流程工业优化控制与安全运行知识自动化系统设计方法与应用研究

With the continuous fusion of informatization and industrialization, complex analyses, accurate judgments and innovation decisions are more and more necessary in the regulation of process industry. As the age of big data is coming, an important opportunity and guarantee has been provided for the development of control theory and the advancement of control level. Automation of knowledge work under the background of big data is a significant subject which is urgent to be solved in process industry and must be researched and developed. Automation of knowledge work is also the inevitable route to intelligence, greening, high efficiency and low consumption for the process industry in our country. In this project, the following scientific problems will be systematically and thoroughly researched: the overall architecture, coordination mechanism and implementation mechanism of the integrative automation system of knowledge work of process industry optimal control and safe operation, the operating condition recognition, the running state assessment and the theory and methodology of intelligent decision for process industry, the knowledge based process industry optimal control and safe operation control of abnormal conditions. Also, major breakthroughs will be made on the key techniques of process industry automation of knowledge work. Meanwhile, through the design and implementation of a typical platform for process industry automation of knowledge work, the simulation and verification of the proposed theories and methodologies in this subject will be guaranteed. At last, the proposed theories, methodologies and techniques of automation of knowledge work will be applied to typical industry processes, and the automation of knowledge work for typical industry processes will be achieved.

随着信息化与工业化的不断深化融合，流程工业的调控越来越需要复杂分析、精确判断和创新决策。大数据时代的到来，为控制理论的发展及控制水平的提高提供了重要的契机和保障。大数据条件下的知识自动化是流程工业领域亟待解决且必须研究与发展的重要课题，是适于我国流程工业智能化、绿色化与高效低耗的必由之路。本项目拟对流程工业优化控制与安全运行知识自动化系统的总体架构、协同机制及实施机制，流程工业过程的运行工况识别、运行状态评价及智能决策理论与方法，基于知识的流程工业生产过程优化控制以及异常工况安全运行控制等关键科学问题展开系统深入的研究，并在流程工业知识自动化关键技术上取得重大突破；同时，通过典型流程工业过程知识自动化仿真平台的设计与实施，为本项目提出的理论与方法的仿真验证提供保障；最后，将所提出的知识自动化理论、方法与技术应用于典型流程工业过程，实现典型流程工业过程的知识自动化。

流程工业自动化技术是支撑流程工业高效化、绿色化的核心技术。在生产原料性质变化频繁、生产设备异常、生产操作工况剧烈波动或者基础自动化程度较低、关键参数无法在线检测、难于实现精确数学建模、较长流程间复杂信息关联等情况下，流程工业的生产操作需要依赖人的经验进行分析、判断和决策来维持其正常生产。可见，流程工业自动化的发展必须解决复杂分析、精准判断和创新决策的问题。综上，本项目针对流程工业优化控制与安全运行知识自动化系统首先建立并提出了流程工业优化控制与安全运行知识自动化系统的总体架构与协调运行机制。在总体架构下，深入研究并解决了流程工业过程的运行工况识别、运行状态评价及智能决策理论与方法、基于知识的流程工业生产过程优化控制策略以及基于知识的流程工业异常工况安全运行控制方法等关键科学问题，并取得了一定的技术突破；其中包括：针对流程工业生产过程流程长、多工序、关联耦合等特点，提出了分层分块的运行状态评价方法，同时提出了基于变量贡献的非优原因追溯方法；针对流程工业生产过程长流程关联耦合，分析、决策困难的问题，提出了全流程分层优化控制方法，同时针对过程中局部环节无法定量建模的问题，提出了基于定性定量混合模型的全流程优化控制的方法；针对过程中存在不确定扰动的问题，提出了混合模型的全流程实时优化补偿的方法；针对关键变量无法在线测量或测量不准确以及专家经验的不确定等问题，提出了基于多元信息融合、数据与知识融合、多层次知识（定性+定量）融合的流程工业过程的异常工况识别与自愈控制方法。针对基于贝叶斯网络的异常工况识别与自愈控制模型，提出了基于群专家知识的贝叶斯网络结构学习及基于目标节点辨识的模型更新学习方法，以及针对流程工业过程的数据量少、专家知识不充足的情况，提出了基于迁移学习的目标域异常工况识别与自愈控制模型学习方法。最后，本项目以电熔镁熔炼过程为背景，搭建了流程工业知识自动化系统仿真平台，并将所提出的方法与技术在该仿真平台上进行了仿真分析与实验验证。同时，本项目将部分方法与技术推广应用于湿法冶金过程，验证了所提出方法与技术的有效性。