[发明专利]一种用于蒸发工序的智能控制方法

说明书

本发明涉及一种用于蒸发工序的智能控制方法，本发明的智能控制方法将状态方程模型和人工经验模型相结合，充分利用两个模型的优点，消除两个模型各自的误差，使被控制对象达到更好的控制效果。本发明可以达到实现误差更小，控制效果更优的技术效果。

技术领域

本发明涉及过程控制中的智能控制领域，尤其涉及一种用于蒸发工序的智能控制方法。

背景技术

在流程型制造业中，应用智能控制可以大大提升智能制造水平，提高生产效率，降低生产成本。现有的智能控制系统往往依赖被控制对象的状态方程模型，适用于被控制对象机理简单，模型误差小的场景。但是蒸发工序是一个复杂、高时延的系统，特别是实际生产环境中普遍使用的多效蒸发工序。在蒸发工序中使用状态方程模型进行控制，容易产生由于模型本身缺陷导致的不可控误差，严重影响智能控制的效果，有的情况下甚至不如现场有经验的操作人员的人工控制。因此，智能控制中如何将状态方程模型和操作人员的经验模型相结合是一个十分重要的问题。

发明内容

本发明为克服上述的不足之处，目的在于提供一种用于蒸发工序的智能控制方法，本发明的智能控制方法将状态方程模型和人工经验模型相结合，充分利用两个模型的优点，消除两个模型各自的误差，使被控制对象达到更好的控制效果。

本发明是通过以下技术方案达到上述目的：一种用于蒸发工序的智能控制方法，包括如下步骤：

(1)通过现场调研，分别确定蒸发工序中的输入向量U、输出向量Y、观察向量V所包含的物理量；所述的输入向量U包括新蒸汽流量、蒸发原液流量；输出向量Y为出料浓度；观察向量V包括出料浓度、新蒸汽温度、蒸发原液浓度、蒸发原液温度；其中，蒸发工序的状态方程采用数据驱动方法得到的状态方程；

(2)调研蒸发工序的人工控制经验规则集合C(U,V)，C(U,V)中包含了观察向量V中每个物理量发生变化时，输入向量U将发生如何变化的规则；

(3)将出料浓度的控制目标S作为主控界面上的一个数据接口，由用户现场设置；

(4)通过数据采集程序实时采集观察向量V的物理量值，并代入C(U,V)；读取用户设置的控制目标值S，代入T(U,S)；

(5)通过梯度下降算法求解输入向量U，在限制条件构成的解空间C(U,V)中使得目标函数T(U,S)的值最小；

(6)将计算出的新蒸汽流量和蒸发原液流量通过PID调节流量阀门作用到蒸发工序。

作为优选，所述蒸发工序的状态方程的表达式如下：

X(t+1)＝U(t)*W1_U+X(t)*W1_X

Y(t)＝X(t)*W2

其中，t为状态方程迭代的单位时间，是状态方程在实际生产环境中相邻两次迭代的时间间隔；X为状态向量，用来表示整个系统的状态，既可能是物理量也可能是逻辑量；W1_U为输入向量的参数矩阵；W1_X为状态向量的参数矩阵；W2为输出向量的参数矩阵。

作为优选，所述在状态方程中，用X(0)表示状态向量的初始值，假定状态方程的时间窗口为N，通过状态方程计算出Y(1)、Y(2)、……、Y(N-1)、Y(N)，Y是关于U的表达式，其中X(0)、N、W1_U、W1_X、W2为常数；用S(1)、S(2)、……、S(N-1)、S(N)表示时间窗口N之内的输出向量的控制目标值，构建目标函数T(U,S)＝(Y(1)-S(1))²+(Y(2)-S(2))²+……+(Y(N-1)-S(N-1))²+(Y(N)-S(N))²；T(U,S)是Y序列和S序列差值的平方和，反映了状态方程的预测输出值与目标输出值之间的偏差。