李曉理 王康 于秀明 蘇偉

礦渣微粉(Ground granulated blast-furnace slag,GGBS)全稱為“粒化高爐礦渣粉”,是將煉鐵高爐排出的水淬礦渣經(jīng)過超細粉磨干燥而得到的一種粉末狀產(chǎn)品.作為一種新型環(huán)保型建材,礦渣微粉按一定比例摻合,可以大大改善水泥和混凝土的強度、抗?jié)B性、耐久性、抗蝕性、抗硫酸鹽等性能[1].礦渣微粉廣泛應(yīng)用于建筑、鐵路鋪設(shè)、海底隧道等建材中.比表面積(單位質(zhì)量物料平鋪所具有的總面積)是衡量礦渣微粉質(zhì)量的重要指標.立式磨機是礦渣微粉生產(chǎn)的主要設(shè)備,?；郀t礦渣在磨機中經(jīng)過干燥粉磨,得到粒度滿足細度要求的礦渣微粉顆粒.提高礦渣微粉比表面積可增加水化反應(yīng)接觸面積,提高礦渣水化活性.比表面積越大,礦渣微粉產(chǎn)品質(zhì)量越高,單位時間內(nèi)產(chǎn)量也就越低.微粉產(chǎn)品比表面積和單位時間產(chǎn)量是礦渣微粉生產(chǎn)關(guān)注的兩大關(guān)鍵指標.

礦渣微粉在封閉的大型立磨設(shè)備中進行復雜的物理化學變化,微粉生產(chǎn)是一個非線性、強耦合、高不確定性的復雜過程,難以對其建立精確的數(shù)學模型[2].同時,礦渣微粉生產(chǎn)是一個多工況系統(tǒng),礦渣原料的不同批次、材質(zhì)、含水量,選粉機等設(shè)備的異常狀態(tài)都會使生產(chǎn)系統(tǒng)工況發(fā)生劇烈變化.傳統(tǒng)自適應(yīng)控制方法針對的被控對象是基于參數(shù)不變或緩慢變化的模型,系統(tǒng)工況的劇烈變化往往導致傳統(tǒng)控制方法超調(diào)量變大、收斂速度降低甚至控制失效.多模型自適應(yīng)控制是解決系統(tǒng)工況切換問題的有效方法,該方法基于多個模型與被控對象之間的辨識誤差,實現(xiàn)最優(yōu)模型和控制器的切換[3?4].利用神經(jīng)網(wǎng)絡(luò)逼近動態(tài)規(guī)劃問題中HJB(Hamilton-Jacobi-Bellman)方程的解和最優(yōu)控制策略,自適應(yīng)動態(tài)規(guī)劃(Adaptive dynamic programming,ADP)為求解非線性系統(tǒng)的優(yōu)化問題提供了新思路[2,5].利用多模型思想,設(shè)計多模型ADP優(yōu)化控制器,將能有效解決礦渣微粉生產(chǎn)系統(tǒng)參數(shù)跳變和工況切換問題.

如圖1所示[6],通過對先進感知、計算、通訊與控制技術(shù)的深度融合與有機協(xié)作,信息物理系統(tǒng)(Cyber-physical system,CPS)構(gòu)建人、機、物、環(huán)境等要素在物理空間和信息空間的相互映射、適時交互和高效協(xié)同,實現(xiàn)系統(tǒng)內(nèi)信息與知識的累積和迭代優(yōu)化.從2006年美國科學院發(fā)布《美國競爭力計劃》,到德國“工業(yè)4.0”、“中國制造2025”,信息物理系統(tǒng)在國內(nèi)外引起了政府和學術(shù)科技界的廣泛關(guān)注和深入研究.目前,CPS已廣泛應(yīng)用于道路交通、能源、航空航天、醫(yī)療、機器人、工業(yè)自動化、智能電網(wǎng)等領(lǐng)域[7?14].

圖1 信息物理系統(tǒng)Fig.1 Cyber-physical system

由于網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及大量基礎(chǔ)自動化設(shè)備的應(yīng)用,礦渣微粉生產(chǎn)過程中的大量數(shù)據(jù)能夠被實時獲取,這些數(shù)據(jù)包含了大量反映礦渣微粉生產(chǎn)運行和產(chǎn)量質(zhì)量等關(guān)鍵參數(shù)的潛在信息.將礦渣微粉生產(chǎn)物理系統(tǒng)與信息系統(tǒng)進行深度融合,利用信息物理系統(tǒng)特有的數(shù)據(jù)驅(qū)動、虛實映射、精確控制和系統(tǒng)自治等功能,構(gòu)成“狀態(tài)感知–實時分析–科學決策–精準執(zhí)行”的閉環(huán)賦能體系,實現(xiàn)基于CPS框架的礦渣微粉生產(chǎn)系統(tǒng)優(yōu)化控制,解決礦渣微粉生產(chǎn)過程中的工況切換和優(yōu)化控制問題.

利用礦渣微粉生產(chǎn)過程中的大量運行數(shù)據(jù),本文分析并提取出反映生產(chǎn)運行的三種典型工況—正常工況、喂料量異常和選粉機轉(zhuǎn)速異常.求解“質(zhì)量–產(chǎn)量”多目標優(yōu)化問題,獲得不同工況下的最優(yōu)設(shè)定值.利用不同工況數(shù)據(jù),分別采用遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent neural network,RNN)建立三種工況的動態(tài)模型,根據(jù)最優(yōu)設(shè)定值設(shè)計基于ADP的最優(yōu)跟蹤控制器集合,通過模型誤差,計算不同控制策略權(quán)值,構(gòu)建礦渣微粉生產(chǎn)系統(tǒng)的加權(quán)多模型控制方案.解決礦渣微粉生產(chǎn)系統(tǒng)工況切換情況下的優(yōu)化控制問題,減小系統(tǒng)超調(diào)量,改善控制品質(zhì),提升礦渣微粉生產(chǎn)整體效能.

本文結(jié)構(gòu)如下:第1節(jié)分析了礦渣微粉生產(chǎn)過程并給出了系統(tǒng)最優(yōu)控制問題描述;第2節(jié)給出了“運行過程優(yōu)化–跟蹤控制優(yōu)化”的優(yōu)化控制結(jié)構(gòu),設(shè)計多工況切換情況下的多模型ADP控制器,并給出礦渣微粉生產(chǎn)系統(tǒng)的CPS框架;第3節(jié)將多模型自適應(yīng)控制器應(yīng)用到礦渣微粉生產(chǎn)過程中,進行實驗仿真分析;第4節(jié)對全文進行了總結(jié).

1 礦渣微粉生產(chǎn)過程控制問題分析

1.1 礦渣微粉生產(chǎn)流程

如圖2所示,煉鋼煉鐵過程產(chǎn)生的礦渣經(jīng)配料設(shè)備進行配料、混合、除鐵、稱重等操作,由入料皮帶傳送至立磨.分布在立磨磨盤中央的礦渣在立式磨輥和旋轉(zhuǎn)磨盤之間的擠壓下進行粉磨并逐漸移至磨盤邊緣,自下而上的熱風將掉入磨盤邊緣與磨機邊壁縫隙的礦渣顆粒吹起并烘干.隨氣流進入磨機頂部符合粒度要求的微粉顆粒被選粉機分離出來,而粗料通過回料錐落回磨盤中央進行重新粉磨.

1.2 礦渣微粉生產(chǎn)系統(tǒng)模型

礦渣微粉單位時間產(chǎn)量和產(chǎn)品質(zhì)量是礦渣微粉生產(chǎn)過程關(guān)注的重要指標.比表面積指示微粉產(chǎn)品質(zhì)量,比表面積越大,產(chǎn)品粒徑越小,其水活性、耐腐蝕性等性能越好.國家標準分別將比表面積超過400m2/kg和500m2/kg的礦渣微粉定位S95和S105級.此外,為了保證立磨運行穩(wěn)定,磨內(nèi)壓差需要在給定范圍內(nèi)變化,以確保進出磨物料達到動態(tài)平衡.影響微粉產(chǎn)量和質(zhì)量的主要因素有:

圖2 礦渣微粉生產(chǎn)系統(tǒng)流程圖Fig.2 Flow chart of GGBS production process

1)喂料量

在入磨物料穩(wěn)定的前提下,單位時間喂料量越大,微粉產(chǎn)品產(chǎn)量越高,立磨內(nèi)累積的物料也就越多,需要減慢選粉機轉(zhuǎn)速,增大出磨量以維持磨內(nèi)壓差穩(wěn)定,造成微粉顆粒粒徑變大,產(chǎn)品質(zhì)量變差.

2)入磨熱風

入磨熱風將磨內(nèi)物料吹起烘干,并攜帶至立磨頂部進行篩選.入磨熱風采用熱風爐提供熱風,通過調(diào)節(jié)入磨冷風閥開度調(diào)節(jié)熱風溫度,氣體溫度太低,烘干能力不足,成品水分大,導致礦渣磨不細,系統(tǒng)的粉磨效率降低;風溫過高,物料由于靜電作用在立磨頂部堆積,造成產(chǎn)品顆粒變細,同時產(chǎn)量降低.入磨風量過大,大粒徑顆粒被帶入成品庫,產(chǎn)品質(zhì)量變差產(chǎn)量提高;風量過小,產(chǎn)量變小,同時只有小粒徑顆粒才能被選為成品,質(zhì)量提高.

3)選粉機轉(zhuǎn)速

實際生產(chǎn)中,入磨風量通常保持不變,選粉機轉(zhuǎn)速是調(diào)節(jié)微粉產(chǎn)品質(zhì)量的直接手段.選粉機葉片旋轉(zhuǎn)帶動物料高速旋轉(zhuǎn),在離心力的作用下,粒徑達不到標準的顆粒被甩至邊壁掉入磨盤進行重新粉磨.選粉機轉(zhuǎn)速越快,離心力越大,產(chǎn)品粒徑越小產(chǎn)量也就越低;轉(zhuǎn)速越慢,被選出的產(chǎn)品粒徑越大,產(chǎn)量越高.選粉機轉(zhuǎn)子采用了變頻調(diào)速,可以實現(xiàn)微粉質(zhì)量的平滑調(diào)整.

由于礦渣微粉生產(chǎn)過程復雜,且封閉的立磨內(nèi)部氣流和顆粒運動難以預(yù)測,目前還無法建立礦渣微粉生產(chǎn)過程的準確機理模型.通過以上分析,微粉產(chǎn)量、質(zhì)量同時受到喂料量、入磨熱風溫度、冷風閥開度、選粉機轉(zhuǎn)速等參數(shù)的影響,同時,各參數(shù)對產(chǎn)量、質(zhì)量的作用是相反的.給出如下礦渣微粉生產(chǎn)過程的動態(tài)描述:

其中,x∈R2,u∈R4,x1、x2分別為微粉比表面積和產(chǎn)量,u1、u2、u3、u4分別表示喂料量、選粉機轉(zhuǎn)速、入磨熱風溫度和冷風閥開度,θ為影響礦渣微粉生產(chǎn)的物料材質(zhì)、含水量、入磨風量等固定參數(shù).

1.3 優(yōu)化控制問題描述

礦渣微粉生產(chǎn)過程的主要控制目標是在保證系統(tǒng)穩(wěn)定性的前提下,使產(chǎn)品產(chǎn)量和質(zhì)量跟蹤上期望值.與此同時,由于實際生產(chǎn)過程中,各執(zhí)行器受到自身物理條件和工藝機理的限制,只能在給定范圍內(nèi)變化,如表1所示.

表1 各控制變量允許變化范圍Table 1 Permitted range for each variable

式(2)給出了礦渣微粉生產(chǎn)過程優(yōu)化控制問題

為了實現(xiàn)礦渣微粉生產(chǎn)過程優(yōu)化控制,最優(yōu)控制量滿足如下性能指標函數(shù)

其中,r(xe(i),ue(i))為關(guān)于狀態(tài)誤差xe(i)和控制誤差ue(i)的函數(shù).

圖3 優(yōu)化控制結(jié)構(gòu)圖Fig.3 Structure of optimal contol

2 基于CPS的礦渣微粉生產(chǎn)過程優(yōu)化控制

通過計算、網(wǎng)絡(luò)及優(yōu)化控制方法的互相協(xié)作和融合,提出一種礦渣微粉生產(chǎn)過程的信息物理系統(tǒng)框架,實現(xiàn)系統(tǒng)信息的及時監(jiān)測、可靠傳輸和優(yōu)化控制和綜合治理.如圖4所示,通過分布式數(shù)據(jù)采集系統(tǒng),生產(chǎn)過程中各傳感器數(shù)據(jù)通過現(xiàn)場總線傳輸至集成優(yōu)化控制器,通過“過程運行優(yōu)化–跟蹤控制優(yōu)化”的優(yōu)化控制方法,獲得多工況切換情況下生產(chǎn)過程的優(yōu)化控制信號,通過現(xiàn)場總線傳輸至各執(zhí)行器進行調(diào)控,從而實現(xiàn)礦渣微粉生產(chǎn)過程的優(yōu)化控制.由工業(yè)以太網(wǎng)進行數(shù)據(jù)雙向傳輸,工業(yè)觸摸屏顯示系統(tǒng)運行狀況并對生產(chǎn)運行進行現(xiàn)場監(jiān)測和控制.同時,應(yīng)用無線傳輸模塊和工業(yè)云,利用遠程計算機和移動設(shè)備對生產(chǎn)過程進行監(jiān)控.

礦渣微粉生產(chǎn)依據(jù)實際生產(chǎn)與設(shè)定值的偏差進行控制,現(xiàn)場往往根據(jù)生產(chǎn)運行狀況,憑借生產(chǎn)經(jīng)驗給定產(chǎn)量、質(zhì)量等設(shè)定值,不能充分發(fā)揮生產(chǎn)設(shè)備性能,造成產(chǎn)能和資源的浪費,影響企業(yè)效益.從生產(chǎn)數(shù)據(jù)出發(fā)進行運行過程優(yōu)化,在滿足控制變量約束條件的前提下求解“質(zhì)量–產(chǎn)量”多目標優(yōu)化問題,獲得后續(xù)跟蹤控制的優(yōu)化設(shè)定值,充分挖掘設(shè)備性能,提高生產(chǎn)效率、產(chǎn)品質(zhì)量和經(jīng)濟效益.

2.1 生產(chǎn)過程多工況描述

圖4 礦渣微粉生產(chǎn)最優(yōu)控制系統(tǒng)CPS硬件結(jié)構(gòu)Fig.4 The CPS hardware structure of GGBS production optimal control system

對濟南魯新新型建材有限公司生產(chǎn)三線2013年1月12日至5月8日2380組數(shù)據(jù)進行分析,提取出影響礦渣微粉生產(chǎn)產(chǎn)量質(zhì)量的比表面積、產(chǎn)量、磨內(nèi)壓差、喂料量、熱風溫度、冷風閥開度、選粉機轉(zhuǎn)速等數(shù)據(jù).經(jīng)過經(jīng)驗篩選,得到如表2的正常工況(記作工況1)運行數(shù)據(jù).

表2 微粉廠3號礦渣微粉生產(chǎn)線生產(chǎn)工況1運行數(shù)據(jù)Table 2 Process data for GGBS production line 3 in condition 1

根據(jù)工程師經(jīng)驗結(jié)合現(xiàn)場數(shù)據(jù),提取出礦渣微粉生產(chǎn)過程的兩種典型異常工況,工況2表示喂料量異常,與正常工況進料情況差距較大;工況3表示選粉機轉(zhuǎn)速異常.表3和表4分別為以上兩種異常工況下的生產(chǎn)數(shù)據(jù).

表3 微粉廠3號礦渣微粉生產(chǎn)線生產(chǎn)工況2運行數(shù)據(jù)Table 3 Process data for GGBS production line 3 in condition 2

表4 微粉廠3號礦渣微粉生產(chǎn)線生產(chǎn)工況3運行數(shù)據(jù)Table 4 Process data for GGBS production line 3 in condition 3

2.2 多工況情況下的設(shè)定值優(yōu)化

礦渣微粉生產(chǎn)過程優(yōu)化控制的目標是同時使產(chǎn)量最高、質(zhì)量最優(yōu),然而,礦渣微粉產(chǎn)量和質(zhì)量是兩個互相矛盾的目標.如圖5所示,提高微粉產(chǎn)量需要增大喂料量,造成進出磨壓差變大,嚴重時導致磨機振動,需要減慢選粉機轉(zhuǎn)速來增大出磨量,造成產(chǎn)品顆粒比表面積變小,質(zhì)量變差;減小產(chǎn)量需要減少喂料量,造成磨內(nèi)壓差變小,需要加快選粉機轉(zhuǎn)速減少出磨量,致使成品顆粒變細,質(zhì)量提高.

圖5 微粉參數(shù)作用機理Fig.5 Interaction among parameters of GGBS production process

因此,礦渣微粉生產(chǎn)過程可以總結(jié)為如下多目標優(yōu)化問題:

對于不同生產(chǎn)工況,其多目標優(yōu)化問題的最優(yōu)解集可能是不同的,同時,工況切換后的系統(tǒng)不一定能達到之前的最優(yōu)設(shè)定值.如圖6所示,對于三種生產(chǎn)工況,分別采用文獻[15]提出的礦渣微粉生產(chǎn)多目標優(yōu)化方法對微粉產(chǎn)品產(chǎn)量、質(zhì)量及磨內(nèi)壓差建立基于粒子群優(yōu)化的最小二乘支持向量機模型Fj,j=1,2,3.根據(jù)實際生產(chǎn)狀況、各執(zhí)行器物理條件約束及生產(chǎn)過程穩(wěn)定性要求,給出各控制變量及磨內(nèi)壓差的約束條件,得到礦渣微粉生產(chǎn)過程的多目標優(yōu)化問題(Multi-objective programming,MOP).一般來說,多目標優(yōu)化問題并不存在一個最優(yōu)解,所有可能的解都稱為非劣解,也稱為Pareto解.利用快速非支配排序遺傳算法(NSGA-II)求解不同工況下多目標優(yōu)化問題,得到關(guān)于質(zhì)量–產(chǎn)量兩個矛盾目標的Pareto最優(yōu)解集,根據(jù)客戶需求及實際生產(chǎn)設(shè)備人員狀況,從最優(yōu)解集中選取合適點作為不同工況下的最優(yōu)設(shè)定值ri,i=1,2,3.

圖6 多目標優(yōu)化設(shè)定值流程Fig.6 Flow chart of set-point optimization using multi-objective optimization algorithm

2.3 多模型自適應(yīng)控制器設(shè)計

2.3.1 遞歸神經(jīng)網(wǎng)建模

對于如下非線性系統(tǒng),

其中,x(k)∈Rn,u(k)∈Rm.

根據(jù)Stone-Weierstrass定理,上述非線性系統(tǒng)可寫成如下形式:

其中

定義模型辨識誤差

定理1[16].采用辨識策略式(9)辨識如式(5)的動態(tài)系統(tǒng),如果RNN權(quán)值按照如下更新

根據(jù)定理1,分別利用三種工況運行數(shù)據(jù),建立不同工況下的RNN模型,得到如下礦渣微粉生產(chǎn)過程的多工況描述:

其中,Mi,i=1,2,3表示不同工況系統(tǒng)模型.

2.3.2 ADP跟蹤控制器設(shè)計

假設(shè)期望軌跡為xd(k),則其滿足

進一步可得到期望控制輸入

其中,(·)+為 (·) 的偽逆.

定義控制誤差ue(k)=ud(k)?u(k)和狀態(tài)誤差xe(k)=xd(k)?x(k),根據(jù)式(11)和(13)可得

令ue滿足

至此,x(k)→xd(k),u(k)→ud(k)的最優(yōu)跟蹤控制問題轉(zhuǎn)化為xe(k)→0,ue(k)→0的最優(yōu)調(diào)節(jié)問題,可采用在線ADP實現(xiàn)系統(tǒng)的最優(yōu)跟蹤控制.

為了使控制輸入滿足約束條件,定義如下性能指標函數(shù)

設(shè)計評價網(wǎng)和執(zhí)行網(wǎng),利用梯度下降法,得到如下網(wǎng)絡(luò)權(quán)值調(diào)整律:

評價網(wǎng)權(quán)值

其中, ??c(xe(k))=?c(xe(k+1))??c(xe(k)),?c(·)=tanh(·).

執(zhí)行網(wǎng)權(quán)值

其中

可得控制誤差

最終得到控制量

對于系統(tǒng)(11),評價網(wǎng)權(quán)值和執(zhí)行網(wǎng)權(quán)值分別按照式(17)和式(18)在線調(diào)整,則可得到如式(21)的最優(yōu)控制信號.評價網(wǎng)和執(zhí)行網(wǎng)設(shè)計及穩(wěn)定性證明可參考文獻[15].對于不同工況模型(12)和最優(yōu)設(shè)定值ri,設(shè)計如下基于ADP的多控制器Ci

其中,χi(·)表示三種工況情況下基于式 (21)的ADP控制器,ui和xi分別為三個控制器的輸入輸出向量,期望軌跡為不同工況最優(yōu)設(shè)定值,即xdi=ri,i=1,2,3.

2.3.3 概率加權(quán)模型切換機制

第i個模型的與系統(tǒng)的模型誤差定義為

令

其中,0<γ<1.

第i個控制器權(quán)值pi(k),

其中,q(k)指示工況切換.得到加權(quán)形式的控制輸入

工況切換礦渣微粉生產(chǎn)系統(tǒng)的加權(quán)多模型ADP控制方案如圖7所示,利用RNN建立三種工況的數(shù)據(jù)模型(12)以覆蓋系統(tǒng)不確定性,對應(yīng)多個模型及最優(yōu)設(shè)定值設(shè)計控制輸入受限的ADP控制器集合(22),基于模型誤差,計算不同控制器權(quán)值,最終得到如式(29)的加權(quán)形式控制輸入.

2.4 基于CPS的綜合優(yōu)化控制實現(xiàn)

整合礦渣微粉生產(chǎn)物理資源、優(yōu)化控制算法、工業(yè)網(wǎng)絡(luò)、通信系統(tǒng),本文提出了一種基于CPS的礦渣微粉生產(chǎn)過程優(yōu)化控制方案.如圖8所示,冷風閥開度、喂料皮帶秤電機轉(zhuǎn)速、傳送帶稱重、選粉電機轉(zhuǎn)速、熱風溫度及微粉產(chǎn)品產(chǎn)量、質(zhì)量等傳感器信息實時上傳到以太網(wǎng),并在以太網(wǎng)中進行數(shù)據(jù)存儲和實時計算,得到基于PSO優(yōu)化的LSSVM靜態(tài)模型和基于RNN的動態(tài)模型.決策單元基于靜態(tài)模型進行多目標優(yōu)化問題求解,在人為指導或自動設(shè)定下獲得產(chǎn)量和質(zhì)量的最優(yōu)設(shè)定值,加權(quán)多模型ADP控制器根據(jù)模型誤差,計算各控制器權(quán)值,自動調(diào)整控制量,實現(xiàn)多工況切換情況下的礦渣微粉生產(chǎn)過程優(yōu)化控制決策.優(yōu)化控制信號經(jīng)以太網(wǎng)傳遞給各執(zhí)行器,構(gòu)成“感知–分析–決策–執(zhí)行”的數(shù)據(jù)閉環(huán),實現(xiàn)信息物理系統(tǒng)構(gòu)架下礦渣微粉生產(chǎn)過程的智能優(yōu)化控制.與此同時,工業(yè)以太網(wǎng)上的生產(chǎn)控制數(shù)據(jù)以報告和圖表形式傳遞給決策檢測單元,完成生產(chǎn)過程和控制決策的可視化,實現(xiàn)生產(chǎn)過程的遠程監(jiān)測和控制.

3 實驗仿真

針對三種工況數(shù)據(jù),令設(shè)定矩陣A=[0.6,0;0,0.6],激活函數(shù)?1(·),?2(·) 為雙曲正切函數(shù).根據(jù)定理1,得到式(12)中三種模型參數(shù)分別為

圖7 概率加權(quán)多模型ADP結(jié)構(gòu)Fig.7 Structure of weighted multiple model ADP

圖8 礦渣微粉生產(chǎn)過程CPS框架Fig.8 The CPS structure of GGBS production process

圖9 Pareto最優(yōu)解集Fig.9 Obtained Pareto solutions

對于正常工況采用多目標優(yōu)化算法求得的礦渣微粉生產(chǎn)過程Pareto最優(yōu)解集如圖9所示,在最優(yōu)解集內(nèi),不存在任意一點在產(chǎn)量和質(zhì)量上同時比其他點對應(yīng)的解更優(yōu).其中拐點A兩側(cè)任意方向的微小提高都會造成另一方向的大幅減小[17],取A點的解作為正常工況下最優(yōu)設(shè)定值,即期望比表面積為428.71m2/kg,期望產(chǎn)量為104.08×103kg/h.同理,獲得兩種異常情況下的最優(yōu)解集及最優(yōu)設(shè)定值,最終得到:

考慮被控對象按照如下工況變化:

3.1 單模型控制器

對于如式(30)的礦渣微粉生產(chǎn)多工況切換系統(tǒng),采用傳統(tǒng)單個ADP控制器C1,得到如圖10所示的微粉產(chǎn)量曲線.可以看出,在第150和第300時刻發(fā)生工況切換時,由于模型與工況不匹配,系統(tǒng)狀態(tài)發(fā)生突變,并且產(chǎn)品質(zhì)量不能跟蹤上期望最優(yōu)設(shè)定值.

圖10 采用控制器3時的質(zhì)量曲線Fig.10The quality curve using controller 3

3.2 多模型自適應(yīng)控制器

采用本文提出的礦渣微粉生產(chǎn)系統(tǒng)多模型自適應(yīng)控制方法,得到如圖11所示的微粉質(zhì)量曲線和如圖12所示的控制輸入曲線.在第150和300時刻發(fā)生工況切換時,微粉質(zhì)量發(fā)生突變,但仍能快速跟蹤上新工況對應(yīng)的最優(yōu)設(shè)定值且具有較小的超調(diào)量.同時,對比圖12和表1,各控制輸入均在給定的約束范圍內(nèi)變化.

多模型自適應(yīng)控制算法對礦渣微粉生產(chǎn)系統(tǒng)工況切換識別結(jié)果如圖13所示,對比式(30)可知,該算法能夠有效識別工況切換,及時對控制策略做出調(diào)整.

圖11 多模型ADP微粉質(zhì)量曲線Fig.11The quality curve using multiple model ADP

圖12 多模型ADP控制輸入曲線Fig.12The curve of control using multiple model ADP

圖14給出了礦渣微粉生產(chǎn)系統(tǒng)控制曲線界面.

4 結(jié)論

本文提出了一種基于CPS框架的礦渣微粉生產(chǎn)過程多模型ADP優(yōu)化控制方案.利用生產(chǎn)數(shù)據(jù)得到三種典型運行工況,建立并求解生產(chǎn)過程多目標優(yōu)化問題,以獲取最優(yōu)設(shè)定值.基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建多個模型以覆蓋不同工況,設(shè)計輸入受限ADP控制器,基于模型誤差計算不同控制器權(quán)值,得到加權(quán)形式的控制信號.實驗表明,提出的多模型ADP控制方案能夠有效發(fā)揮系統(tǒng)性能,提高多工況切換情況下礦渣微粉生產(chǎn)過程控制品質(zhì).同時,提出的CPS框架將礦渣微粉生產(chǎn)過程信息和物理系統(tǒng)的有效融合,實現(xiàn)了生產(chǎn)過程的遠程監(jiān)測和優(yōu)化控制.

圖13 多模型ADP工況切換識別Fig.13 Working condition identification using the multiple model ADP algorithm

圖14 礦渣微粉粉磨系統(tǒng)運行數(shù)據(jù)Fig.14 Operation data of GGBS production system