《動態環境下磨礦全流程數據驅動運行最佳化控制》是依託中國礦業大學，由代偉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：動態環境下磨礦全流程數據驅動運行最佳化控制
- 項目類別：青年科學基金項目
- 項目負責人：代偉
- 依託單位：中國礦業大學
項目摘要,結題摘要,
項目摘要
磨礦過程受礦石成分與性質、設備狀態等變化因素影響，運行工況動態時變，難以建立模型，且運行指標難以線上連續檢測，難以採用已有最佳化與控制技術實現其提質增效。本項目開展動態環境下磨礦全流程數據驅動的運行最佳化控制方法及套用研究，充分利用運行數據來設計控制系統，使其能夠及時捕獲過程的動態變化而自適應調整。具體包括：（1）研究能夠魯棒自適應學習的磨礦運行指標混合估計方法；（2）針對具有運行層和迴路層兩層不同時間尺度動態特性的磨礦全流程過程，結合提升技術與線上疊代自適應動態規劃，建立數據驅動的迴路設定值最佳化方法，從而實現磨礦整體運行最最佳化；（3）研究面向工業過程運行最佳化控制的軟體實現技術，研製組態軟體平台，通過半實物仿真與實際工業實驗驗證並完善所提方法及軟體。本項目的研究成果對於解決一類運行工況動態時變且難以建立數學模型的工業過程的提質增效問題具有重要的理論意義和實際套用價值，套用前景廣闊。
結題摘要
磨礦過程具有礦石成份與性質複雜且不穩定，運行工況動態時變，難以建立數學模型，關鍵運行指標難以線上連續測量等綜合複雜特性，本項目以磨礦過程的提質增效為目標，將新一代人工智慧技術與工業過程建模與控制深度融合，開展了動態環境下數據驅動運行最佳化控制關鍵技術研究，實現了磨礦生產全流程的自主決策與最佳化控制。首先針對實際工業磨礦過程中運行指標難以線上連續檢測的難題，研究了隨機權神經網路軟測量模型的塊增量學習、魯棒學習、集成學習、並行學習以及融合L2-fusion的自適應半監督線上學習，實現了磨礦粒度的線上智慧型感知，保證了閉環運行最佳化控制的可實施性。其次，為保證磨礦生產全流程的最優運行，採用分層控制結構，以最佳化磨礦迴路設定值為切入點，將案例推理、提升技術、模型預測控制與強化學習等人工智慧技術深度融合與協同，提出了基於案例推理增強學習的磨礦過程設定值最佳化方法，解決了動態環境下磨礦生產工況動態變化的運行最佳化控制問題；提出基於Q學習與模型預測控制的迴路設定值最佳化控制方法，解決了磨礦全流程不同時間尺度的運行最佳化控制難題；提出了模型與數據混合驅動的切換自適應運行反饋控制方法，解決了磨礦過程非線性控制的難題。最後開發了一套具有自主智慧財產權的工業過程運行最佳化控制研發設計工具，用於實現所研究的方法理論。研究成果發表學術論文28篇，其中被SCI檢索13篇，EI檢索10篇，出版學術專著1部，申請或授權發明專利11項，授權計算機軟體著作權2項，科研獲獎3項，培養研究生9人，其中畢業博士1人，畢業或即將畢業碩士8人。研究成果豐富和深化了複雜工業過程的運行最佳化控制理論，推動了基於模型和知識的先進控制技術向基於數據的智慧型控制技術的發展。雖然本項目以磨礦過程為背景，但所研究的方法理論與技術可用於解決與磨礦相類似的難以建立數學模型的工業過程在動態環境下的運行最佳化控制問題，對工業企業、高校以及科研院所均具有直接、深遠的影響。
