究成果对于解决一类运行工况动态时变且难以建立数学模型的工业过程的提质增效问题具有重要的理论意义和实际应用价值，应用前景广阔。

磨矿过程具有矿石成份与性质复杂且不稳定，运行工况动态时变，难以建立数学模型，关键运行指标难以在线连续测量等综合复杂特性，本项目以磨矿过程的提质增效为目标，将新一代人工智能技术与工业过程建模与控制深度融合，开展了动态环境下数据驱动运行优化控制关键技术研究，实现了磨矿生产全流程的自主决策与优化控制。首先针对实际工业磨矿过程中运行指标难以在线连续检测的难题，研究了随机权神经网络软测量模型的块增量学习、鲁棒学习、集成学习、并行学习以及融合L2-fusion的自适应半监督在线学习，实现了磨矿粒度的在线智能感知，保证了闭环运行优化控制的可实施性。其次，为保证磨矿生产全流程的最优运行，采用分层控制结构，以优化磨矿回路设定值为切入点，将案例推理、提升技术、模型预测控制与强化学习等人工智能技术深度融合与协同，提出了基于案例推理增强学习的磨矿过程设定值优化方法，解决了动态环境下磨矿生产工况动态变化的运行优化控制问题；提出基于Q学习与模型预测控制的回路设定值优化控制方法，解决了磨矿全流程不同时间尺度的运行优化控制难题；提出了模型与数据混合驱动的切换自适应运行反馈控制方法，解决了磨矿过程非线性控制的难题。最后开发了一套具有自主知识产权的工业过程运行优化控制研发设计工具，用于实现所研究的方法理论。.研究成果发表学术论文28篇，其中被SCI检索13篇，EI检索10篇，出版学术专著1部，申请或授权发明专利11项，授权计算机软件著作权2项，科研获奖3项，培养研究生9人，其中毕业博士1人，毕业或即将毕业硕士8人。研究成果丰富和深化了复杂工业过程的运行优化控制理论，推动了基于模型和知识的先进控制技术向基于数据的智能控制技术的发展。虽然本项目以磨矿过程为背景，但所研究的方法理论与技术可用于解决与磨矿相类似的难以建立数学模型的工业过程在动态环境下的运行优化控制问题，对工业企业、高校以及科研院所均具有直接、深远的影响。