数据驱动下矿渣微粉生产过程的智能控制

Slag powder is a new type of green building materials products, has the characteristics of corrosion resistance, strong adhesion, high strength and anti scaling. Powder production can not only make slag recovery and utilization, but also bring considerable economic benefits to the enterprise, has become an important production process of iron and steel enterprises. Because it is a new industry, the current control system of powder production process is difficult to give the optimal control of the whole process, often yields low production, high cost, control system fault, even the control system failure etc.. This project will try to give a comprehensive understanding of powder production background and process, careful analysis of movement of slay particles in different air flow condition, serious study of the function relationship among the main control and controlled quantity in powder production process, and the influence of various environmental parameters (such as humidity, temperature, composition of raw material etc.) on the powder quality; a large number field measured data will be used to construct the system equivalent black or grey box model; under the satisfaction of physical constraints, an effective performance index and the optimal controller based on the different model described by different base function will be set up to improve the control quality; comprehensive consideration of various conditions of powder production, production cost and profit, energy consumption and other factors has been made, an optimal control system of slay powder production process will be given.

矿渣微粉一种新型的绿色环保型建材产品，具有耐腐蚀、粘结力强、强度高、防微缩等特点。微粉生产不但能够使矿渣得到有效回收和利用，还能给企业带来可观的经济效益，目前已经成为钢铁企业的一个重要的生产环节。由于是新兴产业，当前微粉生产过程的控制系统很难达到全流程的优化控制，常常出现产量底、成本高、控制系统故障，甚至控制系统失效的等问题。本项目全面了解微粉生产的背景和工艺，仔细分析不同空气流动情况下微粉颗粒的运动规律，认真研究微粉生产过程的主要控制量、被控量之间的函数关系，各种环境参数（如湿度、温度、原料成分等）对微粉质量的影响；基于大量的现场测量数据，构建系统等价的黑箱或灰箱模型；在满足控制量物理约束情况下，构建有效性能指标，针对基于不同函数基底描述的系统模型设计最优控制器，提高控制品质；综合考虑微粉生产的各种工况、生产成本和利润、能源消耗等多个因素，构成微粉生产全流程优化控制系统。

实现数据驱动下对矿渣微粉生产这一强耦合、多变量复杂非线性系统的智能控制，对数据驱动智能控制理论和矿渣微粉生产过程的节能增效具有重要的理论和应用价值。项目对立磨中微粉颗粒的运动机理和选粉机制做了详细研究，给出了选粉机的数学模型和相关约束条件。基于大量现场数据，设计基于粒子群优化的最小二乘支持向量机和递归神经网络建立矿渣微粉生产过程的静态、动态模型。将提高微粉产量和质量作为控制目标，结合实际控制约束，得到了微粉生产过程的多目标优化问题，采用快速非支配排序遗传算法得到Pareto最优解集，并选取合适解作为最优设定值。针对微粉生产执行器受饱和约束的问题，引入非二次型指标函数，给出改进自适应动态规划跟踪控制方案，在保证微粉生产各控制输入在约束范围之内的同时，使控制输出有效跟踪期望轨迹。针对矿渣微粉生产多工况运行的特点，采用自适应动态规划方法，建立多个控制器，结合加权多模型控制机理，实现矿渣微粉生产过程在多工况切换情况下的自适应控制。同时，设计网络结构自调整的OEM-ELM控制器，简化控制器结构的同时有效提高跟踪控制的快速性。在保证生产安全和产品质量、产量达标的情况下，综合考虑生产线总体的生产效率和经济效益等优化指标，利用生产运行数据，给出矿渣微粉生产过程的全流程优化控制方案。通过过程运行优化、跟踪控制优化、通讯、工业以太网等信息资源与矿渣微粉生产物理资源之间的融合，构建基于信息物理系统的矿渣微粉生产优化控制系统。本项目的研究，为基于数据的建模、优化与控制提供了一种有效的方法，提出的 “过程运行优化-跟踪控制优化”的优化控制结构，完善了控制输入有界、被控对象多工况运行情况下的控制器设计，为非线性系统的数据驱动控制提供了一种新的途径。同时本项研究已经在实验室对矿渣微粉生产系统进行了仿真研究，取得了良好的效果，项目成果对实现矿渣微粉生产等复杂工业过程的全流程优化控制具有重要的借鉴意义和应用价值。