基于数据与知识驱动的间歇过程成品质量智能控制方法的研究及应用

Batch processes have been widely used in industrial fields such as hydrometallurgy. To ensure that the end-products meet the requirements, it is necessary to control the end-product qualities in batch processes. However, due to the complexity of the practical industrial site, abnormal operating conditions appear frequently. As a result, the existing product quality control methods are difficult to solve the problems in the practical industrial production. On the other hand, as the amount of the collected batch data increases, the data-driven based batch process mid-course correction methods are also faced with the dilemma that they cannot be used directly. To cope with these issues above, the following scientific problems will be systematically and thoroughly researched in this project: the general framework of the intelligent control system for batch process end-product qualities, the operating condition recognition method, the data-driven based fine control under normal operating conditions and mildly abnormal operating conditions, and the knowledge-driven based safe operation control under severely abnormal operating conditions. Also, major breakthroughs will be made on the key techniques of batch process end-product quality intelligent control. Meanwhile, through the building of simulation platform for end-product quality intelligent control system in hydrometallurgy, the simulation and verification of the proposed theories and methodologies in this project will be guaranteed. Finally, the proposed end-product quality intelligent control method will be applied to hydrometallurgical industry production processes actually, and the intelligentized typical batch process units with high operational cost will be realized.

间歇过程被广泛应用于湿法冶金等工业领域，为了确保其生产出的成品符合要求，有必要对间歇过程的成品质量进行控制。然而，由于实际工业现场环境复杂多变，异常工况时常出现，导致现有的成品质量控制方法难以解决实际工业生产所面临的问题。另一方面，随着收集到的批次数据量的增大，基于数据驱动的间歇过程中段修正策略也面临无法直接应用的窘境。针对上述问题，本项目拟对间歇过程成品质量智能控制系统的基本框架、运行工况的识别方法、正常及轻度异常工况下基于数据驱动的精细控制方法以及重度异常工况下基于知识驱动的安全运行控制方法等关键科学问题展开系统深入的研究，并在间歇过程成品质量智能控制关键技术上取得突破；同时，通过湿法冶金生产过程成品质量智能控制系统仿真平台的搭建，为本项目提出的理论与方法的仿真验证提供保障；最后，将所提出的成品质量智能控制方法与技术实际应用于湿法冶金工业生产过程，实现典型高成本间歇工艺单元的智能化。

间歇过程被广泛应用于金属加工、精细化工等领域，具有举足轻重的地位和作用。为了提高间歇过程的成品质量、降低生产成本、确保安全稳定运行，本项目对间歇过程的成品质量精细控制方法及安全运行控制方法进行了深入的研究，并取得如下主要研究进展：首先，提出了间歇过程成品质量智能控制系统的基本框架以及系统内部各子系统之间的协同机制，基于间歇过程的运行工况的识别方法，通过成品质量精细控制与安全运行控制的协调共存，来解决间歇过程的成品质量智能控制问题；其次，通过分析不同层次数据间的相关关系，提出建立间歇过程成品质量的多层面潜结构预测模型，同时利用局部模型库对原始间歇过程工业大数据进行替代描述，基于时间序列相似性测度实现时间序列子集的高效检索与匹配，建立未知过程数据信息的填补模型，进而实现成品质量的实时在线预测；最后，针对正常及轻度异常工况下的精细控制问题，建立分别适用于上述工况的优化模型，同时实现优化模型的在线快速求解，针对重度异常工况下的安全运行控制问题，提出基于贝叶斯网的间歇过程安全运行控制智能决策，同时结合工业大数据中的有价信息，实现决策结果的改进与完善。本项目突破了传统间歇过程成品质量控制模式，凝练出一系列高层次的科学与技术问题，为间歇过程的运行优化提供了新的理论与方法，进行了部分成果的应用研究，为实际应用与推广奠定了基础。经过四年的研发工作，取得了一系列研究成果，共发表学术论文44篇，其中，SCI检索论文30篇，EI检索论文14篇，并全部标注国家自然科学基金资助；授权国家发明专利6项；获得中国自动化学会科技进步奖一等奖1项、中国有色金属工业科学技术奖二等奖1项；培养博士研究生4名，硕士研究生10名；参加包括CAC、CCC、CCDC、CPCC等学术会议与学术交流10余人次；邀请外籍专家学术交流近10人次，邀请国外学者交流1人次，申请人于2019-2020赴美国康奈尔大学访学交流1年。