工程科学学报，第39卷，第9期：1412-1420,2017年9月 Chinese Journal of Engineering,Vol.39,No.9:1412-1420,September 2017 DOI:10.13374/j.issn2095-9389.2017.09.015;http://journals.ustb.edu.cn 混合选别过程半实物仿真系统 武成瑞，贾瑶四，王琳岩 东北大学流程工业综合自动化国家重点实验室，沈阳110819 ☒通信作者，E-mail:jiayao_ncu@163.com 摘要为了满足复杂工业过程控制技术的研究需求，需要建立具有代表性的半实物仿真系统.针对混合选别过程，研发由 对象计算机、控制器设计计算机、监控计算机、虚拟执行机构与检测仪表装置和控制系统组成的半实物仿真系统.该系统基 于工业控制系统软件开发控制算法，运用MATLAB研发虚拟对象、虚拟执行机构和检测仪表，控制器设计模型，研发了相应的 可视化界面.在对象计算机、控制器设计计算机和监控计算机的基础上完成了被控对象机理建模、控制器设计模型参数辨 识、控制器设计和控制器性能评价等研究.为复杂控制算法研究进一步工业应用奠定了基础. 关键词混合选别过程；半实物仿真；系统结构：运行控制；控制器设计 分类号TP271.6 A hardware-in-the-loop simulation system for the mixed separation process WU Cheng-rui,JIA Yao,WANG Lin-yan State Key Laboratory of Synthetical Automation for Process Industries,Northeastern University,Shenyang 110819,China Corresponding author,E-mail:jiayao_neu@163.com ABSTRACT A representative hardware-in-the-loop simulation system was established for the mixed separation process to meet the demands of industrial process control technologies with complex characteristics.A hardware-in-the-loop simulation system was devel- oped composed of a virtual object computer,a controller-design computer,a monitoring computer,virtual actuators,virtual detecting instruments,and a control system to achieve mixed separation.The control algorithm of the system was based on actual industrial soft- ware,and Matlab was use to design the virtual object,virtual actuators,virtual detecting instruments,and online identification sys- tem.The mechanism modeling of controlled object,parameter identification of controller design model,controller design and controller performance evaluation were completed on the virtual object computer,controller-design computer and monitoring computer.The pro- posed system lays the foundation for future industrial applications of control algorithms for complex industrial processes. KEY WORDS mixed separation process;hardware-in-the-loop simulation;system structure;operational control;controller design 混合选别过程是利用高效浓密机对再磨过程处理 连续性作业、生产周期较长、物理设备及其实验成本相 后的较低浓度的矿浆进行浓密处理，将浓密后的矿浆 对较高，所以开发针对混合选别过程的半实物仿真系 输送到浮选机内，在浮选槽内矿浆与浮选药剂进行充 统具有重要的研究价值与实际意义. 分物理化学反应，使得有用矿物和脉石分离的过程，混 已有的工业过程半实物仿真系统中，部分实验系 合选别过程的产品为精矿和尾矿四.在保证回收率的 统仅由过程回路控制器、虚拟对象和支撑网络构 基础上，提高精矿品位和降低尾矿品位一直是国内外 成2-).由于缺乏相应的优化控制器，回路控制器的设 专家研究课题之一.由于该过程危险性较高、多数为 定值通常依靠人工经验设定，但是人工经验往往随意 收稿日期：2016-11-05 基金项目：国家高技术研究发展计划(863)资助项目(2015AA043802):国家自然科学基金资助项目(61503066)；国家自然科学基金青年基 金资助项目(61304091)
工程科学学报,第 39 卷,第 9 期:1412鄄鄄1420,2017 年 9 月 Chinese Journal of Engineering, Vol. 39, No. 9: 1412鄄鄄1420, September 2017 DOI: 10. 13374 / j. issn2095鄄鄄9389. 2017. 09. 015; http: / / journals. ustb. edu. cn 混合选别过程半实物仿真系统 武成瑞, 贾 瑶苣 , 王琳岩 东北大学流程工业综合自动化国家重点实验室, 沈阳 110819 苣通信作者, E鄄mail: jiayao_neu@ 163. com 摘 要 为了满足复杂工业过程控制技术的研究需求,需要建立具有代表性的半实物仿真系统. 针对混合选别过程,研发由 对象计算机、控制器设计计算机、监控计算机、虚拟执行机构与检测仪表装置和控制系统组成的半实物仿真系统. 该系统基 于工业控制系统软件开发控制算法,运用 MATLAB 研发虚拟对象、虚拟执行机构和检测仪表、控制器设计模型,研发了相应的 可视化界面. 在对象计算机、控制器设计计算机和监控计算机的基础上完成了被控对象机理建模、控制器设计模型参数辨 识、控制器设计和控制器性能评价等研究. 为复杂控制算法研究进一步工业应用奠定了基础. 关键词 混合选别过程; 半实物仿真; 系统结构; 运行控制; 控制器设计 分类号 TP271郾 6 A hardware鄄in鄄the鄄loop simulation system for the mixed separation process WU Cheng鄄rui, JIA Yao 苣 , WANG Lin鄄yan State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang 110819, China 苣Corresponding author, E鄄mail: jiayao_neu@ 163. com ABSTRACT A representative hardware鄄in鄄the鄄loop simulation system was established for the mixed separation process to meet the demands of industrial process control technologies with complex characteristics. A hardware鄄in鄄the鄄loop simulation system was devel鄄 oped composed of a virtual object computer, a controller鄄design computer, a monitoring computer, virtual actuators, virtual detecting instruments, and a control system to achieve mixed separation. The control algorithm of the system was based on actual industrial soft鄄 ware, and Matlab was use to design the virtual object, virtual actuators, virtual detecting instruments, and online identification sys鄄 tem. The mechanism modeling of controlled object, parameter identification of controller design model, controller design and controller performance evaluation were completed on the virtual object computer, controller鄄design computer and monitoring computer. The pro鄄 posed system lays the foundation for future industrial applications of control algorithms for complex industrial processes. KEY WORDS mixed separation process; hardware鄄in鄄the鄄loop simulation; system structure; operational control; controller design 收稿日期: 2016鄄鄄11鄄鄄05 基金项目: 国家高技术研究发展计划(863)资助项目(2015AA043802); 国家自然科学基金资助项目(61503066); 国家自然科学基金青年基 金资助项目(61304091) 混合选别过程是利用高效浓密机对再磨过程处理 后的较低浓度的矿浆进行浓密处理,将浓密后的矿浆 输送到浮选机内,在浮选槽内矿浆与浮选药剂进行充 分物理化学反应,使得有用矿物和脉石分离的过程,混 合选别过程的产品为精矿和尾矿[1] . 在保证回收率的 基础上,提高精矿品位和降低尾矿品位一直是国内外 专家研究课题之一. 由于该过程危险性较高、多数为 连续性作业、生产周期较长、物理设备及其实验成本相 对较高,所以开发针对混合选别过程的半实物仿真系 统具有重要的研究价值与实际意义. 已有的工业过程半实物仿真系统中,部分实验系 统仅由 过 程 回 路 控 制 器、 虚 拟 对 象 和 支 撑 网 络 构 成[2鄄鄄4] . 由于缺乏相应的优化控制器,回路控制器的设 定值通常依靠人工经验设定,但是人工经验往往随意
武成瑞等：混合选别过程半实物仿真系统 ·1413· 性强、干扰性大，不利于得到运行指标的最优值5] 发出一个通用性好、经济性高、可视化程度高的半实物 代伟等-]针对再磨过程开发了基于运行优化控制的 仿真控制系统具有非常高的研究意义和实际应用 优化设定软件平台，但底层过程控制认为已达到稳态， 价值2-3 忽略了底层回路动态对于运行优化层的影响，造成仿 真效果受到限制.Radhakrishnan]基于MATLAB设计 1混合选别过程及问题描述 控制器，但虚拟控制器与实际控制器差距较大，且不利 混合选别过程装置包括：浓密机、浓密机底流泵、 于判断控制算法在现场真实环境的适用性.Bartletto] 粗选槽、精选槽、扫选槽、中矿泵、鼓风机等装置.浓密 与刘琳琳四实验系统采用运用PRO/I、METSIM等国 工序接收再磨过程处理后的较低浓度的矿浆，经过高 外比较著名的工业流程模拟软件来模拟实际工业过 效的浓密过程在浓密机底部得到浓度较高的矿浆，由 程，这些软件都比较昂贵，且大部分工艺流程模型都依 底流矿浆泵送入粗选阶段进行首次分选，富集有用矿 据国外的工业流程建立，这些软件内部的模型信息都 物的底流进入精选阶段进一步分选，粗选的泡沫送到 已经封装好，无法查看或修改，这就会出现工艺流程与 扫选工序.粗选底流矿浆通过精选阶段得到合格的产 我国的实际运行的工业流程存在较大差异但我们却无 品作为最终精矿，精选的泡沫返回到粗选工序中.粗 法修改的问题，在很大程度上减小这些实验系统的实 选泡沫通过扫选工序来降低最终尾矿的有用矿物，扫 际应用价值，不利于我国控制理论研究者将研究成果 选泡沫作为最终尾矿排入泡沫收集器中，扫选底流矿 在我国工业界的成功运用.现有的半实物仿真结构多 浆作为浮选中矿送入到浓密机，进行再一次分选，如图1 样，仿真性能参差不齐，仿真成本普遍较高.因此，开 所示. 自入料矿浆 自絮凝剂 加药泵 自药剂制备 静态混合器 澄清区 浮选药剂 沉降区 过度区 压缩区 浓缩大井 泡沫层 底流 数泥浆层 粗选槽 泡沫层 底流泵 泥浆层 精矿 精选槽 泡沫层 进气 尾矿 鼓风机 中矿泵 扫选槽 ← 中矿泵池 图1混合选别过程简要工艺流程 Fig.I Flow chart of the mixed separation process 通过对混合选别过程的深入分析可知，浓密过程 到矿石性质等边界条件的变化和干扰的影响，人工操 底流矿浆浓度、浓密过程底流矿浆流量、矿浆粒度、磁 作不能及时准确的进行调节，难以保证控制目标，影响 选精矿品位、浮选机矿浆液位、浮选机进气流量和浮选 精矿品位和金属回收率 药剂添加量是影响运行指标精矿品位和尾矿品位的主 要因素.混合选别过程具有强非线性、强耦合、参数时 2系统结构 变等综合复杂性，运行指标精矿品位和尾矿品位与各 本实验系统整体设计结构由对象计算机、控制器 影响因素之间具有强非线性、不确定性，难以建立精确 设计计算机、监控计算机、控制系统以及相关支撑网络 的数学模型，难以实现工艺指标的智能运行控制.多 构成，如图2所示 个串联浮选机矿浆液位之间具有强耦合、非线性特性， 其中监控计算机相当于工业现场的操作站，用于 且受入口矿浆流量随机干扰的影响，难以采用三个单 生产过程的运行监控：控制器设计计算机用于回路控 回路传统控制方法实现矿浆液位的自动控制. 制算法和设备逻辑设计：控制系统在硬件选型和软件 目前混合选别生产过程仍处于人工控制，由于受 开发上与实际工业现场一致：对象计算机用于建立虚
武成瑞等: 混合选别过程半实物仿真系统 性强、干扰性大,不利于得到运行指标的最优值[5鄄鄄6] . 代伟等[7鄄鄄8]针对再磨过程开发了基于运行优化控制的 优化设定软件平台,但底层过程控制认为已达到稳态, 忽略了底层回路动态对于运行优化层的影响,造成仿 真效果受到限制. Radhakrishnan [9]基于 MATLAB 设计 控制器,但虚拟控制器与实际控制器差距较大,且不利 于判断控制算法在现场真实环境的适用性. Bartlett [10] 与刘琳琳[11]实验系统采用运用 PRO/ II、METSIM 等国 外比较著名的工业流程模拟软件来模拟实际工业过 程,这些软件都比较昂贵,且大部分工艺流程模型都依 据国外的工业流程建立,这些软件内部的模型信息都 已经封装好,无法查看或修改,这就会出现工艺流程与 我国的实际运行的工业流程存在较大差异但我们却无 法修改的问题,在很大程度上减小这些实验系统的实 际应用价值,不利于我国控制理论研究者将研究成果 在我国工业界的成功运用. 现有的半实物仿真结构多 样,仿真性能参差不齐,仿真成本普遍较高. 因此,开 发出一个通用性好、经济性高、可视化程度高的半实物 仿真控制系统具有非常高的研究意义和实际应用 价值[12鄄鄄13] . 1 混合选别过程及问题描述 混合选别过程装置包括:浓密机、浓密机底流泵、 粗选槽、精选槽、扫选槽、中矿泵、鼓风机等装置. 浓密 工序接收再磨过程处理后的较低浓度的矿浆,经过高 效的浓密过程在浓密机底部得到浓度较高的矿浆,由 底流矿浆泵送入粗选阶段进行首次分选,富集有用矿 物的底流进入精选阶段进一步分选,粗选的泡沫送到 扫选工序. 粗选底流矿浆通过精选阶段得到合格的产 品作为最终精矿,精选的泡沫返回到粗选工序中. 粗 选泡沫通过扫选工序来降低最终尾矿的有用矿物,扫 选泡沫作为最终尾矿排入泡沫收集器中,扫选底流矿 浆作为浮选中矿送入到浓密机,进行再一次分选,如图 1 所示. 图 1 混合选别过程简要工艺流程 Fig. 1 Flow chart of the mixed separation process 通过对混合选别过程的深入分析可知,浓密过程 底流矿浆浓度、浓密过程底流矿浆流量、矿浆粒度、磁 选精矿品位、浮选机矿浆液位、浮选机进气流量和浮选 药剂添加量是影响运行指标精矿品位和尾矿品位的主 要因素. 混合选别过程具有强非线性、强耦合、参数时 变等综合复杂性,运行指标精矿品位和尾矿品位与各 影响因素之间具有强非线性、不确定性,难以建立精确 的数学模型,难以实现工艺指标的智能运行控制. 多 个串联浮选机矿浆液位之间具有强耦合、非线性特性, 且受入口矿浆流量随机干扰的影响,难以采用三个单 回路传统控制方法实现矿浆液位的自动控制. 目前混合选别生产过程仍处于人工控制,由于受 到矿石性质等边界条件的变化和干扰的影响,人工操 作不能及时准确的进行调节,难以保证控制目标,影响 精矿品位和金属回收率. 2 系统结构 本实验系统整体设计结构由对象计算机、控制器 设计计算机、监控计算机、控制系统以及相关支撑网络 构成,如图 2 所示. 其中监控计算机相当于工业现场的操作站,用于 生产过程的运行监控;控制器设计计算机用于回路控 制算法和设备逻辑设计;控制系统在硬件选型和软件 开发上与实际工业现场一致;对象计算机用于建立虚 ·1413·
·1414· 工程科学学报，第39卷，第9期 监控计算机 监控计算机 控制器设计计算机 工业以太网 交换机 工业以太网 控制系统 电缆/总线 控制系统 执行机构 检测仪表 男 对象计算机 混合选别过程 图3混合选别过程实际控制系统结构 Fig.3 Actual structure of the control system for the mixed separation process 依明 男 虚拟执行机构 虚拟对象 嘘拟检测仪表 算，结合对象计算机中的虚拟对象，获得控制器设计模 型，利用其设计模型获得控制器参数.控制器设计计 图2混合选别过程半实物仿真实验控制系统结构 算机具体结构如图4所示. Fig.2 Proposed structure of the hardware-in-the-loop simulation sys- tem for the mixed separation process :控制器设计运行指标期望值B*肉，口*阴 计算机 拟对象、虚拟执行机构和虚拟检测仪表，代替实际工业 优化控制器 PID参数整定 现场的现场工艺过程、执行机构、检测仪表.实际工业 优化设定值(C)、F0、F0)、 现场控制系统结构如图3所示 0、L00、L4 工业以太网 2.1对象计算机 过程变量 虚拟对象、虚拟执行机构和虚拟检测仪表的模型 (CT、F)、F0L0、L队 Lg、Ik、k) 模型参数实时辨识 建立，用于模拟工业现场被控对象.利用对虚拟对象、 执行机构和检测仪表的建模来模拟实际工业现场中各 个生产过程和设备的动态特性，实现控制回路控制以 监控计算机 及设备启停、联锁功能 过程回路控制器 虚拟对象和虚拟设备、检测仪表的模型图形界面 Internet 设计，由于其虚拟部分的设计都是由MATLAB完成， 生产过程运行监控界面 不能直观地显示各个虚拟部分的运行状态，所以由图 OPC OPC OPC 形界面来动态的展示混合选别过程，提高可视化程度. 对象 模型输出值 被控对象输入值 对象计算机具体结构如图4所示. 计算机 (C,T、F⊙、F0、LO f0)、f0、0、 L0、L、L.0)、) 、,0、f0》 2.2控制器设计计算机 虚拟对象系统 控制器设计计算机主要用于优化控制器设计、底 虚拟 模型输出 虛拟 模型输人 虚拟 传感器 层控制器设计和控制器设计模型参数辨识. 对象 执行器 模型 膜型 模型 优化控制器通过工业以太网与过程回路控制器实 现OPC通讯，获得实时的过程数据，根据企业生产、运 可视化对象界面 行指标以及边界条件信息启动混合选别优化控制算 图4混合选别过程半实物仿真系统结构 法，进而获得混合选别过程相关过程回路的目标值. Fig.4 System structure of the hardware-in-the-loop simulation sys- 底层控制器设计包括回路控制算法和控制器参数计 tem for the mixed separation process
工程科学学报,第 39 卷,第 9 期 图 2 混合选别过程半实物仿真实验控制系统结构 Fig. 2 Proposed structure of the hardware鄄in鄄the鄄loop simulation sys鄄 tem for the mixed separation process 拟对象、虚拟执行机构和虚拟检测仪表,代替实际工业 现场的现场工艺过程、执行机构、检测仪表. 实际工业 现场控制系统结构如图 3 所示. 2郾 1 对象计算机 虚拟对象、虚拟执行机构和虚拟检测仪表的模型 建立,用于模拟工业现场被控对象. 利用对虚拟对象、 执行机构和检测仪表的建模来模拟实际工业现场中各 个生产过程和设备的动态特性,实现控制回路控制以 及设备启停、联锁功能. 虚拟对象和虚拟设备、检测仪表的模型图形界面 设计,由于其虚拟部分的设计都是由 MATLAB 完成, 不能直观地显示各个虚拟部分的运行状态,所以由图 形界面来动态的展示混合选别过程,提高可视化程度. 对象计算机具体结构如图 4 所示. 2郾 2 控制器设计计算机 控制器设计计算机主要用于优化控制器设计、底 层控制器设计和控制器设计模型参数辨识. 优化控制器通过工业以太网与过程回路控制器实 现 OPC 通讯,获得实时的过程数据,根据企业生产、运 行指标以及边界条件信息启动混合选别优化控制算 法,进而获得混合选别过程相关过程回路的目标值. 底层控制器设计包括回路控制算法和控制器参数计 图 3 混合选别过程实际控制系统结构 Fig. 3 Actual structure of the control system for the mixed separation process 算,结合对象计算机中的虚拟对象,获得控制器设计模 图 4 混合选别过程半实物仿真系统结构 Fig. 4 System structure of the hardware鄄in鄄the鄄loop simulation sys鄄 tem for the mixed separation process 型,利用其设计模型获得控制器参数. 控制器设计计 算机具体结构如图 4 所示. ·1414·
武成瑞等：混合选别过程半实物仿真系统 ·1415· 2.3监控计算机 示、历史数据和操作员数据记录等功能.监控计算机 用于生产过程监控，操作人员根据监控画面直观 具体结构如图4所示 地监视生产过程各个设备的状态以及各模拟量的参 混合选别过程半实物仿真系统结构参数如表1 数，各控制量的变化趋势、各生产过程所需的报警提 所示 表1混合选别过程半实物仿真系统参数表 Table 1 Parameters of the proposed hardware-in-the-loop simulation system for the mixed separation process 符号 描述 符号 描述 a'(k) 浮选精矿品位设定值 a() 浮选精矿品位实际值 B"(k) 浮选精矿产量设定值 B"(k) 浮选精矿产量实际值 C(T) 浓密机底流浓度回路设定值 C,(T) 浓密机底流浓度回路实际值 F() 浓密机底流流量回路设定值 F,() 浓密机底流流量回路实际值 F() 加药流量回路设定值 F2(t) 加药流量回路实际值 L() 粗选槽液位回路设定值 L(1) 粗选槽液位回路实际值 2() 精选槽液位回路设定值 L2() 精选槽液位回路实际值 L() 扫选槽液位回路设定值 L3(t) 扫选槽液位回路实际值 4(t) 中矿池液位回路设定值 L4(t) 中矿池液位回路实际值 V,() 粗选槽液位阀门开度 2(t) 精选槽液位阀门开度 (t) 扫选槽液位阀门开度 f() 底流泵电机颜率 5() 中矿泵电机频率 5() 加药泵电机颜率 实时通讯：西门子PLC作为实际控制器：控制器设计 3 半实物仿真系统的实现 计算机安装Matlab、Wince和OPC Scout软件，Matlab 3.1网络支撑 完成优化算法、PD参数自整定算法以及模型参数进 本文支撑网络主要由工业以太网将实验系统中的 一步辨识的设计，Wince完成优化控制界面、控制器参 计算机和控制器相互连接构成互通的网络，具体网络 数界面和模型辨识界面的设计，OPC Scout用于实现系 支撑形式如图5所示 统之间的实时通讯：监控计算机主要安装Wicc和 控制器设计计算机 Step7软件，Wince完成过程运行控制界面设计，Step7 监控计算机 开发和编写过程控制器算法：以上所有环节都通过网 络交换机连接，构成一个完整的半实物仿真系统 TCP/IP 3.2对象计算机 TCP/IP 虚拟工业过程的模型建立，主要是运用MATLAB 建立虚拟对象模型来模拟仿真实际工业过程的实际对 Internet OPC Scou Matlab TCP/IP 象，描述实际工业过程的目的.实际控制器输出的控 KTCP/IP Internet 制信号通过OPC送入虚拟执行机构，进而获得虚拟工 P 业过程的动态特性，这些工业过程信息通过虚拟检测 nCC Internet 交换机 OPC Seout Matlab 仪表直接由OPC送至实际控制器中，控制器根据这些 nten 反馈信息进一步调整输出状态作用于虚拟执行机构， 形成闭环控制，完成半实物仿真系统实际部分和虚拟 控制器 部分的对接，是半实物仿真系统的核心枢纽[45] 对象计算机 本系统针对混合选别过程，对浓密机底流矿浆浓 图5混合选别过程半实物仿真系统架构 度、浓密机底流矿浆流量、浮选槽液位等工艺过程，采 Fig.5 System framework of the hardware-in-the-loop simulation sys- 用机理建模加神经网络补偿的方法.首先根据被控对 tem for the mixed separation process 象物理特性建立机理模型，模型公式中未知的参数由 对象计算机安装Matlab、Wince和OPC Scout软 常数代替，得到机理主模型的输出，利用现场实际运行 件，Matlab完成虚拟系统的整体设计，Wince完成虚拟 时采集的数据与其作差，采用基于RBF神经网络[-] 部分可视化界面设计，OPC Scout用于实现系统之间的 设计未建模动态补偿器来学习此误差值，再与机理建
武成瑞等: 混合选别过程半实物仿真系统 2郾 3 监控计算机 用于生产过程监控,操作人员根据监控画面直观 地监视生产过程各个设备的状态以及各模拟量的参 数,各控制量的变化趋势、各生产过程所需的报警提 示、历史数据和操作员数据记录等功能. 监控计算机 具体结构如图 4 所示. 混合选别过程半实物仿真系统结构参数如表 1 所示. 表 1 混合选别过程半实物仿真系统参数表 Table 1 Parameters of the proposed hardware鄄in鄄the鄄loop simulation system for the mixed separation process 符号 描述 符号 描述 琢 * (k) 浮选精矿品位设定值 琢(k) 浮选精矿品位实际值 茁 * (k) 浮选精矿产量设定值 茁 * (k) 浮选精矿产量实际值 C * 1 (T) 浓密机底流浓度回路设定值 C1 (T) 浓密机底流浓度回路实际值 F * 1 (t) 浓密机底流流量回路设定值 F1 (t) 浓密机底流流量回路实际值 F * 2 (t) 加药流量回路设定值 F2 (t) 加药流量回路实际值 L * 1 (t) 粗选槽液位回路设定值 L1 (t) 粗选槽液位回路实际值 L * 2 (t) 精选槽液位回路设定值 L2 (t) 精选槽液位回路实际值 L * 3 (t) 扫选槽液位回路设定值 L3 (t) 扫选槽液位回路实际值 L * 4 (t) 中矿池液位回路设定值 L4 (t) 中矿池液位回路实际值 V1 (t) 粗选槽液位阀门开度 V2 (t) 精选槽液位阀门开度 V3 (t) 扫选槽液位阀门开度 f1 (t) 底流泵电机频率 f3 (t) 中矿泵电机频率 f2 (t) 加药泵电机频率 3 半实物仿真系统的实现 3郾 1 网络支撑 本文支撑网络主要由工业以太网将实验系统中的 计算机和控制器相互连接构成互通的网络,具体网络 支撑形式如图 5 所示. 图 5 混合选别过程半实物仿真系统架构 Fig. 5 System framework of the hardware鄄in鄄the鄄loop simulation sys鄄 tem for the mixed separation process 对象计算机安装 Matlab、Wincc 和 OPC Scout 软 件,Matlab 完成虚拟系统的整体设计,Wincc 完成虚拟 部分可视化界面设计,OPC Scout 用于实现系统之间的 实时通讯;西门子 PLC 作为实际控制器;控制器设计 计算机安装 Matlab、Wincc 和 OPC Scout 软件,Matlab 完成优化算法、PID 参数自整定算法以及模型参数进 一步辨识的设计,Wincc 完成优化控制界面、控制器参 数界面和模型辨识界面的设计,OPC Scout 用于实现系 统之间的实时通讯;监控计算机主要安装 Wincc 和 Step7 软件,Wincc 完成过程运行控制界面设计,Step7 开发和编写过程控制器算法;以上所有环节都通过网 络交换机连接,构成一个完整的半实物仿真系统. 3郾 2 对象计算机 虚拟工业过程的模型建立,主要是运用 MATLAB 建立虚拟对象模型来模拟仿真实际工业过程的实际对 象,描述实际工业过程的目的. 实际控制器输出的控 制信号通过 OPC 送入虚拟执行机构,进而获得虚拟工 业过程的动态特性,这些工业过程信息通过虚拟检测 仪表直接由 OPC 送至实际控制器中,控制器根据这些 反馈信息进一步调整输出状态作用于虚拟执行机构, 形成闭环控制,完成半实物仿真系统实际部分和虚拟 部分的对接,是半实物仿真系统的核心枢纽[14鄄鄄15] . 本系统针对混合选别过程,对浓密机底流矿浆浓 度、浓密机底流矿浆流量、浮选槽液位等工艺过程,采 用机理建模加神经网络补偿的方法. 首先根据被控对 象物理特性建立机理模型,模型公式中未知的参数由 常数代替,得到机理主模型的输出,利用现场实际运行 时采集的数据与其作差,采用基于 RBF 神经网络[16鄄鄄17] 设计未建模动态补偿器来学习此误差值,再与机理建 ·1415·
·1416· 工程科学学报，第39卷，第9期 模的输出值相加，从而得到由机理主模型和RBF神经 3.3控制器设计计算机 网络补偿模型组成的混合选别浓密过程动态模型的输 优化控制器设计，根据企业生产、运行指标以及边 出，最后完成整个系统的模型建立.结构图如图6所 界条件信息（精矿品位、尾矿品位、浓密过程底流矿浆 示.图中，u(k)为第k步模型输入，y(k+1)为机理模 浓度、浓密过程底流矿浆流量、矿浆粒度等)，通过优 型输出，y(k+1)为实际模型输出，e(k+1)为y(k+1) 化控制器，得到混合选别过程相关过程回路的目标值 -y(k+1),(k+1)为虚拟对象输出，△(k+1)为预 (浮选机矿浆液位、浮选机进气流量和浮选药剂添加 报误差补偿模型输出，C为机理模型模型参数，z表 量等) 示时间上延迟一步 本文利用较为简单的案例推理算法[18-2】为例完 Ci=123 成实验系统的搭建.由于混合选别工艺发展较早，实 k+1) sk+1) 际工程经验较为丰富，可以为案例推理算法形成丰富 机理主模型 8 的历史案例库，如图8所示 控制器参数设计，选择工程中常用的经验法、Zie △张+1) gler-Nichols公式法和极点配置法等.本文利用最小二 预报误差补偿模型 乘辨识方法对虚拟被控对象进行辨识，从而得到控制 ek-1) 器设计模型，同时控制器设计模型参数辨识及控制器 设计均以人机界面组态的形式.如图9所示. 3.4监控计算机 e(k) +1) 生产过程运行监控，利用控制系统自带的组态软 图6虚拟对象结构图 件运行监控界面来直观地监控生产过程各个设备的状 Fig.6 Structure diagram of the virtual object 态以及各模拟量的参数，如图10所示. 虚拟对象和虚拟设备、检测仪表的模型可视化图 4 系统验证 形界面设计，由于其虚拟部分的设计都是由MATLAB 4.1虚拟对象验证 完成不能直观地显示各个虚拟部分的运行状态，所以 在此实验中包含以底流泵频率为输入，以底流流 由组态设计可视化图形界面来动态的展示混合选别过 量为内环输出，以底流浓度为外环输出的模型验证；以 程，提高可视化程度，具体设计如图7所示 阀门开度为输入，以液位为输出的模型验证：以各浮选 自淀粉是73.50% Q16.10m3.h-1 混合选别过程对象界面 自硫酸 40.60% 号1.69m3.h 自捕收剂悬29.809% e0.10m3.h- 3.98m 自絮凝剂 20.95m3.h-l 45.00% 4.30mD 自磨矿溢流 粗选槽 底流 9m7.31m 泡沫 77.20% 溢流 至精矿 精选槽 底流 泡沫 4.12m 65.35% 23.58kPa 扫选柏 盘底流 至尾矿 底流 29.63Hz 泡沫 窗4.58m 364.45m3.h- 0.00 kPa 中矿情 0.00Hz 图7对象可视化界面 Fig.7 Visual interface of the object
工程科学学报,第 39 卷,第 9 期 模的输出值相加,从而得到由机理主模型和 RBF 神经 网络补偿模型组成的混合选别浓密过程动态模型的输 出,最后完成整个系统的模型建立. 结构图如图 6 所 示. 图中,u(k)为第 k 步模型输入,y( k + 1)为机理模 型输出,y(k + 1)为实际模型输出,e(k + 1)为 y( k + 1) - y(k + 1),y^( k + 1)为虚拟对象输出,驻y^( k + 1)为预 报误差补偿模型输出,Ci为机理模型模型参数,z - 1 表 示时间上延迟一步. 图 6 虚拟对象结构图 Fig. 6 Structure diagram of the virtual object 虚拟对象和虚拟设备、检测仪表的模型可视化图 形界面设计,由于其虚拟部分的设计都是由 MATLAB 完成不能直观地显示各个虚拟部分的运行状态,所以 由组态设计可视化图形界面来动态的展示混合选别过 程,提高可视化程度,具体设计如图 7 所示. 图 7 对象可视化界面 Fig. 7 Visual interface of the object 3郾 3 控制器设计计算机 优化控制器设计,根据企业生产、运行指标以及边 界条件信息(精矿品位、尾矿品位、浓密过程底流矿浆 浓度、浓密过程底流矿浆流量、矿浆粒度等),通过优 化控制器,得到混合选别过程相关过程回路的目标值 (浮选机矿浆液位、浮选机进气流量和浮选药剂添加 量等). 本文利用较为简单的案例推理算法[18鄄鄄21] 为例完 成实验系统的搭建. 由于混合选别工艺发展较早,实 际工程经验较为丰富,可以为案例推理算法形成丰富 的历史案例库,如图 8 所示. 控制器参数设计,选择工程中常用的经验法、Zie鄄 gler鄄鄄Nichols 公式法和极点配置法等. 本文利用最小二 乘辨识方法对虚拟被控对象进行辨识,从而得到控制 器设计模型,同时控制器设计模型参数辨识及控制器 设计均以人机界面组态的形式. 如图 9 所示. 3郾 4 监控计算机 生产过程运行监控,利用控制系统自带的组态软 件运行监控界面来直观地监控生产过程各个设备的状 态以及各模拟量的参数,如图 10 所示. 4 系统验证 4郾 1 虚拟对象验证 在此实验中包含以底流泵频率为输入,以底流流 量为内环输出,以底流浓度为外环输出的模型验证;以 阀门开度为输入,以液位为输出的模型验证;以各浮选 ·1416·
武成瑞等：混合选别过程半实物仿真系统 ·1417· 问题 槽液位为输入，以品位为输出的模型验证.如图11 (a)和图11(b)所示，在12：53：00时将底流泵频率由 25Hz更改为35Hz,底流流量上升，底流浓度降低.如 新案例 检素 图11(c)和图11(d)所示，在14：53：00时将精选槽底 流阀门开度由70%更改为40%，精选槽液位上升，粗 检索出的 案例 新案例 选槽液位上升，扫选槽液位下降，精矿品位提高，尾矿 学习后的 品位降低：在15：09：00时将粗选槽底流阀门开度由 案例 历史案例 50%更改为72%，粗选槽液位下降，精选槽液位上升， 扫选槽液位上升，精矿品位降低，尾矿品位提高：在 保 领域知识 15:21:00时将粗选槽底流阀门开度由50%更改为 求解后的 72%,扫选槽液位下降，精矿品位降低，尾矿品位降低. 修正后的 案例 这些变化情况与实际生产中的变化一致. 案例 修正 4.2控制效果验证 验证后的 解决方案 建议解 为了验证混合选别半实物仿真系统的可行性和有 图8案例推理周期示意图 效性，将文献[1,22-23]控制算法在本文研发的控制 Fig.8 Schematic diagram of the CBR cycle 系统中进行实验验证.底流浓度控制算法采用文献 (a) 辨识参数 控制器设计模型 b (1+a,2y,+1)=bo周 0.697 0.0618 0.056 0.0104 模型递推最小二乘法辨识 选择伪随机信号 y,T-1) 0.224 01 0.69m 幅度400 0,.1 数据向量 p(T-1)= y(T-2 参数向量0= 0.062 均值0.043 y,(T-1) 3,448 0.0☒ 方差8170 止 y(T-2) 0.84 0.01D 底流流量y(T) 最小二乘法递推公式 6)=0k-1+K[0肉-pk-1)0k-1月 P(k-1)p(k-1) K()1+-1)P(k-1)p(k-1) P()=/-K(k)-T(k-1)P(k-1) 控制目标 将底流浓度y,D、底流浓度y,(T)和变化率△y,( 目标参数 yain≤y,(T≤y2am y1y,A≤ym y,-yk-1≤o 35.0 31.0 420.0 340.0 20.0 控制结构 e,(T) 流量设定PI y(T) 流量PI y (+1) y,T+1) 控制器 控制器 1+a1 +0之l+a 0 控制器 控制器参数 1-xypT)=g+gr北yn-y,T列 820 821. gio 811 (1u(k)=ggy()-y] -13.500 8.00 17.559 11.33649 控静装斜悦 图9 控制器参数辨识界面(a)和设计界面(b) Fig.9 Identification interfaces (a)and parameter design interfaces (b)of the controller
武成瑞等: 混合选别过程半实物仿真系统 图 8 案例推理周期示意图 Fig. 8 Schematic diagram of the CBR cycle 图 9 控制器参数辨识界面(a)和设计界面(b) Fig. 9 Identification interfaces (a) and parameter design interfaces (b) of the controller 槽液位为输入,以品位为输出的模型验证. 如图 11 (a)和图 11(b)所示,在 12:53:00 时将底流泵频率由 25 Hz 更改为 35 Hz,底流流量上升,底流浓度降低. 如 图 11(c)和图 11(d)所示,在 14:53:00 时将精选槽底 流阀门开度由 70% 更改为 40% ,精选槽液位上升,粗 选槽液位上升,扫选槽液位下降,精矿品位提高,尾矿 品位降低;在 15:09:00 时将粗选槽底流阀门开度由 50% 更改为 72% ,粗选槽液位下降,精选槽液位上升, 扫选槽液位上升,精矿品位降低,尾矿品位提高;在 15:21:00 时将粗选槽底流阀门开度由 50% 更改为 72% ,扫选槽液位下降,精矿品位降低,尾矿品位降低. 这些变化情况与实际生产中的变化一致. 4郾 2 控制效果验证 为了验证混合选别半实物仿真系统的可行性和有 效性,将文献[1,22鄄鄄23]控制算法在本文研发的控制 系统中进行实验验证. 底流浓度控制算法采用文献 ·1417·
·1418· 工程科学学报，第39卷，第9期 混合选别过程监控界面 自淀粉 29.6% 10 自硫酸 A 49.60% 呼n0a 自捕收剂 0014 a 自絮凝剂2091解 粗选搅拌电机 宋2 自磨矿溢流 精选 提钯电机 3；搅拌电机 粗选槽 至精矿 浓缩机 溢流水 精选槽 扫选搅拌电机 至尾 泥县静压 P 9L.14 A 23.51 kPa T10=A 留 扫选槽 底流泵 唐刀曲A 皱风机 中矿神 中矿泵 OP 2100A 图10过程运行监控界面 Fig.10 Interface for process operation monitoring 35 440D 420 400 33 360 州 340 31 320 12:40:30 12:50:30 13:00:30 13:10:30 12:40:30 12:50:30 13:00:30 13:10:30 时刻 时刻 430 (c) 精选槽液位 64d) 12 418 412 62 尾矿品位 415 粗选槽液位 o鉴 411 403 60 精到矿品位8 395 405 扫选槽液位 58 393 14:45:18 1505:18 15:20:18 1545:18 T 时刻 379 14:45:18 1505:18 15:20:18 15:45:18 时刻 图11浓密机模型验证跟踪曲线.(a)底流质量分数：(b)底流流量；（©）浮选槽液位：(d)矿浆品位 Fig.11 Trace curves of different models for the thickener:(a)flow mass fraction;(b)flow flow;(c)flotation tank level;(d)pulp grade model [22]中区间智能切换控制方法，针对混合浓密过程， 偏差和偏差变化率，实现底流流量设定补偿和设定保 外环采用未建模动态补偿一步最优P控制和模糊推 持的切换，进而保证矿浆浓度快速回到工艺规定范围 理补偿切换机制控制方法，通过内环PI控制跟踪设定 内：液位控制算法采用文献[23]中基于参数选择的自 值，如果流量超出上限或下限则该算法根据底流浓度 适应解耦控制方法，采用基于参数选择的自适应解耦
工程科学学报,第 39 卷,第 9 期 图 10 过程运行监控界面 Fig. 10 Interface for process operation monitoring 图 11 浓密机模型验证跟踪曲线. (a) 底流质量分数; (b) 底流流量; (c) 浮选槽液位; (d) 矿浆品位 Fig. 11 Trace curves of different models for the thickener: (a) flow mass fraction; (b) flow flow; (c) flotation tank level; (d) pulp grade model [22]中区间智能切换控制方法,针对混合浓密过程, 外环采用未建模动态补偿一步最优 PI 控制和模糊推 理补偿切换机制控制方法,通过内环 PI 控制跟踪设定 值,如果流量超出上限或下限则该算法根据底流浓度 偏差和偏差变化率,实现底流流量设定补偿和设定保 持的切换,进而保证矿浆浓度快速回到工艺规定范围 内;液位控制算法采用文献[23]中基于参数选择的自 适应解耦控制方法,采用基于参数选择的自适应解耦 ·1418·
武成瑞等：混合选别过程半实物仿真系统 ·1419· 控制方法完成各浮选槽矿浆液位系统的解耦控制：运 率u在17：40~19：40的局部放大跟踪曲线.图14为 行优化控制算法采用文献[1]中基于案例推理的预设 各浮选槽液位在17：40~19：40的局部放大跟踪曲线. 定方法，根据案例推理案例库的匹配进而选择历史案 图中下标sp和pv分别表示目标值设定和目标值 例库中最优的各浮选槽液位设定值. 检测 在表2所示的运行指标目标值和边界条件下工艺 表2混合选别过程运行指标目标值和边界条件 给定的精矿品位和尾矿品位上下限为a1血=58%， Table 2 Target values and boundary conditions of the mixed separation a1=64%,B1n=0,B=24%,目标值分别为 process 60.8%和18.5%.底流流量和底流质量分数上下限为 符号 数值 描述 y1=340m3,h-,y1=420m3.h,y2n=31%, (k)/% 60.8 浮选精矿品位目标值 y2=35%,以及底流流量波动的上限值6=20mh,粗 1(k)/% 18.5 浮选尾矿品位目标值 选浮选机矿浆液位在L1=4.4m,L1。=4.0m,精选 d(t)/% 93.66 浮选给矿粒度 浮选机矿浆液位L2mm=-4.2m,L2m=3.8m,扫选浮选 3(T)/% 32.75 底流矿浆浓度 机Lgus=4.0m,Ln=3.6m. a(t)/% 54.8 浮选给矿品位 如图12为精矿品位a,和尾矿品位B,在48h的跟 x(t)/(m3.h-1) 390.4 底流矿浆流量 踪曲线.图13为底流浓度y2、底流流量y,和底流泵频 64f (a) 24G 22 学62 _sp 20 pv 哈18 60 -pv 按明 16 的数 工g 14 工 1 17:00:50 01:00:50 09:0050 09:00:50 17:0050 01:00:50 09:0050 时刻 时刻 图12精矿(a)和尾矿(b)品位跟踪曲线 Fig.12 Trace curve of the concentration grade (a)and tailing grade (b) 35间 440 区家新可 420 古区闲限大额 400 的邮 340 好可 17:4013 18:20:13 19:00:13 19:4013 18:20:131900:13 19:40:13 时刻 时刻 50 (c) 45 40 35 30 174011 18:20:11 19:0011 19:40:11 时刻 图13浓密机跟踪曲线.(a)底流质量分数：(b)底流流量：（©）底流泵颜率 Fig.13 Trace curves for the thickener:(a)underflow mass fraction;(b)underflow flow;(c)underflow pump frequency 据图12~14所示，上述所有被控量均在控制日标 场提供了一个可应用的复杂工业控制算法研究系统， 范围内，这表明该半实物仿真系统能满足由文献[1， 该半实物仿真系统上可进行混合选别优化设定和控制 22-23]提出的控制要求. 回路实验，可以模拟实际动态运行效果.对混合选别 5 结论 过程控制算法研究提供新的研究平台，同时对于其他 的复杂工业过程控制算法验证与实验研究具有重要参 混合选别过程半实物仿真系统为贴合实际工业现 考意义
武成瑞等: 混合选别过程半实物仿真系统 控制方法完成各浮选槽矿浆液位系统的解耦控制;运 行优化控制算法采用文献[1]中基于案例推理的预设 定方法,根据案例推理案例库的匹配进而选择历史案 例库中最优的各浮选槽液位设定值. 在表 2 所示的运行指标目标值和边界条件下工艺 给定的精矿品位和尾矿品位上下限 为 琢 * 1min = 58% , 琢 * 1max = 64% , 茁 * 1min = 0, 茁 * 1max = 24% , 目 标 值 分 别 为 60郾 8% 和 18郾 5% . 底流流量和底流质量分数上下限为 y1min = 340 m 3·h - 1 , y1max = 420 m 3·h - 1 , y2min = 31% , y2max =35%,以及底流流量波动的上限值 啄 =20 m 3·h -1 ,粗 选浮选机矿浆液位在 L1max = 4郾 4 m,L1min = 4郾 0 m,精选 浮选机矿浆液位 L2max = 4郾 2 m,L2min = 3郾 8 m,扫选浮选 机 L3max = 4郾 0 m,L3min = 3郾 6 m. 如图 12 为精矿品位 琢1和尾矿品位 茁1在 48 h 的跟 踪曲线. 图 13 为底流浓度 y2 、底流流量 y1和底流泵频 率 u 在 17:40 ~ 19:40 的局部放大跟踪曲线. 图 14 为 各浮选槽液位在 17:40 ~ 19:40 的局部放大跟踪曲线. 图中下标 sp 和 pv 分别表示目标值设定和目标值 检测. 表 2 混合选别过程运行指标目标值和边界条件 Table 2 Target values and boundary conditions of the mixed separation process 符号 数值 描述 琢 * 1 (k) / % 60郾 8 浮选精矿品位目标值 茁 * 1 (k) / % 18郾 5 浮选尾矿品位目标值 d(t) / % 93郾 66 浮选给矿粒度 y2 (T) / % 32郾 75 底流矿浆浓度 a(t) / % 54郾 8 浮选给矿品位 y1 (t) / (m 3·h - 1 ) 390郾 4 底流矿浆流量 图 12 精矿(a)和尾矿(b)品位跟踪曲线 Fig. 12 Trace curve of the concentration grade (a) and tailing grade (b) 图 13 浓密机跟踪曲线. (a) 底流质量分数;(b) 底流流量; (c) 底流泵频率 Fig. 13 Trace curves for the thickener: (a) underflow mass fraction; (b) underflow flow; (c) underflow pump frequency 据图 12 ~ 14 所示,上述所有被控量均在控制目标 范围内,这表明该半实物仿真系统能满足由文献[1, 22鄄鄄23]提出的控制要求. 5 结论 混合选别过程半实物仿真系统为贴合实际工业现 场提供了一个可应用的复杂工业控制算法研究系统, 该半实物仿真系统上可进行混合选别优化设定和控制 回路实验,可以模拟实际动态运行效果. 对混合选别 过程控制算法研究提供新的研究平台,同时对于其他 的复杂工业过程控制算法验证与实验研究具有重要参 考意义. ·1419·
·1420· 工程科学学报，第39卷，第9期 430 [9]Radhakrishnan V R.Model based supervisory control of a ball mill 24 grinding circuit.Process Control,1999,9(3):195 4 [10]Bartlett JT.Process simulation and optimization using metsim Mineral Resources Management by Personal Computer.Littleton, 412 411 1987:105 403 [11]Liu LL Design and Development of the Simulation System for Shaft Furnace Process Control Based on METSIM Softcare Dis- 395 sertation].Shenyang:Northeastern University,2014 (刘琳琳.基于METSIM软件的竖炉过程控制仿真系统的设 379 计与开发[学位论文].沈阳：东北大学，2014) 365 17:40.08 18:2008 1900.08 19:4008 [12]Liu FZ,Gao H J,Qiu J B,et al.Networked multirate output 时刻 feedback control for setpoints compensation and its application to 图14浮选槽液位跟踪曲线 rougher flotation process.IEEE T Ind Electron,2014,61(1): Fig.14 Trace curves of the flotation tank level 460 [13]Chen Z M,Hu Y J.Wang X,et al.Design of hardware-in-the- 参考文献 loop simulation system for LTE-A system based on USRP/ 2016 IEEE 11th Conference on Industrial Electronics and Applica- [1]Li H B.Study on Intelligent Control System for a Mixed Separation tions (/CIEA).Hefei,2016:2081 Process [Dissertation].Shenyang:Northeastem University,2014 [14]Rajamani R K,Herbst J A.Optimal control of a ball mill grind- (李海波.赤铁矿混合选别全流程智能控制系统的研究[学位 ing circuit-I.Grinding circuit modeling and dynamic simula- 论文].沈阳：东北大学，2014) tion.Chem Eng Sci,1991,46(3):861 [2]Dai W,Chai T Y,Ding J L,et al.Experimental Control System [15]Durance M V,Guillaneau J C.Villeneuve J,et al.Computer and Method for Grinding Process Type:China Patent, simulation of mineral and hydrometallurgical processes,USIM CN201210589882.0.2013-05-08 PAC2,a single software from design to optimization /Proceed- (代伟，柴天佑，丁进良，等.磨矿过程运行控制实验系统及 ings of International Symposium on Modelling Simulation Control 方法：中国专利，CN201210589882.0.2013-05-08) of Hydrometallurgical Processes.Quebec,1993:109 [3]Liu Y,Spencer S.Dynamie simulation of grinding circuits.Miner [16] Cecati C,Kolbusz J,Rozycki P,et al.A novel RBF training al- Eng,2004,17(11-12):1189 gorithm for short-term electric load forecasting and comparative [4]Chi Y.Yue H,Ding JL,et al.Design and implementation of the studies.IEEE T Ind Electron,2015,62(10)6519 simulation experiment for grinding process.Control Eng China, [17]Yu H,Xie TT,Paszezynski S,et al.Advantages of radial basis 2008,15(5):598 function networks for dynamic system design.IEEE T Ind Elec- (迟英，岳恒，丁进良，等.磨矿仿真实验平台的设计和实现 romn,2011,58(12):5438 控制工程，2008,15(5)：598) [18]Kolodner JL.An introduction to case-based reasoning.Artif In- [5]Li H B,Chai T Y,Zhang L Y.Hybrid intelligent optimal control tell Rev,1992,6(1):3 for flotation processes //2012 American Control Conference. [19]Riesbeck CK,Schank R C.Inside Case-based Reasoning.New Montreal,2012:4891 Jersey:Lawrence Erlbaum Associates,2013 [6]Geng ZX,Chai T Y,Yue H.A method of hybrid intelligent opti- [20]Zhou P,Chai T Y,Wang H.Intelligent optimal-setting control mal setting control for flotation process//7th World Congress on for grinding eircuits of mineral processing process.IEEE Trans Intelligent Control Automation.Chongqing,2008:4713 Autom Sci Eng,2009.6(4):730 [7]Dai W,Zhou P,Zhao D Y,et al.Hardware-in-the-loop simula- [21]Sidrak Y L.Control of the thickener operation in alumina produc- tion platform for supervisory control of mineral grinding process. tion.Control Eng Pract,1997,5(10):1417 Pouder Technol,2016,288:422 [22]Chai TY,Jia Y,Li H B,et al.An intelligent switching control [8]Dai W,Zhou P,Chai T Y.Research and development of optimal- for a mixed separation thickener process.Control Eng Pract, setting software platform based on optimal operational control inte- 2016,57:61 grated system.Comput Integr Manuf Sys,2013,19(4):798 [23]Li H B.Chai T Y,Fu J,et al.Adaptive decoupling control of (代伟，周平，柴天佑.运行优化控制集成系统优化设定软件平台 pulp levels in flotation cells.Asian J Control,2013,15(5): 的研究与开发.计算机集成制造系统，2013,19(4)：798) 1434
工程科学学报,第 39 卷,第 9 期 图 14 浮选槽液位跟踪曲线 Fig. 14 Trace curves of the flotation tank level 参 考 文 献 [1] Li H B. Study on Intelligent Control System for a Mixed Separation Process [Dissertation]. Shenyang: Northeastern University, 2014 (李海波. 赤铁矿混合选别全流程智能控制系统的研究[学位 论文]. 沈阳: 东北大学, 2014) [2] Dai W, Chai T Y, Ding J L, et al. Experimental Control System and Method for Grinding Process Type: China Patent, CN201210589882. 0. 2013鄄鄄05鄄鄄08 (代伟, 柴天佑, 丁进良, 等. 磨矿过程运行控制实验系统及 方法: 中国专利, CN201210589882. 0. 2013鄄鄄05鄄鄄08) [3] Liu Y, Spencer S. Dynamic simulation of grinding circuits. Miner Eng, 2004, 17(11鄄12): 1189 [4] Chi Y, Yue H, Ding J L, et al. Design and implementation of the simulation experiment for grinding process. Control Eng China, 2008, 15(5): 598 (迟瑛, 岳恒, 丁进良, 等. 磨矿仿真实验平台的设计和实现. 控制工程, 2008, 15(5): 598) [5] Li H B, Chai T Y, Zhang L Y. Hybrid intelligent optimal control for flotation processes / / 2012 American Control Conference. Montr佴al, 2012: 4891 [6] Geng Z X, Chai T Y, Yue H. A method of hybrid intelligent opti鄄 mal setting control for flotation process/ / 7th World Congress on Intelligent Control & Automation. Chongqing, 2008: 4713 [7] Dai W, Zhou P, Zhao D Y, et al. Hardware鄄in鄄the鄄loop simula鄄 tion platform for supervisory control of mineral grinding process. Powder Technol, 2016, 288: 422 [8] Dai W, Zhou P, Chai T Y. Research and development of optimal鄄 setting software platform based on optimal operational control inte鄄 grated system. Comput Integr Manuf Sys, 2013, 19(4): 798 (代伟, 周平, 柴天佑. 运行优化控制集成系统优化设定软件平台 的研究与开发. 计算机集成制造系统, 2013, 19(4): 798) [9] Radhakrishnan V R. Model based supervisory control of a ball mill grinding circuit. J Process Control, 1999, 9(3): 195 [10] Bartlett J T. Process simulation and optimization using metsim / / Mineral Resources Management by Personal Computer. Littleton, 1987: 105 [11] Liu L L. Design and Development of the Simulation System for Shaft Furnace Process Control Based on METSIM Software [Dis鄄 sertation]. Shenyang: Northeastern University, 2014 (刘琳琳. 基于 METSIM 软件的竖炉过程控制仿真系统的设 计与开发[学位论文]. 沈阳: 东北大学, 2014) [12] Liu F Z, Gao H J, Qiu J B, et al. Networked multirate output feedback control for setpoints compensation and its application to rougher flotation process. IEEE T Ind Electron, 2014, 61 (1): 460 [13] Chen Z M, Hu Y J, Wang X, et al. Design of hardware鄄in鄄the鄄 loop simulation system for LTE鄄鄄 A system based on USRP / / 2016 IEEE 11th Conference on Industrial Electronics and Applica鄄 tions (ICIEA). Hefei, 2016: 2081 [14] Rajamani R K, Herbst J A. Optimal control of a ball mill grind鄄 ing circuit———I. Grinding circuit modeling and dynamic simula鄄 tion. Chem Eng Sci, 1991, 46(3): 861 [15] Durance M V, Guillaneau J C, Villeneuve J, et al. Computer simulation of mineral and hydrometallurgical processes, USIM PAC2, a single software from design to optimization / / Proceed鄄 ings of International Symposium on Modelling Simulation Control of Hydrometallurgical Processes. Quebec, 1993: 109 [16] Cecati C, Kolbusz J, R佼z ·ycki P, et al. A novel RBF training al鄄 gorithm for short鄄term electric load forecasting and comparative studies. IEEE T Ind Electron, 2015, 62(10): 6519 [17] Yu H, Xie T T, Paszczynski S, et al. Advantages of radial basis function networks for dynamic system design. IEEE T Ind Elec鄄 tron, 2011, 58(12): 5438 [18] Kolodner J L. An introduction to case鄄based reasoning. Artif In鄄 tell Rev, 1992, 6(1): 3 [19] Riesbeck C K, Schank R C. Inside Case鄄based Reasoning. New Jersey: Lawrence Erlbaum Associates, 2013 [20] Zhou P, Chai T Y, Wang H. Intelligent optimal鄄setting control for grinding circuits of mineral processing process. IEEE Trans Autom Sci Eng, 2009, 6(4): 730 [21] Sidrak Y L. Control of the thickener operation in alumina produc鄄 tion. Control Eng Pract, 1997, 5(10): 1417 [22] Chai T Y, Jia Y, Li H B, et al. An intelligent switching control for a mixed separation thickener process. Control Eng Pract, 2016, 57: 61 [23] Li H B, Chai T Y, Fu J, et al. Adaptive decoupling control of pulp levels in flotation cells. Asian J Control, 2013, 15 (5 ): 1434 ·1420·
