崔家瑞,李文浩,蘇成果,曹 斌,黃若愚,楊 旭,李 擎

(1.北京科技大學(xué) 自動(dòng)化學(xué)院，北京 100083；2.中鋁智能科技發(fā)展有限公司，浙江 杭州 311100；3.貴陽(yáng)鋁鎂設(shè)計(jì)研究院有限公司，貴州 貴陽(yáng) 550003)

隨著制造強(qiáng)國(guó)戰(zhàn)略的全面推進(jìn)與實(shí)施，以大數(shù)據(jù)、物聯(lián)網(wǎng)、信息物理系統(tǒng)和數(shù)字孿生等新技術(shù)推動(dòng)傳統(tǒng)流程行業(yè)生產(chǎn)、管理和營(yíng)銷(xiāo)模式變革，是我國(guó)制造業(yè)的首要任務(wù)，而鋁電解工業(yè)作為典型的傳統(tǒng)流程行業(yè)是具有戰(zhàn)略意義的國(guó)民經(jīng)濟(jì)支撐性行業(yè)，其智能制造面臨著缺乏頂層設(shè)計(jì)，缺乏統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，缺乏精確的全要素?cái)?shù)學(xué)模型描述，裝備智能化水平不足等一系列的問(wèn)題。因此，實(shí)施“鋁電解過(guò)程智能制造”是中國(guó)智能制造2025的戰(zhàn)略需要，也是鋁電解行業(yè)節(jié)能增效，實(shí)現(xiàn)可持續(xù)發(fā)展的必然趨勢(shì)，已成為企業(yè)增強(qiáng)生存能力的源動(dòng)力。如何解決鋁電解過(guò)程智能制造，已成為學(xué)術(shù)界共同關(guān)注的科學(xué)問(wèn)題[1-3]。

我國(guó)是電解鋁生產(chǎn)大國(guó)，2020年產(chǎn)量創(chuàng)下年度最高紀(jì)錄，達(dá)到了3708萬(wàn)噸，超過(guò)全球產(chǎn)量的55%。但實(shí)際生產(chǎn)電耗與理論電耗(6700 kWh/t-Al)差距較大，實(shí)際電流效率為94%左右，比國(guó)外低2%～3%，槽壽命在2400～2500天，比國(guó)外少1～2年，噸鋁CO2排放約1600 kg，比國(guó)外高0.5～1 t。為推動(dòng)鋁行業(yè)技術(shù)進(jìn)步和高質(zhì)量發(fā)展，實(shí)現(xiàn)鋁電解行業(yè)安全高效、節(jié)能降耗、綠色循環(huán)的發(fā)展目標(biāo)，2020年2月28日工業(yè)和信息化部發(fā)布了《鋁行業(yè)規(guī)范條件》[4]，對(duì)提升鋁電解生產(chǎn)技術(shù)指標(biāo)進(jìn)行了強(qiáng)制性規(guī)定。2021年3月《政府工作報(bào)告》指出：要扎實(shí)做好碳達(dá)峰、碳中和各項(xiàng)工作，電解鋁行業(yè)作為有色金屬工業(yè)實(shí)現(xiàn)“碳達(dá)峰”的重要領(lǐng)域，中國(guó)有色金屬工業(yè)協(xié)會(huì)黨委書(shū)記葛紅林指出：要不斷推動(dòng)技術(shù)創(chuàng)新，提高智能化水平，持續(xù)優(yōu)化工藝過(guò)程控制，進(jìn)一步降低能耗、物耗，降低行業(yè)碳排放強(qiáng)度。因此，提升鋁電解生產(chǎn)智能化水平和技術(shù)指標(biāo)已成為行業(yè)參與國(guó)際競(jìng)爭(zhēng)和可持續(xù)發(fā)展的緊迫需要。

隨著技術(shù)手段的升級(jí)，大型鋁電解槽已成為各企業(yè)的核心生產(chǎn)線。據(jù)統(tǒng)計(jì)，2018年，400 kA系列的大型鋁電解槽已占所有投產(chǎn)電解槽的70%以上[5]，各種500 kA、600 kA級(jí)的超大型鋁電解槽也不斷在投產(chǎn)[6-7]。然而，電解槽的大型化導(dǎo)致槽內(nèi)分布式氧化鋁濃度、分布式電解質(zhì)溫度等的控制難度增加，槽內(nèi)關(guān)鍵參數(shù)的空間分布不均勻已成為企業(yè)普遍關(guān)注并急需解決的問(wèn)題。

本文綜述了鋁電解能量平衡、氧化鋁濃度預(yù)測(cè)與控制、陽(yáng)極效應(yīng)預(yù)報(bào)等關(guān)鍵模型的研究現(xiàn)狀和存在的問(wèn)題；探討了數(shù)字化鋁電解槽智能制造系統(tǒng)框架；給出了構(gòu)建大型鋁電解槽全要素模型的技術(shù)路線，并從企業(yè)技術(shù)改造與升級(jí)角度給出了鋁電解智能制造系統(tǒng)實(shí)現(xiàn)的軟硬件實(shí)現(xiàn)框架。

1 鋁電解生產(chǎn)過(guò)程中的關(guān)鍵模型研究現(xiàn)狀

長(zhǎng)期以來(lái)，由于鋁電解生產(chǎn)機(jī)理復(fù)雜和環(huán)境惡劣，槽控制僅依靠單一電壓在線檢測(cè)和輔助的離線檢測(cè)，信息不完備、不及時(shí)，導(dǎo)致不能支持生產(chǎn)全過(guò)程工藝參數(shù)深度優(yōu)化。因此，國(guó)內(nèi)外學(xué)者深入研究了鋁電解過(guò)程如能量平衡、氧化鋁濃度軟測(cè)量與控制、陽(yáng)極效應(yīng)等建模問(wèn)題，并取得了一系列成果。

1.1 能量平衡模型

鋁電解槽各部分的能量收支狀況能夠有效分析與評(píng)價(jià)鋁電解槽的生產(chǎn)操作制度是否合理、工藝技術(shù)條件選擇是否恰當(dāng)、電解槽的運(yùn)行工況是否良好。能量平衡作為鋁電解生產(chǎn)的重要基礎(chǔ)條件，獲得了廣泛的研究。

文獻(xiàn)[8]分析了氧化鋁加料過(guò)程中的熱量平衡,以及加料量、氧化鋁預(yù)熱溫度、電解液溫度、過(guò)熱度對(duì)溶解過(guò)程的影響。文獻(xiàn)[9]用誤差協(xié)方差矩陣的平方根代替無(wú)跡Kalman神經(jīng)網(wǎng)絡(luò)算法的協(xié)方差陣，建立了基于SRT UKFNN(Strong tracking square root unscented Kalman filter neural network)的電解槽工藝能耗動(dòng)態(tài)演化模型。在此基礎(chǔ)上，文獻(xiàn)[10]利用改進(jìn)的動(dòng)態(tài)隨機(jī)化測(cè)驗(yàn)對(duì)鋁電解節(jié)能模型連接權(quán)進(jìn)行顯著性檢驗(yàn)，為分析節(jié)能模型參數(shù)關(guān)系和優(yōu)化節(jié)能模型提供了一種有效途徑。文獻(xiàn)[11]采用基于無(wú)跡卡爾曼濾波和強(qiáng)跟蹤濾波的前饋神經(jīng)網(wǎng)絡(luò)算法建立了鋁電解過(guò)程能耗模型。文獻(xiàn)[12]以提高鋁電解生產(chǎn)的電流效率、降低能耗和氟化物排放為多目標(biāo)優(yōu)化指標(biāo)，采用細(xì)菌覓食算法對(duì)其進(jìn)行求解，得到了電解槽的最優(yōu)操作方式。文獻(xiàn)[13]在保證鋁電解槽熱穩(wěn)定性的同時(shí)，采用統(tǒng)計(jì)方法優(yōu)化了鋁水平和分子比，通過(guò)6臺(tái)試驗(yàn)槽和6臺(tái)對(duì)比槽的實(shí)驗(yàn)，獲得了較好的電解槽能耗指標(biāo)。文獻(xiàn)[14]采用有限元方法開(kāi)發(fā)了鋁電解槽熱電模型，并對(duì)實(shí)際電解槽中的熱測(cè)量進(jìn)行了充分驗(yàn)證。在此基礎(chǔ)上，文獻(xiàn)[15]考慮有限元模型中實(shí)體的位移和邊界，開(kāi)發(fā)了一種新的工業(yè)鋁電解槽熱電建模策略。

雖然對(duì)鋁電解槽能耗模型進(jìn)行了深入研究，但是只是針對(duì)單一層級(jí)的模型進(jìn)行研究，未考慮多個(gè)模型之間的交互關(guān)系和槽內(nèi)空間分布特性，同時(shí)由于存在周期性的出鋁、換極等必不可少的人工介入，使得現(xiàn)有成果無(wú)法直接應(yīng)用到對(duì)鋁電解槽的能量平衡管理與控制。

1.2 氧化鋁濃度模型

(1)氧化鋁濃度控制模型

氧化鋁濃度作為鋁電解生產(chǎn)的核心參數(shù)，其控制問(wèn)題一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。經(jīng)過(guò)近30年的發(fā)展，其控制方法不斷推陳出新，主要集中在自適應(yīng)控制[16]、槽電阻斜率控制[17-18]、智能跟蹤控制[19]、模糊專(zhuān)家系統(tǒng)控制[20-21]、最優(yōu)控制[22]、以及多種方法的綜合控制[23-24]等。2018年，文獻(xiàn)[25]將電解質(zhì)分子比作為約束，根據(jù)經(jīng)驗(yàn)規(guī)則對(duì)氧化鋁濃度進(jìn)行控制。2019年，文獻(xiàn)[26]采用廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)辨識(shí)氧化鋁濃度模型，并設(shè)計(jì)了模糊小腦模型神經(jīng)網(wǎng)絡(luò)(FCMAC)控制器對(duì)其進(jìn)行控制。

然而，由于電解槽檢測(cè)數(shù)據(jù)信息不完備、不及時(shí)，導(dǎo)致氧化鋁濃度控制沒(méi)有更深層次的突破。

(2)氧化鋁濃度軟測(cè)量模型

近年來(lái)，國(guó)內(nèi)外學(xué)者將重心轉(zhuǎn)移到氧化鋁濃度的在線測(cè)量與預(yù)測(cè)研究。但絕大多數(shù)都是針對(duì)整臺(tái)槽的集中式測(cè)量與預(yù)測(cè)，且均是基于槽電壓、槽電流等相對(duì)容易在線檢測(cè)的物理量[27-29]。除此之外，大量的文獻(xiàn)均集中在采用神經(jīng)網(wǎng)絡(luò)[30]、支持向量機(jī)[31-33]、KPIs[34]、深度信念網(wǎng)絡(luò)[35]等軟測(cè)量方法。隨著陽(yáng)極導(dǎo)桿分布電流、陰極鋼棒分布溫度等鋁電解槽參數(shù)分布式在線測(cè)量裝置的廣泛應(yīng)用[36-38]，獲得了大量的鋁電解分布式參數(shù)信息，基于這些分布式參數(shù)和數(shù)據(jù)，一些文獻(xiàn)將氧化鋁濃度集中式在線測(cè)量推廣到分布式在線檢測(cè)[39-41]。

然而，由于大型鋁電解槽具有極強(qiáng)的空間分布特性和多參數(shù)耦合性，現(xiàn)有方法距離真正實(shí)用還有一定的距離，同時(shí)還要求必須協(xié)同設(shè)定多個(gè)關(guān)鍵參數(shù)，才能保證電解槽穩(wěn)定高效生產(chǎn)。

1.3 陽(yáng)極效應(yīng)模型

陽(yáng)極效應(yīng)分為計(jì)劃性和非計(jì)劃性。計(jì)劃性陽(yáng)極效應(yīng)可有效消除氧化鋁沉淀，提高電解槽壽命，因此，電解鋁企業(yè)均設(shè)定有計(jì)劃性的陽(yáng)極效應(yīng)。而非計(jì)劃性陽(yáng)極效應(yīng)是由于氧化鋁濃度等參數(shù)異常導(dǎo)致的，伴隨有巨大的能耗和氟化物排放。因此，各企業(yè)均在想方設(shè)法避免非計(jì)劃性的陽(yáng)極效應(yīng)的預(yù)報(bào)。國(guó)內(nèi)外學(xué)者關(guān)于陽(yáng)極效應(yīng)的機(jī)理和預(yù)報(bào)均作了一些工作，如文獻(xiàn)[42-44]基于陽(yáng)極效應(yīng)發(fā)生機(jī)理，通過(guò)槽電壓、槽電阻等參量進(jìn)行預(yù)測(cè)。文獻(xiàn)[45-46]分別采用廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network)和光梯度提升機(jī)(Light Gradient Boosting Machine)提出了陽(yáng)極效應(yīng)預(yù)測(cè)方法。文獻(xiàn)[47]將斜率變化趨勢(shì)的預(yù)測(cè)和槽電阻的累積斜率以及使用相似性搜索技術(shù)獲得的有用知識(shí)用作計(jì)算陽(yáng)極效應(yīng)的主要標(biāo)準(zhǔn)預(yù)測(cè)可靠性，累積質(zhì)量偏差值用作調(diào)整陽(yáng)極效應(yīng)預(yù)測(cè)可靠性的輔助標(biāo)準(zhǔn)，提出了陽(yáng)極效應(yīng)協(xié)作二維預(yù)測(cè)模型。文獻(xiàn)[48]提出了一種基于核字典學(xué)習(xí)的故障檢測(cè)與隔離方法，并應(yīng)用于鋁電解槽陽(yáng)極效應(yīng)預(yù)測(cè)。

相對(duì)于全局陽(yáng)極效應(yīng)，局部效應(yīng)的研究相對(duì)較少，直到2018年才逐漸引起國(guó)內(nèi)外學(xué)者的關(guān)注。文獻(xiàn)[49]通過(guò)分析氧化鋁濃度分布機(jī)理和電解槽電氣模型研究了局部效應(yīng)預(yù)測(cè)問(wèn)題，并用仿真器進(jìn)行了模擬驗(yàn)證。2020年，文獻(xiàn)[50]采用陽(yáng)極導(dǎo)桿分布電流開(kāi)發(fā)了一種局部陽(yáng)極效應(yīng)檢測(cè)模型，并使用實(shí)際電解槽數(shù)據(jù)進(jìn)行了驗(yàn)證，可以更早地預(yù)測(cè)全局陽(yáng)極效應(yīng)。

雖然陽(yáng)極效應(yīng)的研究已有許多研究成果，但很少有文獻(xiàn)針對(duì)大型電解槽的內(nèi)部時(shí)空分布特性研究局部效應(yīng)分布與全局效應(yīng)的關(guān)系。由于局部效應(yīng)容易導(dǎo)致電解槽局部不穩(wěn)定(鋁液波動(dòng)劇烈、甚至滾鋁等)，而且耗能增加，現(xiàn)已成為電解鋁企業(yè)急需解決的關(guān)鍵問(wèn)題之一。文獻(xiàn)[51]基于鋁電解槽陽(yáng)極導(dǎo)桿分布電流數(shù)據(jù)探討了局部效應(yīng)與全局效應(yīng)的關(guān)系。

2 面向智能制造的鋁電解槽系統(tǒng)框架

結(jié)合流程工業(yè)智能優(yōu)化制造系統(tǒng)路線圖[2]和企業(yè)亟需解決的問(wèn)題可知，面向智能制造的鋁電解槽應(yīng)具有深度融合過(guò)程機(jī)理知識(shí)、運(yùn)行數(shù)據(jù)和操作經(jīng)驗(yàn)進(jìn)行自我建模、自我調(diào)度、自我優(yōu)化與全槽信息可視化等特征。因此，借助于人-信息-物理系統(tǒng)和數(shù)字孿生等新技術(shù)[52-54]，構(gòu)建了面向智能制造的鋁電解槽系統(tǒng)框架，如圖1所示。

圖1 鋁電解槽智能制造系統(tǒng)框架

該架構(gòu)滿(mǎn)足人-信息-物理系統(tǒng)(HCPS)系統(tǒng)的基本特征。物理系統(tǒng)包括實(shí)際生產(chǎn)用的鋁電解槽、執(zhí)行機(jī)構(gòu)、智能感知系統(tǒng)等載體；信息系統(tǒng)主要包括鋁電解槽全要素模型、大數(shù)據(jù)平臺(tái)、智能決策與優(yōu)化和多維度智能控制等；人機(jī)協(xié)同主要是將人的知識(shí)、經(jīng)驗(yàn)等具有AI特征的信息與實(shí)際生產(chǎn)中的數(shù)據(jù)進(jìn)行融合并決策出最優(yōu)的控制方案。

3 大型鋁電解槽全要素模型的技術(shù)路線

針對(duì)我國(guó)電解鋁行業(yè)的智能制造需求，以提升產(chǎn)品質(zhì)量穩(wěn)定性、提高生產(chǎn)效率、降低生產(chǎn)成本與碳排放，加快電解鋁行業(yè)轉(zhuǎn)型升級(jí)為應(yīng)用目標(biāo)，將先進(jìn)信息化與傳統(tǒng)鋁電解技術(shù)深度融合，提出基于數(shù)字孿生和實(shí)體數(shù)據(jù)交互的鋁電解槽全要素精確建模方法，建立鋁電解槽分布式全要素精準(zhǔn)模型，形成槽內(nèi)信息的可視化技術(shù)及應(yīng)用案例，為實(shí)現(xiàn)新一代新型電解槽控制系統(tǒng)提供必備的理論方法與技術(shù)支撐。其技術(shù)路線如圖2所示。

圖2 鋁電解槽全要素精準(zhǔn)模型技術(shù)路線框圖

該技術(shù)路線包括目標(biāo)、理論主體、關(guān)鍵技術(shù)與解決方案和工業(yè)應(yīng)用四個(gè)方面。

3.1 理論主體

理論主體主要包括4個(gè)研究?jī)?nèi)容，第四個(gè)研究?jī)?nèi)容是在前三個(gè)研究?jī)?nèi)容基礎(chǔ)上，基于KPIs進(jìn)行融合得到的。由于目前各鋁電解企業(yè)對(duì)電解槽檢測(cè)機(jī)構(gòu)、控制與執(zhí)行機(jī)構(gòu)均未進(jìn)行改造升級(jí)，因此，這里的理論研究?jī)?nèi)容僅處于仿真驗(yàn)證和槽內(nèi)單點(diǎn)試驗(yàn)驗(yàn)證階段。四個(gè)研究?jī)?nèi)容詳細(xì)描述如下。

(1)分布式電熱平衡模型研究

熱平衡是發(fā)揮電解槽能力和潛力的保證。分析大型鋁電解槽內(nèi)各組成部分的電、熱特性、電解過(guò)程中吸熱和放熱反應(yīng)機(jī)理，研究不同環(huán)境、不同配方、不同電流等多種外部條件對(duì)電熱平衡的影響機(jī)理，提取電熱平衡關(guān)鍵參數(shù)特征，建立鋁電解槽分布式電熱平衡模型。

(2)氧化鋁濃度分布式預(yù)測(cè)與控制模型研究

綜合考慮電解槽內(nèi)多相-多場(chǎng)的耦合性和空間分布性，結(jié)合擴(kuò)散機(jī)理，考慮擴(kuò)散速度、擴(kuò)散范圍，配方、槽子形狀等因素，基于多智能體理論和協(xié)同控制方法，建立氧化鋁濃度分布式預(yù)測(cè)與控制模型。

(3)分布式陽(yáng)極效應(yīng)逐發(fā)預(yù)報(bào)模型研究

分析陽(yáng)極效應(yīng)的表觀特征，定義局部效應(yīng)因子，在此基礎(chǔ)上，采用機(jī)理與數(shù)據(jù)相結(jié)合的方法，分析局部陽(yáng)極效應(yīng)與全局陽(yáng)極效應(yīng)的關(guān)系，基于機(jī)器學(xué)習(xí)的方法，建立分布式陽(yáng)極效應(yīng)逐發(fā)預(yù)報(bào)模型。

(4)分布式全要素精準(zhǔn)控制模型研究

考慮鋁電解槽是一個(gè)電、磁、熱、流、力等多個(gè)物理場(chǎng)與物料分布間交互耦合的過(guò)程，且生產(chǎn)過(guò)程中存在固定周期的人工干預(yù)，因此，首先定義能夠表征這些參數(shù)與人工干預(yù)的關(guān)鍵績(jī)效指標(biāo)；然后，在數(shù)字孿生框架下，基于分布式狀態(tài)融合卡爾曼濾波與協(xié)同優(yōu)化方法，以關(guān)鍵績(jī)效指標(biāo)為控制指標(biāo)，結(jié)合現(xiàn)場(chǎng)數(shù)據(jù)和鋁電解知識(shí)庫(kù)，建立鋁電解槽分布式全要素精準(zhǔn)模型。

3.2 關(guān)鍵技術(shù)及解決方案

(1)分布式電熱平衡模型研究

針對(duì)大型槽熱量分布不均勻?qū)е碌臒犭娛Ш鈫?wèn)題，采用知識(shí)-機(jī)理-數(shù)據(jù)混合驅(qū)動(dòng)的方法建立鋁電解槽分布式電熱平衡模型。首先，采用理論分析與實(shí)驗(yàn)測(cè)量相結(jié)合的方法，根據(jù)焦耳熱效應(yīng)原理和電化學(xué)理論，分析電解槽各組成部分的電、熱特性、電解過(guò)程中吸熱和放熱反應(yīng)機(jī)理，研究不同環(huán)境、不同配方、不同電流等多種外部條件對(duì)電熱平衡的影響機(jī)理，得到初始機(jī)理模型；其次，根據(jù)專(zhuān)家經(jīng)驗(yàn)，基于熱傳導(dǎo)方程的數(shù)值模型分析陽(yáng)極覆蓋料熔化引起的空腔形狀和電解過(guò)程引起的槽幫形狀的演化過(guò)程，得到專(zhuān)家知識(shí)模型；再次，根據(jù)現(xiàn)場(chǎng)生產(chǎn)的正常生產(chǎn)、出鋁、換極、升降母線、陽(yáng)極效應(yīng)等工況的特征，將機(jī)理模型與知識(shí)模型進(jìn)行加權(quán)得到知識(shí)-機(jī)理模型，接著，采用模糊聚類(lèi)等人工智能方法對(duì)現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)(包括機(jī)理模型中的實(shí)體位移和移動(dòng)邊界，融入陽(yáng)極覆蓋料空腔、槽幫形狀和陽(yáng)極壽命)進(jìn)行處理，提取規(guī)則，得到數(shù)據(jù)模型；然后，利用數(shù)據(jù)模型對(duì)知識(shí)-機(jī)理模型進(jìn)行修正，得到電熱平衡模型的知識(shí)-機(jī)理-數(shù)據(jù)混合驅(qū)動(dòng)的期望模型；最后，采用STA等優(yōu)化算法進(jìn)行權(quán)重優(yōu)化，得到最終的電解槽分布式熱電平衡模型，基于Python和ANSYS軟件對(duì)模型進(jìn)行仿真驗(yàn)證，并預(yù)留參數(shù)輸入接口，為可視化平臺(tái)研制提供必備模型組件。建模流程圖如圖3所示。

圖3 建立鋁電解槽分布式電熱平衡模型流程圖

該模型能夠動(dòng)態(tài)反映鋁電解槽內(nèi)槽幫形狀，并分析其動(dòng)態(tài)變化過(guò)程，實(shí)現(xiàn)鋁電解槽漏槽等故障的預(yù)報(bào)，解決企業(yè)密切關(guān)切的漏槽預(yù)測(cè)問(wèn)題。

該研究?jī)?nèi)容目前完成了參數(shù)的設(shè)定和機(jī)理模型的驗(yàn)證，后續(xù)需要在分布式檢測(cè)裝置的采集數(shù)據(jù)的基礎(chǔ)上進(jìn)行數(shù)據(jù)-機(jī)理的混合建模研究。

(2)氧化鋁濃度分布式預(yù)測(cè)與控制模型研究

首先，將電解槽陽(yáng)極導(dǎo)桿按照下料口分布劃分成不同的控制區(qū)域(簡(jiǎn)稱(chēng)自治區(qū)域)，每個(gè)區(qū)域均可以看作智能體；其次，針對(duì)各自治區(qū)域?qū)⒒跀?shù)據(jù)的氧化鋁濃度軟測(cè)量模型與吸放熱反應(yīng)模型相結(jié)合，形成單自治區(qū)域無(wú)耦合模型；再次，基于有向圖理論，考慮不同自治區(qū)域的時(shí)空關(guān)聯(lián)性，建立整臺(tái)槽的氧化鋁濃度的分布式預(yù)測(cè)模型；接著，考慮到單個(gè)下料口與相鄰下料口之間的空間分布特性和耦合性，定義各下料口下料器的輸入約束矩陣，基于DMPC(Distributed model predictive control)算法，實(shí)現(xiàn)以下料口為單位的氧化鋁濃度自治區(qū)域間的協(xié)同控制[55]；最后，通過(guò)滾動(dòng)優(yōu)化與反饋校正，實(shí)現(xiàn)基于未來(lái)預(yù)測(cè)時(shí)間段內(nèi)的整體最優(yōu)控制，從而保證整臺(tái)槽的氧化鋁濃度全局最優(yōu)。擬建立的氧化鋁濃度分布式預(yù)測(cè)與控制模型框圖如圖4所示。

圖4 氧化鋁濃度分布式預(yù)測(cè)與控制模型框圖

由多智能體理論，可以將上述問(wèn)題描述為每個(gè)智能體的動(dòng)態(tài)模型是同質(zhì)的線性系統(tǒng)，且每個(gè)智能體跟蹤同一個(gè)目標(biāo)[56]。

氧化鋁濃度分布式預(yù)測(cè)模型能夠得到鋁電解槽內(nèi)空間下料口所轄區(qū)域的氧化鋁濃度分布情況，并揭示各下料口之間的耦合關(guān)系。氧化鋁濃度分布式控制模型則能夠通過(guò)單點(diǎn)下料控制實(shí)現(xiàn)氧化鋁濃度在槽內(nèi)空間的均勻分布，保證鋁電解槽的高效穩(wěn)定運(yùn)行。

該研究?jī)?nèi)容目前完成了氧化鋁濃度分布式預(yù)測(cè)模型的仿真驗(yàn)證，進(jìn)入了現(xiàn)場(chǎng)實(shí)驗(yàn)驗(yàn)證階段，氧化鋁濃度分布式控制模型也完成了現(xiàn)場(chǎng)濃度控制的階躍響應(yīng)模型試驗(yàn)階段。

(3)分布式陽(yáng)極效應(yīng)逐發(fā)預(yù)報(bào)模型研究

首先，通過(guò)電解鋁廠提供的歷史數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘與關(guān)聯(lián)性分析，得到陽(yáng)極效應(yīng)的表觀特征；然后，借助于鋁電解槽分布式電氣模型信息和氧化鋁濃度分布信息，提出一種基于核函數(shù)極限學(xué)習(xí)機(jī)的分布式陽(yáng)極效應(yīng)預(yù)測(cè)方法，使用核函數(shù)極限學(xué)習(xí)機(jī)構(gòu)建分布式陽(yáng)極效應(yīng)預(yù)測(cè)模型；最后，通過(guò)構(gòu)建局部陽(yáng)極效應(yīng)與全局效應(yīng)之間的變換矩陣，將全局效應(yīng)預(yù)測(cè)問(wèn)題轉(zhuǎn)換為分類(lèi)問(wèn)題，并利用XGBoost等機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，建立分布式陽(yáng)極效應(yīng)逐發(fā)預(yù)報(bào)模型?；玖鞒倘鐖D5所示。

圖5 陽(yáng)極效應(yīng)逐發(fā)預(yù)報(bào)基本流程框圖

該模型能夠有效檢測(cè)鋁電解槽的局部效應(yīng)特征，并演化出局部效應(yīng)發(fā)展到全局效應(yīng)的完整路徑，揭示全局陽(yáng)極效應(yīng)與局部效應(yīng)的關(guān)系，并預(yù)報(bào)非計(jì)劃性陽(yáng)極效應(yīng)發(fā)生的概率，有效降低非計(jì)劃性效應(yīng)發(fā)生次數(shù)。

該研究?jī)?nèi)容目前還處于起步階段，通過(guò)現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)，初步驗(yàn)證了局部陽(yáng)極效應(yīng)與陽(yáng)極分布電流之間的關(guān)系。在該研究?jī)?nèi)容的基礎(chǔ)上，實(shí)現(xiàn)陽(yáng)極效應(yīng)的主動(dòng)熄滅方法將是未來(lái)的一個(gè)重要研究方向。

(4)鋁電解槽分布式全要素精準(zhǔn)控制模型研究

首先，基于鋁電解過(guò)程的電化學(xué)理論，分析生產(chǎn)過(guò)程中各關(guān)鍵參數(shù)的相互關(guān)系，并結(jié)合鋁電解生產(chǎn)技術(shù)與管理方法，定義出精準(zhǔn)反映鋁電解槽狀態(tài)的性能指標(biāo)和質(zhì)量指標(biāo)，即KPIs；其次，由于各性能指標(biāo)和質(zhì)量指標(biāo)采樣周期的不一致性，將上述三種模型根據(jù)采樣形式進(jìn)行分類(lèi)，針對(duì)快采樣指標(biāo)，采用均方根無(wú)跡卡爾曼濾波算法進(jìn)行預(yù)處理，針對(duì)慢采樣和延時(shí)采樣指標(biāo)，采用改進(jìn)卡爾曼濾波算法進(jìn)行預(yù)處理；如果在時(shí)刻k沒(méi)有慢采樣過(guò)程測(cè)量值，僅有快速采樣測(cè)量值，則僅使用快速采樣測(cè)量值來(lái)估計(jì)當(dāng)前狀態(tài)；最后，當(dāng)快采樣過(guò)程和慢采樣過(guò)程數(shù)據(jù)均得到時(shí)，則基于分布式狀態(tài)融合卡爾曼濾波算法，對(duì)性能指標(biāo)和質(zhì)量指標(biāo)進(jìn)行融合，建立鋁電解槽分布式全要素精準(zhǔn)控制模型。如圖6所示。

圖6 鋁電解槽分布式全要素模型建模基本流程框圖

該模型綜合考慮了鋁電解生產(chǎn)的性能能標(biāo)和質(zhì)量指標(biāo)，如生產(chǎn)效率、槽穩(wěn)定性、生產(chǎn)質(zhì)量等多個(gè)生產(chǎn)指標(biāo)，能夠?qū)崿F(xiàn)鋁電解槽在滿(mǎn)足多個(gè)生產(chǎn)指標(biāo)要求的條件下處于最優(yōu)或者次優(yōu)運(yùn)行的狀態(tài)，有效增強(qiáng)槽穩(wěn)定性，延長(zhǎng)槽壽命，為鋁電解企業(yè)提供多種指標(biāo)條件下的電解槽運(yùn)行參數(shù)的優(yōu)化策略與建議。

該研究?jī)?nèi)容目前還處于KPIs的定義階段，KPIs的定義需要根據(jù)不同企業(yè)的不同生產(chǎn)指標(biāo)進(jìn)行自由定制。

4 鋁電解智能制造的軟硬件實(shí)現(xiàn)框架

為了保證鋁電解行業(yè)的鋁電解智能制造順利落地，需要將面向智能制造的鋁電解槽全要素模型研究成果集成到企業(yè)的現(xiàn)有生產(chǎn)管理系統(tǒng)中，并對(duì)現(xiàn)有生產(chǎn)管理系統(tǒng)進(jìn)行技術(shù)改造與升級(jí)。因此，提出了如圖7所示的鋁電解智能制造技術(shù)實(shí)現(xiàn)總體框架及其軟硬件架構(gòu)。

雖然圖7中的部分硬件裝備和軟件系統(tǒng)已有企業(yè)在試驗(yàn)，但功能相對(duì)單一、智能化程度不足，無(wú)法滿(mǎn)足智能制造系統(tǒng)的要求。目前，貴陽(yáng)鋁鎂設(shè)計(jì)研究院有限公司牽頭研發(fā)的鋁電解智能制造系統(tǒng)已在遵義鋁業(yè)股份有限公司的400 kA系列電解槽上進(jìn)行了試驗(yàn)，該系統(tǒng)包含了總體框架中的7個(gè)層面，除了網(wǎng)絡(luò)基礎(chǔ)設(shè)施、數(shù)據(jù)融合平臺(tái)、移動(dòng)應(yīng)用平臺(tái)、工業(yè)安全系統(tǒng)的全面部署外，還包含了電流分布在線檢測(cè)、陰極溫度在線檢測(cè)、兩水平在線檢測(cè)、槽電壓在線檢測(cè)等過(guò)程檢測(cè)系統(tǒng)，局部陽(yáng)極效應(yīng)預(yù)警裝置、單點(diǎn)下料裝置、巡檢機(jī)器人等控制與執(zhí)行機(jī)構(gòu)，計(jì)算/存儲(chǔ)/備份資源、數(shù)據(jù)解析、學(xué)習(xí)算法/知識(shí)庫(kù)等集中管控系統(tǒng)。

圖7 鋁電解智能制造系統(tǒng)實(shí)現(xiàn)總體及軟硬件架構(gòu)

5 結(jié) 語(yǔ)

通過(guò)對(duì)鋁電解生產(chǎn)過(guò)程中的能量平衡、氧化鋁濃度預(yù)測(cè)與控制、陽(yáng)極效應(yīng)預(yù)報(bào)等關(guān)鍵模型研究現(xiàn)狀以及存在問(wèn)題的綜述分析，探討了基于人-機(jī)-物協(xié)同(HCPS系統(tǒng))的數(shù)字化鋁電解槽智能制造系統(tǒng)框架，給出了構(gòu)建大型鋁電解槽全要素模型的技術(shù)路線，從技術(shù)實(shí)現(xiàn)角度探討了鋁電解智能制造系統(tǒng)的軟硬件架構(gòu)，為鋁電解企業(yè)進(jìn)行技術(shù)改造與升級(jí)提供了參考思路。特別是在“雙碳”背景下，鋁電解企業(yè)急需對(duì)現(xiàn)有生產(chǎn)管理系統(tǒng)進(jìn)行面向智能制造的升級(jí)改造和革新，實(shí)現(xiàn)鋁電解行業(yè)的轉(zhuǎn)型升級(jí)和可持續(xù)發(fā)展。