代 偉，周 平，柴天佑

（東北大學 流程工業(yè)綜合自動化國家重點實驗室，遼寧 沈陽 110819）

0 引言

在工業(yè)過程控制中，底層控制大部分采用集散控制系統(tǒng)（Distributed Control System，DCS）及現(xiàn)場總線等技術，其中DCS的設計主要集中在保證閉環(huán)控制穩(wěn)定的條件下，使被控變量盡可能好地跟蹤控制系統(tǒng)的設定值。集散型計算機控制系統(tǒng)的廣泛應用，顯著提高了工業(yè)生產(chǎn)過程自動控制系統(tǒng)的性能。然而，自動控制不但要使控制系統(tǒng)輸出很好的跟蹤設定值，而且要實現(xiàn)生產(chǎn)設備（或過程）的整體運行最優(yōu)，即將產(chǎn)品加工過程中與質量、效率和消耗相關的指標控制在目標值范圍內［1］。近年來，工業(yè)過程運行優(yōu)化控制吸引了眾多學者進行研究［2－6］，并相繼開發(fā)了一些基于DCS監(jiān)控組態(tài)軟件或采用高級語言定制開發(fā)的優(yōu)化設定軟件［7－8］，對保證質量、提高產(chǎn)量和降低能耗具有重要意義。然而，基于DCS監(jiān)控組態(tài)軟件的開發(fā)模式由于監(jiān)控系統(tǒng)需要專用的計算機，不同DCS監(jiān)控機的軟、硬件環(huán)境不同，使得在一種型號的DCS監(jiān)控機上開發(fā)的優(yōu)化控制軟件很難移植到另一種型號的DCS監(jiān)控機上，大多數(shù)情況下必須重新開發(fā)，而采用高級語言開發(fā)的軟件包往往或基于一類算法或針對一類過程，在應用到另一個工業(yè)過程或需要更換算法時只能重新開發(fā)。以上述模式開發(fā)的系統(tǒng)屬于專用或者封閉式系統(tǒng)，缺乏前瞻性的框架結構，其標準化程度低、可擴展性差、資源無法復用，且系統(tǒng)內嵌的算法模型與開發(fā)環(huán)境深度耦合，極大地影響了運行優(yōu)化控制在工業(yè)生產(chǎn)過程中的廣泛應用。此外，目前生產(chǎn)DCS的技術主要被國外某些大公司壟斷，在DCS監(jiān)控機上開發(fā)的上層優(yōu)化設定軟件不能擺脫對DCS生產(chǎn)廠家的依賴。

針對上述問題，立足開發(fā)脫離DCS組態(tài)監(jiān)控環(huán)境，以實現(xiàn)快速、高效的先進控制或優(yōu)化控制軟件開發(fā)為原則，本文采用基于OSSP－HMI－DCS的運行優(yōu)化控制集成系統(tǒng)架構，設計并開發(fā)了能夠以組態(tài)方式搭建優(yōu)化控制算法的上層優(yōu)化設定軟件平臺（Optimal－Setting Software Platform，OSSP），該平臺對運行優(yōu)化控制的推廣應用具有十分重要的作用。

本文所研究的平臺是一個集優(yōu)化控制與運行監(jiān)視為一體的通用平臺，提供一套用于不同流程工業(yè)的實時優(yōu)化控制解決方案；平臺完全基于面向對象的設計，徹底整合C＋＋和C＃，使用拖放方式圖形化組態(tài)控制策略；提供自定義算法模型庫功能，通過向優(yōu)化控制模塊庫中添加不同行業(yè)的優(yōu)化控制算法模塊，可實現(xiàn)相應行業(yè)的優(yōu)化控制；以非編譯方式聚合優(yōu)化控制算法，無縫兼容MATLAB科學計算軟件，可將在MATLAB中已經(jīng)過仿真驗證的算法直接應用于系統(tǒng)開發(fā)，大大提高項目開發(fā)效率；模型單元的表現(xiàn)形式多樣化，支持bmp和png等多種格式圖元，并提供豐富的圖形庫，使組態(tài)的控制策略從單一的框圖形式中脫離出來；軟件平臺的所有界面功能塊均采用可配置、可調整和可?？康目梢暬O計，使UI可由用戶根據(jù)需求靈活配置；提供多種系統(tǒng)運行模式，大大增加平臺的靈活性與實用性。

1 集成軟件平臺的體系結構與功能

運行優(yōu)化控制集成系統(tǒng)包括上層優(yōu)化設定系統(tǒng)和底層回路監(jiān)控系統(tǒng)［1－7］，其體系結構如圖1所示。上層優(yōu)化設定系統(tǒng)的目標是根據(jù)工藝指標、約束以及系統(tǒng)邊界條件實時調整影響經(jīng)濟指標的關鍵回路的設定值，從而將整個運行過程中工藝指標控制在目標值范圍內；底層回路監(jiān)控系統(tǒng)負責基礎邏輯控制、順序控制等，在保證系統(tǒng)安全運行的前提下使過程變量跟蹤上設定值。底層回路控制軟件平臺采用各DCS生產(chǎn)廠商的軟件產(chǎn)品，包括上位機人機接口（Human Machine Interface，HMI）組態(tài)軟件 （如RSView32，WinCC等）和下位機編程軟件（如Logix5000，Step7等）?？刂破鞑煌捎玫闹诬浖脚_也不相同。本文致力于不依賴任何DCS產(chǎn)品，提供開放的算法接口，使算法與平臺解耦，僅通過自定義優(yōu)化控制算法模型和搭積木似的組態(tài)控制策略，即可實現(xiàn)相應行業(yè)的上層優(yōu)化設定系統(tǒng)的開發(fā)。

1．1 優(yōu)化設定軟件平臺功能與體系結構

1．1．1 優(yōu)化設定軟件平臺功能

OSSP以實現(xiàn)快速、高效的優(yōu)化控制軟件開發(fā)為目標，將復雜的UI編程封裝起來，完全脫離．net等編程環(huán)境，并將部分常用功能以集成化的方式提供給工程應用開發(fā)人員，在客戶端不需編寫任何UI和數(shù)據(jù)通訊接口代碼，從而將開發(fā)精力集中在優(yōu)化控制算法上。算法的模塊化設計使算法模塊具有一定的通用性、可重用性與可維護性，為項目的定制提供了較大的便捷，大大縮短了開發(fā)周期。

OSSP用例分析如圖2所示，該圖表明了本文所研究平臺的主要功能，包括系統(tǒng)管理、變量庫管理、算法庫管理、算法組態(tài)、算法運行、數(shù)據(jù)通訊管理和界面管理。

（1）系統(tǒng)管理 包括用戶管理和項目管理子模塊。用戶管理設置了工程師與操作員兩種權限。操作員權限用戶只能完成系統(tǒng)參數(shù)設置、優(yōu)化操作和數(shù)據(jù)顯示查看功能；工程師權限用戶可以使用平臺的所有配置功能。系統(tǒng)管理模塊是整個軟件系統(tǒng)的入口模塊，項目與平臺采用多文檔結構，一個項目可以提供多種算法策略。

（2）變量庫管理 主要有三個功能：對軟件的所有變量進行統(tǒng)一管理，根據(jù)變量屬性進行分類查詢和修改；提供與第三方軟件或控制器的數(shù)據(jù)訪問接口，形成變量與具體實際過程DCS（PLC）的標簽映射，使軟件本身的組態(tài)、配置和測試不依賴于具體的控制回路標簽；充當實時數(shù)據(jù)庫存儲優(yōu)化控制算法的數(shù)據(jù)，并定期將數(shù)據(jù)根據(jù)歸檔配置保存到歷史數(shù)據(jù)庫，作為結果查詢與分析的數(shù)據(jù)源。

（3）算法庫管理 實現(xiàn)優(yōu)化控制算法的分組管理、算法注冊封裝與維護功能。算法模塊是組成算法工具箱的基本單元，工具箱中保存具有相似功能的算法模塊，算法庫是工具箱的容器。封裝是將以JScript／VBScript腳本文件、MATLAB文件或．net動態(tài)鏈接庫文件存在的算法定義到平臺中作為模塊存儲下來。封裝過程中需要定義表征圖元、算法文件、輸入／輸出數(shù)據(jù)接口、運行結果顯示表格四部分。維護是指對已封裝好的算法模塊進行修改。

（4）算法組態(tài) 為復雜控制算法提供組態(tài)、模塊屬性配置、模塊連接的支撐環(huán)境，主要由優(yōu)化控制策略管理器和算法模塊解析器組成。算法模塊必須是在算法庫中已封裝的模塊，才能以拖拽的方式在組態(tài)中使用。通過點擊算法模塊即可查看算法屬性，包括數(shù)據(jù)接口和運行模式信息等。

（5）算法運行 控制策略運行模塊通過算法執(zhí)行器實現(xiàn)算法運行模式控制和數(shù)據(jù)監(jiān)視兩大功能。算法運行模式分為操作運行、順序運行和定時運行三種。其中操作運行模式為完全人工控制，由人觸發(fā)算法模塊的運行指令，適用于系統(tǒng)測試、調試和維護；順序運行模式下，算法模塊的執(zhí)行順序由軟件根據(jù)模塊的連接關系、利用有向圖理論計算得出；定時運行模式下，運行前需要為每個模塊設置運算周期，運行時平臺支持多線程并行處理算法程序，無需手動干預。數(shù)據(jù)監(jiān)視模塊提供對工藝指標和過程數(shù)據(jù)的各類顯示，以及對數(shù)據(jù)超限的報警。平臺對運行數(shù)據(jù)采用單獨監(jiān)視與集中監(jiān)視兩種方式。單獨監(jiān)視組件讀取算法模塊顯示配置信息，并在主界面中開辟窗口，根據(jù)實時數(shù)據(jù)庫刷新顯示；集中監(jiān)視方式可選擇要集中顯示的模塊和數(shù)據(jù)，以表格的形式實時更新數(shù)據(jù)，便于數(shù)據(jù)的對比分析。

（6）數(shù)據(jù)通訊管理 通訊模塊是平臺與組態(tài)軟件或DCS控制器的接口模塊，為平臺系統(tǒng)變量與外部數(shù)據(jù)提供交互服務?？刂破魃a(chǎn)廠家均有各自的通訊協(xié)議，如Siemens的Profibus和Mitsubishi的CC－Link。若為每一種通訊協(xié)議開發(fā)相應的接口，則開發(fā)量大且在應用到新產(chǎn)品時需要擴展接口，顯然不是明智的選擇。因此，平臺采用基于過程控制的對象鏈接嵌入技術（OLE for Process Control，OPC）的數(shù)據(jù)通訊接口與底層回路控制系統(tǒng)進行數(shù)據(jù)交互。

（7）界面管理模塊 界面管理模塊主要實現(xiàn)兩個功能：提供多種界面風格模板，與自定義操作接口；管理并維護數(shù)據(jù)的信息視窗。

平臺采用基于組件的開發(fā)方式，將各功能塊開發(fā)為用戶控件，組件之間采用共享內存的方式訪問公共的數(shù)據(jù)源，不僅大大減低了軟件的耦合度，還使平臺具有較好的維護性和可擴展性。

1．2 優(yōu)化設定軟件平臺框架

如圖3所示，OSSP框架分為交互層、算法組態(tài)層、算法執(zhí)行層、數(shù)據(jù)接口層和數(shù)據(jù)服務層。

（1）算法組態(tài)層 該層實現(xiàn)算法模塊的管理、封裝與維護功能，并為復雜控制策略的圖形化組態(tài)提供支撐環(huán)境。

（2）算法運行層 該層提供算法的運行與數(shù)據(jù)監(jiān)視環(huán)境。由算法執(zhí)行器根據(jù)有向圖理論負責運行求解算法模塊，并將計算結果輸出到交互層，同時對數(shù)據(jù)進行實時監(jiān)視和超限報警。

（3）數(shù)據(jù)服務層 該層提供系統(tǒng)的算法模型和數(shù)據(jù)支持，包括算法庫、策略庫、DCS數(shù)據(jù)源和歷史數(shù)據(jù)庫。其中DCS數(shù)據(jù)源指當前存放在OPC Server中的DCS工業(yè)過程數(shù)據(jù)。

（4）數(shù)據(jù)接口層 該層為其他層提供數(shù)據(jù)服務功能，主要實現(xiàn)對歷史數(shù)據(jù)庫以及DCS數(shù)據(jù)庫的讀寫操作。使其在不改變其他層數(shù)據(jù)關系的情況下，只需修改數(shù)據(jù)接口層中對數(shù)據(jù)庫的連接即可適應數(shù)據(jù)服務層的變化，從而有效地保持系統(tǒng)的可擴展性和靈活性。

（5）交互層 該層為統(tǒng)一門戶，提供整個平臺的人機操作畫面，對算法組態(tài)層、算法執(zhí)行層等界面進行操作管理。

1．2．1 數(shù)據(jù)處理流程

平臺使用的相關數(shù)據(jù)主要包括描述優(yōu)化控制算法策略的配置文件、各算法模塊屬性可擴展標記語言（eXtensible Markup Language，XML）文件、模型內部算法文件（DLL文件、M文件、腳本文件）、運行時需要的系統(tǒng)變量，這幾種類型的數(shù)據(jù)在本平臺下的處理流程如圖4所示。

軟件平臺首先由控制算法組態(tài)管理器創(chuàng)建、保存和讀取用以描述控制策略的算法文件，并管理算法模塊文件。算法解析器將算法信息從該文件中提取出來給執(zhí)行器，執(zhí)行器根據(jù)用戶運行模式操作啟動求解器，并基于有向圖理論，根據(jù)模塊之間的連接關系自動動態(tài)加載相應的算法模塊。變量管理器對系統(tǒng)變量進行管理，負責為變量分配內存、存儲并訪問系統(tǒng)變量當前時刻和歷史的值，以及在算法運行結束后回收變量占用的內存。

算法運行時，算法執(zhí)行器從變量管理器讀取有關變量的信息，同時變量管理器通過通訊管理器訪問外部數(shù)據(jù)，并更新當前值。執(zhí)行器調用求解器，對需要進行計算的算法進行動態(tài)調用并求解，運算結束后將計算結果傳遞到數(shù)據(jù)監(jiān)控模塊，同時更新變量管理器中的當前值，由變量管理器進行數(shù)據(jù)存儲并處理需要向外部輸出的數(shù)據(jù)。

1．2．2 優(yōu)化設定軟件平臺運行流程

該平臺提供了優(yōu)化控制算法組態(tài)功能和多種算法運行模式，其業(yè)務流程如圖5和圖6所示。

2 優(yōu)化設定軟件平臺的關鍵模塊實現(xiàn)

2．1 優(yōu)化控制算法模塊

算法模塊是整個平臺的核心，采用面向對象方式構建系統(tǒng)算法模塊是建立可重用、可擴展運行優(yōu)化控制平臺的重要基礎，同時這些基本算法模型也是建立復雜運行優(yōu)化控制算法的基本單元。

在運行控制研究中涉及多種優(yōu)化算法，為滿足平臺的可擴展性、可兼容性和可集成性，需充分考慮如下兩個問題：①將優(yōu)化控制算法與平臺解耦，使平臺能夠對算法進行動態(tài)綁定與調用；②盡可能利用當前科學計算軟件提供的強大的矩陣運算功能和豐富的優(yōu)化控制算法?；谝陨峡紤]，本文設計采用三種實現(xiàn)機制方式：

（1）動態(tài)鏈接庫（DLL） 系統(tǒng)運用反射原理在運行過程中動態(tài)綁定要實現(xiàn)的算法，當算法發(fā)生變化時，無需修改和編譯應用程序，只要替換算法模塊所關聯(lián)的動態(tài)庫，就能夠實現(xiàn)系統(tǒng)與算法的耦合綁定。

（2）MATLAB腳本 利用 MATLAB接口技術實現(xiàn)系統(tǒng)與MATLAB引擎的調用以及運算數(shù)據(jù)的交互，該方法可充分利用MATLAB提供的強大的優(yōu)化控制方法，并將在MATLAB中已經(jīng)過仿真驗證的算法直接應用于系統(tǒng)開發(fā)，大大提高項目的開發(fā)效率。

（3）VBScript／JScript腳本 平臺為 VBScript／JScript腳本提供了代碼編輯器，使用戶可以利用平臺內置的腳本編輯環(huán)境開發(fā)自定義算法模塊。

算法模塊屬性包括圖元（Shape）、變量連接信息（VaribleLink）、顯示信息（informationview）、內部變量管理（VaribleMng）和算法文件（Algorithm－File），其靜態(tài)類圖如圖7所示。

2．2 優(yōu)化控制算法運行模塊

算法模塊的計算由執(zhí)行類ExeMoudle處理，本文以執(zhí)行MATLAB算法方式為例進行說明。執(zhí)行過程中首先使用下面代碼中的第1，2條創(chuàng)建MATLAB引擎，然后根據(jù)Path屬性，使用第4條語句將文件路徑添加到引擎路徑列表的頂端，以確保調用的算法一致，隨后將算法的輸入?yún)?shù)傳遞到工作空間Workspace中。最后將MATLAB引擎執(zhí)行方法4中的方法參數(shù)設為所要調用的控制算法，執(zhí)行后便可使用5將計算結果返回到系統(tǒng)中。

調用MATLAB引擎求解算法所用語句如下：

動態(tài)鏈接庫算法文件與VBScript腳本求解方法分別利用．net反射技術與ScriptControl控件實現(xiàn)，并通過擴展ScriptControl解決腳本語言不能返回多個參數(shù)的問題，具體實現(xiàn)在此不再詳述。

2．3 數(shù)據(jù)通訊接口模塊

OPC技術目前已經(jīng)得到國際上自動化領域領先廠商的廣泛支持。符合OPC規(guī)范的硬件、軟件產(chǎn)品開始大量地開發(fā)出來并得到廣泛應用，HMI組態(tài)軟件以及各個控制器生產(chǎn)廠家均有相應的OPC Server產(chǎn)品，如 RockWell的 RSLink、Siemens的SIMATIC NET OPC?，F(xiàn)在，OPC規(guī)范已經(jīng)成為工業(yè)數(shù)據(jù)通信的標準。本文開發(fā)的數(shù)據(jù)接口模塊主要包括變量映射模塊和OPC Client模塊，如圖8所示。其中OPC Client模塊負責與OPC Server連接并交換數(shù)據(jù)，且在不破壞OPC Server穩(wěn)定性的情況下斷開連接；變量映射模塊根據(jù)系統(tǒng)變量的外部鏈接屬性，通過OPC Client模塊將數(shù)據(jù)寫入到實時數(shù)據(jù)庫中，同時將計算求解后的數(shù)據(jù)從實時數(shù)據(jù)庫通過OPC Client模塊，以異步方式向Server發(fā)送寫命令。

OPC Client模塊開發(fā)主要有三種途徑：①利用OPC DA（data access）規(guī)范中提供的定制接口開發(fā)，采用C＋＋語言的OPC Client實現(xiàn)一般選此方案；②利用．net提供對COM組件的支持，將現(xiàn)有的COM組件導入到．net中，根據(jù)OPC規(guī)范編寫類型庫以實現(xiàn)OPC Client開發(fā)；③利用一些專業(yè)公司開發(fā)的OPC DA類型庫開發(fā)自己的OPC Client。第③種方式是在第②種方式中省略了實現(xiàn)類型庫這一步。本文使用第③種開發(fā)方式，選擇Kepware公司開發(fā)的類庫完全滿足了開發(fā)OPC Client的需求。OPC Client模塊由OPC DA類實現(xiàn)，其屬性包括OPCServer，OPCItem和 OPCSubscription三個類的實例，分別對應OPC服務器、相和組的信息模型。

2．4 組件間的消息通知機制

組件間使用基于消息通知的交互機制，可以有效降低平臺的耦合度。從觀察者模式演化而來的訂閱發(fā)布模式是一種典型的基于消息通知方式去耦的設計模式，其動態(tài)行為如下：一個消息訂閱者向消息中心增加消息訂閱，當消息發(fā)布者生產(chǎn)新的消息事件時，它使用通知方式把數(shù)據(jù)推給消息中心，消息中心從自己的訂閱者隊列中尋找消息的訂閱者并發(fā)布消息，最后由消息訂閱者接收并處理消息。

3 優(yōu)化設定軟件平臺應用實例

3．1 應用環(huán)境描述

為驗證OSSP的運行控制效果，將平臺投入到磨礦半實物分布式仿真系統(tǒng)中［9］。底層回路控制器硬件采用工業(yè)現(xiàn)場廣泛應用的Rockwell公司的Controllogix 5000，監(jiān)控與控制軟件平臺分別采用RSView 32和logix 5000，虛擬儀表與執(zhí)行機構以及虛擬對象分別使用兩臺高性能計算機，通過MATLAB和工控組態(tài)軟件混合編程方式進行仿真模擬。OSSP利用以太網(wǎng)，通過OPC數(shù)據(jù)通訊模塊遠程訪問監(jiān)控系統(tǒng)上的RSlink Server，實現(xiàn)與底層數(shù)據(jù)的交互。

3．2 應用對象工藝描述

選用選礦生產(chǎn)過程中的磨礦運行優(yōu)化控制方法檢驗軟件平臺二次開發(fā)的可實施性。磨礦作業(yè)的目的是將大顆粒礦石磨碎到一定粒度，使各種有用礦物與脈石分離成單體解離狀態(tài)，以利于后續(xù)選別作業(yè)將有用礦物提取出來。本文應用驗證的對象是某大型選礦廠的典型兩段濕式磨礦系統(tǒng)，如圖9所示。

首先原礦和一定比例的水分別由電振給礦機和送水管路加入到球磨機中進行研磨，經(jīng)研磨后的礦漿從磨機出口處進入螺旋分級機進行初次分選，螺旋分級機將粗粒級返回至球磨機再磨，形成一段閉路磨礦；細粒級由分級機處溢流到泵池，由泵池補加水進行礦漿濃度控制。在泵池攪拌后的礦漿由底流泵打入到水力旋流器進行再次分選，細粒級通過溢流進入后續(xù)的選別工序，粗粒級通過底流進入二段球磨機內再磨，二段球磨機的出口礦漿直接進入泵池準備分選。磨礦粒度即旋流器溢流礦漿粒度，是整個磨礦作業(yè)的粒度指標，對下段選別工序的影響甚大，運行優(yōu)化控制的目標就是根據(jù)邊界條件和指標化驗值反饋信息，由上層優(yōu)化設定系統(tǒng)決策出關鍵回路的設定值，底層回路控制器跟蹤設定值，來保證將粒度指標控制在期望值附近。

3．3 磨礦運行優(yōu)化控制策略

磨礦過程具有多變量、非線性、強耦合、大時滯和時變等綜合復雜特征，其關鍵工藝指標磨礦粒度無法實時在線檢測，因此常規(guī)的基于模型的方法難以在此應用。本文將軟測量技術與智能控制相集成，將預測、反饋和前饋相結合，采用融合數(shù)據(jù)和知識的方法設計了一種上層智能優(yōu)化設定控制器，包括基于案例推理（Case Based Reasoning，CBR）的回路預設定模塊、基于小波神經(jīng)網(wǎng)絡粒度軟測量模塊、基于規(guī)則的過負荷診斷與調節(jié)模塊和基于模糊規(guī)則的前饋和反饋補償器。該優(yōu)化設定系統(tǒng)通過響應邊界條件的變化對回路設定值進行自動在線調整，如圖10所示。

3．3．1 基于實例推理技術的預設定模型

將CBR技術與工業(yè)過程運行專家經(jīng)驗相結合，可以得到由案例檢索與匹配、案例重用、案例修正和案例存儲組成的控制回路預設定模型。

典型案例通過歷史數(shù)據(jù)分析和對過程運行經(jīng)驗的總結產(chǎn)生。案例描述如下：

案例描述由檢索特征Xk和解特征Yk組成，k表示案例庫中的案例數(shù)，檢索特征X＝［r＊，km，kr，Ob，Oc，em1，em2］T。其中：r＊為工藝生產(chǎn)指標即磨礦粒度，km為礦石可磨性，kr為礦石粒度分布，Ob為鋼球加球量，Oc為分級機返砂量，em1為一段磨機電流，em2為二段磨機電流。解特征表示為Y＝其中為新給礦量，dm＊為磨礦濃度，dc＊為分級機溢流為旋流器給礦流量，df＊為旋流器給礦濃度。

案例檢索、案例重用、案例修正與案例存儲階段采用文獻［10］的方法。其中案例特征的權值如表1所示。案例重用的解即作為系統(tǒng)新的控制系統(tǒng)設定值。

表1 案例特征權值

3．3．2 基于小波神經(jīng)網(wǎng)絡的軟測量模型

影響磨礦粒度的可測參數(shù)有一段磨機入口給礦量Of、給水流量qm、出口補加水量qc、出口礦漿流量qf、一段磨機電流em1、泵池補加水量qs、旋流器給礦流量qf和二段磨機電流em2，因此磨礦粒度模型可以表示為如下非線性函數(shù)：

本文采用緊致型小波神經(jīng)網(wǎng)絡對非線性函數(shù)f進行逼進。其模型可表示為：

為保證檢測數(shù)據(jù)的可靠性，避免異常數(shù)據(jù)對軟測量模型的精度和計算穩(wěn)定性的影響，本文采用3σ準則剔除不完整和異常數(shù)據(jù)，并對數(shù)據(jù)進行標準化處理。標準化后的數(shù)據(jù)平均值為0，方差為1。

3．3．3 基于模糊規(guī)則的補償器

補償器由前饋補償器和反饋補償器組成，分別如下式表述：

輸入輸出變量的模糊劃分與隸屬度函數(shù)的定義如圖11所示，模糊變量表和推理規(guī)則庫參考文獻［10］。

3．3．4 過負荷診斷與過負荷調節(jié)模塊

調節(jié)模塊采用原型分析方法，結合磨礦系統(tǒng)操作的專家經(jīng)驗，采用文獻［10］的方法整理為規(guī)則庫，并采用基于專家經(jīng)驗的IF－THEN規(guī)則推理技術對磨機負荷進行診斷與設定值的調整，規(guī)則形式分別如下：

式中：R0為過負荷診斷規(guī)則；Si為當前負荷工況；R1為過負荷調節(jié)規(guī)則；參數(shù)γ1，i～γ5，i根據(jù)專家經(jīng)驗確定。

3．4 系統(tǒng)運行與測試

平臺在Visual Studio 2010集成環(huán)境下，采用基于．net組件的開發(fā)方式，利用語言集成查詢（Language－Integrated Query，LINQ）技術對關系型數(shù)據(jù)庫SQL 2005和XML算法描述文件進行訪問，預設定、前饋、反饋等智能算法開發(fā)環(huán)境為 MATLAB 2010a，算法中使用的案例庫及規(guī)則庫使用Access 2007存儲。算法經(jīng)管理器將其封裝在平臺中，最后使用算法組態(tài)模塊建立各算法的連接關系。根據(jù)工藝要求，磨礦粒度期望值設定為78．4%。經(jīng)反復調試后，系統(tǒng)在半實物仿真平臺上連續(xù)穩(wěn)定運行480 h，經(jīng)過10次手動與965次循環(huán)運行，其主要系統(tǒng)運行界面如圖12～圖15所示。

表2顯示了系統(tǒng)投入前后的仿真結果對比，說明本文采用的智能方法能夠有效地消除邊界條件波動，及時調整回路設定值，從而將磨礦粒度實際值控制到目標值附近，具有良好的魯棒性。在磨礦運行優(yōu)化過程中的成功應用充分證明了OSSP的可行性與易用性。

表2 指標運行結果 %

5 結束語

本文將復雜生產(chǎn)制造運行控制技術與計算機技術相結合，開發(fā)了一套能夠支持多種流程工業(yè)對象、解決生產(chǎn)條件多變、未建模干擾、產(chǎn)品化驗時間長等傳統(tǒng)控制系統(tǒng)棘手問題的實時運行優(yōu)化控制系統(tǒng)軟件平臺。在優(yōu)化設定軟件平臺的基礎上進行優(yōu)化控制系統(tǒng)的二次開發(fā)，不僅擺脫了對DCS生產(chǎn)廠家的依賴，還可以縮短項目開發(fā)周期。本文在平臺基礎上對磨礦過程上層優(yōu)化設定系統(tǒng)進行了二次開發(fā)，成功地將MATLAB編寫的混合智能優(yōu)化控制算法封裝在平臺中，檢驗了平臺的有效性和實用性。

本文提供了一個用于優(yōu)化設定控制系統(tǒng)開發(fā)的支撐軟件平臺，但是對基于平臺所實現(xiàn)的優(yōu)化設定算法性能的判斷具有一定主觀性，并沒有具體的指標作為評價標準，因此下一步需要研究優(yōu)化設定方法的評價體系與實現(xiàn)技術，從而進一步提高平臺的實用性。

［1］CHAI Tianyou，DING Jinliang，WANG Hong，et al．Hybrid intelligent optimal control method for operation of complex industrial processes［J］．Acta Automatica Sinica，2008，34（5）：505－515（in Chinese）．［柴天佑，丁進良，王 宏，等．復雜工業(yè)過程運行的混合智能優(yōu)化控制方法［J］．自動化學報，2008，34（5）：505－515．］

［2］ZHOU Ping，CHAI Tianyou，SUN Jing．Intelligence－based supervisory control for optimal operation of a DCS－controlled grinding system［J］．IEEE Transactions on Control Systems Technology，2013，21（1）：162－175．

［3］YAN Aijun，CHAI Tianyou，YUE Heng．Multivariable intelligent optimizing control approach for shaft furnace roasting process［J］．Acta Automation Sinica，2006，32（4）：636－640．

［4］CHAI Tianyou，DING Jingliang．Hybrid intelligent optimal control method for operation of complex industrial processes［J］．Acta Automation Sinica，2008，34（5）：505－515．

［5］CHAI Tianyou，LIU Jingxin，DING Jinliang，et al．Hybrid intelligent control for hematite high intensity magnetic separating process［J］．Measurement and Control，2007，40（6）：171－175．

［6］LI Hanxiong，GUAN Shouping．Hybrid intelligent control strategy－supervising a DCS－controlled batch process［J］．IEEE Control Systems Magazine，2001，21（3）：36－48．

［7］YANG Shansheng，LU Wencong，CHEN Nianyi．DMOS software and its application in chemical process optimization［J］．Control and Instruments in Chemical Industry，2005，32（4）：36－38（in Chinese）．［楊善升，陸文聰，陳念貽．DMOS優(yōu)化軟件及其在化工過程優(yōu)化中的應用［J］．化工自動化及儀表，2005，32（4）：36－38．］

［8］PIAN Jinxiang，CHAI Tianyou，JIA Shujin，et al．Simulation platform for optimal control of laminar cooling system［J］．Journal of System Simulation，2009，19（24）：5667－5671（in Chinese）．［片錦香，柴天佑，賈樹晉，等．層流冷卻系統(tǒng)過程優(yōu)化控制仿真實驗平臺［J］．系統(tǒng)仿真學報，2009，19（24）：5667－5671．］

［9］TIE Ming，F(xiàn)AN Yushun，CHAI Tianyou．Distributed simulation platform for optimizing control of mineral grinding process［J］．Journal of System Simulation，2008，20（15）：4000－4005（in Chinese）．［鐵 鳴，范玉順，柴天佑．磨礦流程優(yōu)化控制的分布式仿真平臺［J］．系統(tǒng)仿真學報，2008，20（15）：4000－4005．］

［10］ZHOU Ping，CHAI Tianyou，WANG Hong．Intelligent optimal－setting control for grinding circuits of mineral processing process［J］．IEEE Transactions on Automation Science and Engineering，2009，6（4）：730－743．