2021
DOI: 10.1002/cjce.23974
|View full text |Cite
|
Sign up to set email alerts
|

Plant‐wide optimization based on interval number for beneficiation and metallurgy

Abstract: Considering the difficulty of accurate online-measurement of some key variables in the plant-wide process of beneficiation and metallurgy, the quantitative models of some procedures are difficult to establish and the plant-wide optimization control based on the quantitative models is difficult to realize. To

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

0
0
0
1

Year Published

2024
2024
2024
2024

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 1 publication
(1 citation statement)
references
References 23 publications
0
0
0
1
Order By: Relevance
“…MPCs 的协作实现全流程的优化控制。Bai 等人 [16] 针 对大型网络化全厂系统,提出了一种基于邻居的分 布式模型预测控制策略,通过同时优化局部子系统 及其邻居的性能指标实现全流程的优化控制性能。 文献 [17]在 RTO 优化层和 MPC 基础回路层的中间设 计了一层监督式 MPC,通过监督层 MPC 的协调实 现不同最优运行工况的切换,从而抑制干扰影响。 Yuan 等人 [18] 提出一种基于区间数的金矿浮选过程全 流程优化方法,建立全流程经济利益最大化优化模 型,从而得到各子过程最优操作量。Matias 等人 [19] 提出了一种具有持久参数自适应的蒸馏塔全流程实 时优化方法,将全厂模型划分为子模型,并根据其 特性使用在线或稳态估计器更新其参数,避免了构 建全流程动态模型。Mkwananzi 等人 [20] 出一种制糖 全厂稳态最优运行策略,使用稳态过程模型和代理 优化算法寻找存在扰动的情况下使工厂收入最大化 的最优设定点。由于复杂工业过程的精确动态模型 难以获取,数据驱动的全流程优化方法受到关注。 Xie 等人 [21] 针对湿法炼锌过程提出了一种基于模糊神 经网络的全流程协调优化与控制方法,利用模糊神 经网络辨识各子工序动态模型,构建了协调器以优 化不同工序的设定值,采用广义模型预测控制实现 底层控制。Li 等人 [22] 将强化学习方法与多智能体博 弈论相结合,提出了一种模型未知的全厂性能优化 F o r R e v i e w O n l y 方法,构建局部非零和优化问题,从而达到全局纳 什均衡。为实现浓缩过程的全流程优化控制,Lei [23]…”
unclassified
“…MPCs 的协作实现全流程的优化控制。Bai 等人 [16] 针 对大型网络化全厂系统,提出了一种基于邻居的分 布式模型预测控制策略,通过同时优化局部子系统 及其邻居的性能指标实现全流程的优化控制性能。 文献 [17]在 RTO 优化层和 MPC 基础回路层的中间设 计了一层监督式 MPC,通过监督层 MPC 的协调实 现不同最优运行工况的切换,从而抑制干扰影响。 Yuan 等人 [18] 提出一种基于区间数的金矿浮选过程全 流程优化方法,建立全流程经济利益最大化优化模 型,从而得到各子过程最优操作量。Matias 等人 [19] 提出了一种具有持久参数自适应的蒸馏塔全流程实 时优化方法,将全厂模型划分为子模型,并根据其 特性使用在线或稳态估计器更新其参数,避免了构 建全流程动态模型。Mkwananzi 等人 [20] 出一种制糖 全厂稳态最优运行策略,使用稳态过程模型和代理 优化算法寻找存在扰动的情况下使工厂收入最大化 的最优设定点。由于复杂工业过程的精确动态模型 难以获取,数据驱动的全流程优化方法受到关注。 Xie 等人 [21] 针对湿法炼锌过程提出了一种基于模糊神 经网络的全流程协调优化与控制方法,利用模糊神 经网络辨识各子工序动态模型,构建了协调器以优 化不同工序的设定值,采用广义模型预测控制实现 底层控制。Li 等人 [22] 将强化学习方法与多智能体博 弈论相结合,提出了一种模型未知的全厂性能优化 F o r R e v i e w O n l y 方法,构建局部非零和优化问题,从而达到全局纳 什均衡。为实现浓缩过程的全流程优化控制,Lei [23]…”
unclassified