基于纤维形态随机分布控制的磨浆过程运行反馈控制及应用

Disc refining process is the key and the highest energy consumption unit in chemical mechanical pulping production of paper industry. The pulping fiber state distribution is essential for product quality and energy saving of the whole paper industry. The disc refining process is characterized by stochastic distribution and severe nonlinear dynamics. Based on the applicants' abundant research foundations on operational feedback control for complex industrial processes, especially for pulp bleaching processes, this proposed research will investigate the approaches and applications of hybrid operational optimization control for disc refining process based on stochastic distribution control of fiber state distribution. First, the data-driven nonlinear stochastic distribution dynamic model will be established between the key control inputs and the pulping fiber state distribution. And the adaptive mechanism of model parameters also will be investigated. Then, the hybrid operational feedback control based on stochastic distribution optimization of fiber state distribution and setpoiont optimization of specific energy will be investigated. Moreover, the dynamic compensation of loop setpoints also will be studied. This is then followed by analysis of the closed-loop performance and robustness of the proposed operational feedback control with multi-layer, multi-control-mode, and multi-structure. Finally, both experiments and real-plant industrial tests will be carried out on a disc refiner experiment device and a large chemical mechanical pulping plant, respectively. The successful application of the project will optimize pulpling product quality and energy operation of the whole pulping and paper industry, and has important economic value and strategic significance.

化学机械制浆中，盘磨机磨浆过程是最核心且能耗最高的生产环节，磨浆纤维形态分布对整个制浆造纸的产品质量与节能降耗至关重要。本项目在申请者多年从事复杂工业过程运行反馈控制，尤其是关于制浆漂白过程运行控制与优化的研究基础上，针对磨浆过程运行的非线性随机分布动态特性，拟开展基于纤维形态随机分布优化的磨浆过程混合运行优化控制及应用研究。首先，建立盘磨机关键控制输入与纸浆纤维形态分布之间的数据驱动非线性随机分布模型以及模型参数在线自适应机制；在此基础上，建立面向纤维形态分布优化与比能耗定值优化的磨浆过程混合优化控制方法及设定值动态补偿方法，以及多层次、多控制模态、多结构混合运行反馈控制系统闭环性能分析和鲁棒性分析方法。最后，结合磨浆实验装置和典型磨浆生产过程，开展所提方法的实验验证和工业测试研究。项目的成功应用，将优化整个制浆造纸的产品质量，实现节能降耗，具有重要的经济价值和战略意义。

盘磨机磨浆过程是化学机械制浆与造纸中最核心且能耗最高的生产环节，而磨浆过程的输出纤维形态分布对整个制浆造纸的产品质量与节能降耗至关重要。本项目在申请者多年从事复杂工业过程运行反馈控制，针对化学机械制浆磨浆过程运行的非线性随机分布动态特性，开展了基于纤维形态随机分布优化的磨浆过程混合运行优化控制及应用研究。首先，本项目建立了盘磨机关键控制输入与纸浆纤维形态分布之间的数据驱动非线性随机分布模型以及模型参数在线自适应机制；基于建立的数据驱动模型，本项目进一步建立了面向纤维形态分布优化与比能耗定值优化的化学机械制浆磨浆过程混合优化控制方法，以及多层次、多控制模态、多结构混合运行反馈控制系统闭环性能分析方法。最后，结合磨浆实验装置和江苏京东纸业ATMP生产线的典型磨浆生产过程，开展所提理论方法的实验验证和工业测试研究。项目的成功工业测试表明：所提方法优化整个制浆造纸的产品质量，实现节能降耗，具有明显经济价值和战略意义。在成果和人才培养方面，项目共培养博士后/博士研究生3名，硕士研究生5名。项目研究在IEEE T CST等权威期刊发表SCI论文16篇(IEEE汇刊6篇)，EI论文15篇(自动化学报3篇)，学术专著1部(独著)，发明专利7项，获中国自动化学会优秀博士学位论文奖、CSC-IBM中国优秀教师奖教金等5项奖励。项目负责人获得了国家自然科学基金重大项目课题资助，项目骨干卢绍文教授获得国家自然科学基金重点项目资助。