一种基于QP-DMC的快速重介选煤密度控制系统

技术领域

本发明涉及重介选煤密度控制技术领域，具体提供了一种基于QP-DMC的快速重介选煤密度控制系统。

背景技术

实现重介选煤过程的智能化可以提高精煤产量、降低矸石中的带煤量，从而提高生产效率，并显著提高重介选煤系统的稳定性和准确性。重介选煤的智能化关键在于实现对悬浮液密度的控制。目前，工业现场通常采用简单的PID控制方法，但其控制效果不够理想。这是因为重介密度控制涉及到悬浮液密度和液位的相互耦合，调整分流阀、补水阀和加介阀的开度都会影响悬浮液的密度和液位，不能单独考虑。此外，悬浮液密度和液位的控制对象属于典型的大惯性大滞后过程，简单的PID算法无法很好地控制这类对象。因此，需要采用多变量预测控制方法来统一分析和控制，以适应重介分选过程的实际特点。然而，目前应用于重介选煤密度控制的普通多变量预测控制方法存在计算量大、计算时间长以及难以实现在线实时控制等问题。因此，研究快速的重介选煤密度控制系统变得非常必要。

发明内容

针对现有技术中，重介选煤过程中普通预测控制算法在线计算量大、计算时间长的问题，本发明提供了一种基于QP-DMC的快速重介选煤密度控制系统，一种基于QP-DMC的快速重介选煤密度控制系统，用于在重介选煤设备中，在预设时间间隔的采样时刻，通过设置于预设位置的密度计和液位计分别获取实时悬浮液密度数据和实时悬浮液液位数据，并根据实时悬浮液密度数据和实时悬浮液液位数据相应调整分流阀开度、加介阀开度、补水阀开度；包括分程控制模块、QP-DMC控制模型和控制执行器。

控制执行器是控制系统中负责执行控制命令的部件，通过接收控制命令，并将其转换为相应的控制信号，从而调整重介选煤过程中的分流阀、补水阀、补介阀的开度，以控制悬浮液的密度和液位在预定范围内波动。

具体来说，控制执行器接收来自分程控制器的控制命令，并将其转换为相应的控制信号，然后通过执行器驱动相应的执行机构来调整分流阀、补水阀、补介阀的开度，从而实现对悬浮液密度和液位的控制。

在重介选煤过程中，通过控制执行器对分流阀、补水阀、补介阀的开度进行调整，可以实现对悬浮液的流量、密度和液位的控制，从而保证重介选煤过程的稳定性和效率。同时，控制执行器的快速响应能力也可以提高控制系统的响应速度和精度，从而进一步提高重介选煤过程的控制效果。

分程控制模块基于预设悬浮液密度设定值划分不同的分程，并分别针对各分程，根据实时悬浮液密度数据和实时悬浮液液位数据，应用QP-DMC控制模型对分流阀开度、加介阀开度和补水阀开度进行实时调整，并发出控制命令。

其中，基于预设悬浮液密度设定值划分不同的分程具体为：

实时悬浮液密度数据y

(2)实时悬浮液密度数据y

QP-DMC控制模型与分程控制模块结合，通过系统辨识实验，获得多变量QP-DMC控制模型，具体包括以下步骤：

选择分流阀开度u

选择其他重介分选过程中的控制因素，补水阀开度u

根据建立的第一分程和第二分程分别对应的传递函数模型，设计多变量分程QP-DMC控制器，多变量分程QP-DMC控制器包括多变量第一分程QP-DMC预测模型和多变量第二分程QP-DMC预测模型，用于控制重介悬浮液密度y

其中，将第一分程传递函数模型进行离散化，得到多变量第一分程QP-DMC预测模型，以预测在分流阀开度u

将第二分程传递函数模型进行离散化，得到多变量第二分程QP-DMC预测模型，以预测在分流阀开度u

所述多变量QP-DMC控制模型结合前馈解耦模块，分别针对分程控制模块所划分的各个分程，前馈解耦模块用于保留分程中重要因素、并对影响因素进行前馈补偿，将多变量预测任务分解为多个单变量预测任务，再将各个单变量预测结果组合获得整体预测结果，并结合QP-DMC控制模型获得控制指令，发送至控制执行器，实现快速预测和控制。

为了获得多个单变量分程QP-DMC快速控制器，具体包括以下步骤：

针对第一分程，把分流阀开度u

式中y

其中[a

其中[a

针对第二分程，将分流阀开度u

式中u

其中[a

基于QP-DMC问题QP-DMC问题包括性能指标以及以下内容：多目标优化问题：QP-DMC问题通常是一个多目标优化问题，需要同时优化多个性能指标，例如控制速度、控制精度、能耗等。

非线性问题：QP-DMC问题中的非线性问题通常来自于被控对象的非线性特性或者控制算法的非线性特性。

鲁棒性问题：QP-DMC问题需要具有一定的鲁棒性，即在存在不确定性或者扰动的情况下，仍然能够保持较好的控制性能。

实时性问题：QP-DMC问题需要在实时性要求较高的情况下进行求解，例如工业过程控制中的实时控制问题。

大规模问题：QP-DMC问题通常涉及到大规模的状态空间和控制输入空间，需要采用高效的优化算法和计算方法。

本发明针对多个单变量分程QP-DMC快速控制器性能指标，为了确定控制变量分流阀开度u

针对第一分程，构建多个单变量分程QP-DMC快速控制器性能指标如下：

其中：矩阵A′

针对第二分程，构建多个单变量分程QP-DMC快速控制器指标如下：

其中：矩阵A′

在其中一种实施例中，所述系统辨识测试可以是阶跃响应测试，也可以是脉冲响应测试等测试方法。

该系统辨识测试中，所述建立传递函数模型的过程中，需要对采集到的数据进行处理，如滤波、拟合等操作，以得到更加准确的模型。

该系统辨识测试中，所述设计合适的多变量预测控制器的过程中，还可采用其他多变量控制器，如DMC、GPC、MAC等，以同时控制重介悬浮液位和密度的变化。

其中，分程预测模型基于系统辨识的方法进行训练和优化。

本发明提供的一种基于QP-DMC的快速重介选煤密度控制系统，具备以下有益效果：

这个基于QP-DMC的快速重介选煤密度控制系统可以带来以下几个有益效果：

1.提高重介选煤设备的效率：通过实时调整分流阀、加介阀和补水阀的开度，可以根据悬浮液密度数据和实时悬浮液液位数据，及时调整设备的操作参数，从而提高设备的分选效率和稳定性。

2.通过实时监测悬浮液密度和液位数据，可以及时调整设备的操作参数，从而提高产品的质量和稳定性。通过引入控制执行器，可以实现对设备的自动化控制，减少人工干预，提高生产效率和安全性。

3.通过前馈解耦模块的设计，可以减少多变量预测任务中的不确定性和干扰，从而提高系统的可靠性和稳定性。

附图说明

图1为本发明主要步骤；

图2为本发明的基于QP-DMC算法的快速重介悬浮密度控制系统流程图；

图3为第一分程Matlab仿真图；

图4第二分程Matlab仿真图；

图5为悬浮液密度控制回路仿真图；

图6悬浮液液位控制回路仿真图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-2所示，在重介选煤设备中，在预设时间间隔的采样时刻，根据实时悬浮液密度数据和实时悬浮液液位数据，相应调整分流阀开度、加介阀开度、补水阀开度；其特征在于，包括分程控制模块、QP-DMC控制模型和控制执行器。

分程控制模块基于预设悬浮液密度设定值划分不同的分程，并分别针对各分程，根据实时悬浮液密度数据和实时悬浮液液位数据，应用QP-DMC控制模型对分流阀开度、加介阀开度和补水阀开度进行实时调整，并发出控制命令。

控制执行器接收控制命令，并将其转换为相应的控制信号，对于分流阀开度、加介阀开度、补水阀开度进行实时调整。

其中，基于预设悬浮液密度设定值划分不同的分程具体为：

实时悬浮液密度数据y

实时悬浮液密度数据y

QP-DMC控制模型与分程控制模块结合，通过系统辨识实验，获得多变量QP-DMC控制模型，具体包括以下步骤：

选择分流阀开度u

选择其他重介分选过程中的控制因素，补水阀开度u

根据建立的第一分程和第二分程分别对应的传递函数模型，设计多变量分程QP-DMC控制器，多变量分程QP-DMC控制器包括多变量第一分程QP-DMC预测模型和多变量第二分程QP-DMC预测模型，用于控制重介悬浮液密度y

其中，将第一分程传递函数模型进行离散化，得到多变量第一分程QP-DMC预测模型，以预测在分流阀开度u

将第二分程传递函数模型进行离散化，得到多变量第二分程QP-DMC预测模型，以预测在分流阀开度u

所述多变量QP-DMC控制模型结合前馈解耦模块，分别针对分程控制模块所划分的各个分程，前馈解耦模块用于保留分程中重要因素、并对影响因素进行前馈补偿，将多变量预测任务分解为多个单变量预测任务，再将各个单变量预测结果组合获得整体预测结果，并结合QP-DMC控制模型获得控制指令，将控制指令发送至控制执行器，实现快速预测和控制。

获得多个单变量分程QP-DMC快速控制器，具体包括以下步骤：

针对第一分程，把分流阀开度u

式中y

其中[a

其中[a

针对第二分程，将分流阀开度u

式中u

其中[a

基于QP-DMC问题QP-DMC问题包括性能指标以及以下内容：多目标优化问题：QP-DMC问题通常是一个多目标优化问题，需要同时优化多个性能指标，例如控制速度、控制精度、能耗等。

非线性问题：QP-DMC问题中的非线性问题通常来自于被控对象的非线性特性或者控制算法的非线性特性。

鲁棒性问题：QP-DMC问题需要具有一定的鲁棒性，即在存在不确定性或者扰动的情况下，仍然能够保持较好的控制性能。

实时性问题：QP-DMC问题需要在实时性要求较高的情况下进行求解，例如工业过程控制中的实时控制问题。

大规模问题：QP-DMC问题通常涉及到大规模的状态空间和控制输入空间，需要采用高效的优化算法和计算方法。

本发明针对多个单变量分程QP-DMC快速控制器性能指标，为了确定控制变量分流阀开度u

针对第一分程，构建多个单变量分程QP-DMC快速控制器性能指标如下：

其中：矩阵A′

针对第二分程，构建多个单变量分程QP-DMC快速控制器指标如下：

其中：矩阵A′

其中，该系统辨识测试中，所述系统辨识测试可以是阶跃响应测试，也可以是脉冲响应测试等测试方法。

该系统辨识测试中，所述建立传递函数模型的过程中，需要对采集到的数据进行处理，如滤波、拟合等操作，以得到更加准确的模型。

该系统辨识测试中，所述设计合适的多变量预测控制器的过程中，还可采用其他多变量控制器，如DMC、GPC、MAC等，以同时控制重介悬浮液位和密度的变化。

其中，分程预测模型基于系统辨识的方法进行训练和优化。

在其中一种实施例中，通过系统辨识测试，分别以重介选煤过程中的分流阀开度u

(1)当密度小于设定值时，进入第一个分程。在这种情况下，假设重介液初始密度为1.2kg/L，要求的设定密度为1.5kg/L，合介桶初始液位为1.6m，要求合介桶液位稳定在2.5m时的Matlab仿真结果，如图3所示。

(2)当密度大于设定值时，进入第二个分程。在这种情况下，假设重介液初始密度为1.8kg/L，要求的设定密度为1.5kg/L，合介桶初始液位为1.6m，要求合介桶液位稳定在2.5m时的Matlab仿真结果如图4所示。

为了说明快速重介选煤密度控制的控制效果，与传统PID控制算法进行了比较，图5为传统PID算法在密度控制回路与液位控制回路的Matlab仿真。

由图5和图6可看出该系统在传统PID控制下，密度与液位具有较大超调，调节时间大概在300s，而在本发明的控制下调节时间最多200s即可。由此可见，本发明控制方法针对重介悬浮液密度及液位对象的控制效果优于简单PID控制效果。

本发明所述方法将普通多变量预测控制中的滚动优化拆分为2次分散优化，则计算复杂度由○(2，M)变为2*O(1，M)。本发明所述方法中Matlab仿真一次计算时间为0.253秒，普通QP-DMC算法一次计算时间1.147秒。本发明所述方法能够简化计算过程，缩短计算时间，满足控制系统实时性的要求，实现快速控制的目的。