项目名称: 数据驱动下矿渣微粉生产过程的智能控制

项目编号: No.61473034

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化学科

项目作者: 李晓理

作者单位: 北京工业大学

项目金额: 80万元

中文摘要: 矿渣微粉一种新型的绿色环保型建材产品,具有耐腐蚀、粘结力强、强度高、防微缩等特点。微粉生产不但能够使矿渣得到有效回收和利用,还能给企业带来可观的经济效益,目前已经成为钢铁企业的一个重要的生产环节。由于是新兴产业,当前微粉生产过程的控制系统很难达到全流程的优化控制,常常出现产量底、成本高、控制系统故障,甚至控制系统失效的等问题。本项目全面了解微粉生产的背景和工艺,仔细分析不同空气流动情况下微粉颗粒的运动规律,认真研究微粉生产过程的主要控制量、被控量之间的函数关系,各种环境参数(如湿度、温度、原料成分等)对微粉质量的影响;基于大量的现场测量数据,构建系统等价的黑箱或灰箱模型;在满足控制量物理约束情况下,构建有效性能指标,针对基于不同函数基底描述的系统模型设计最优控制器,提高控制品质;综合考虑微粉生产的各种工况、生产成本和利润、能源消耗等多个因素,构成微粉生产全流程优化控制系统。

中文关键词: 数据驱动;矿渣微粉;生产过程;系统建模;智能控制

英文摘要: Slag powder is a new type of green building materials products, has the characteristics of corrosion resistance, strong adhesion, high strength and anti scaling. Powder production can not only make slag recovery and utilization, but also bring considerable economic benefits to the enterprise, has become an important production process of iron and steel enterprises. Because it is a new industry, the current control system of powder production process is difficult to give the optimal control of the whole process, often yields low production, high cost, control system fault, even the control system failure etc.. This project will try to give a comprehensive understanding of powder production background and process, careful analysis of movement of slay particles in different air flow condition, serious study of the function relationship among the main control and controlled quantity in powder production process, and the influence of various environmental parameters (such as humidity, temperature, composition of raw material etc.) on the powder quality; a large number field measured data will be used to construct the system equivalent black or grey box model; under the satisfaction of physical constraints, an effective performance index and the optimal controller based on the different model described by different base function will be set up to improve the control quality; comprehensive consideration of various conditions of powder production, production cost and profit, energy consumption and other factors has been made, an optimal control system of slay powder production process will be given.

英文关键词: Data-driven;slag powder;Productive progress;System modelling;Intelligent control

成为VIP会员查看完整内容
0

相关内容

通过采集数据(这里的数据必须满足大、全、细、时),将数据进行组织形成信息流,在做决策或者产品、运营等优化时,根据不同需求对信息流进行提炼总结,从而在数据的支撑下或者指导下进行科学的行动叫做数据驱动。
航空制造知识图谱构建研究综述
专知会员服务
112+阅读 · 2022年4月25日
工业设备数字孪生白皮书 附下载
专知会员服务
129+阅读 · 2022年4月6日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
38+阅读 · 2021年6月19日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
【数字孪生】使用数字孪生体进行预测性维护
产业智能官
27+阅读 · 2019年7月22日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【APS】PCB企业如何实现APS自动排程系统
产业智能官
12+阅读 · 2018年9月24日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年5月4日
Anomalous Instance Detection in Deep Learning: A Survey
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
航空制造知识图谱构建研究综述
专知会员服务
112+阅读 · 2022年4月25日
工业设备数字孪生白皮书 附下载
专知会员服务
129+阅读 · 2022年4月6日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
38+阅读 · 2021年6月19日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关资讯
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员