用于连续蒸煮器操作的高级优化的系统和方法

摘要

提出用于连续蒸煮器的连续蒸煮器操作的优化的系统和方法。该系统包含跟踪模块，用于连续蒸煮器操作中的过程变量的跟踪，并且开发一个或多个质量变量的非线性经验模型。软传感器模块用于基于非线性经验模型来部署软传感器，并且用于生成与不同位置处的质量变量对应的软测量。约束管理模块用于动态生成约束集合，其由模型预测控制器用于计算连续蒸煮器操作的优化的设置点。

说明书

技术领域

本发明一般涉及纸浆厂，以及具体来说涉及连续蒸煮器，并且提供用于连续蒸煮器操作的高级优化技术。

背景技术

连续蒸煮器是管状反应器，其中木片与氢氧化钠和硫化钠的水溶液(称作白液)起反应，以便从纤维素纤维去除木质素含量。蒸煮过程的产物是纤维素纤维、称作纸浆，其用来制作纸产品。大多数蒸煮器包括如图1在连续蒸煮器过程100中所示的三个基本区，浸渍区130、一个或多个蒸煮区140和冲洗区150。白液125在它们流经浸渍区时渗入并且扩散到经过浸渍器皿120从木片仓110所接收的木片中。白液和片然后被加热到反应温度，并且当纸浆经过蒸煮区下移时去除木质素，其中去木质素反应的大多数发生。冲洗区是其中自由液的逆流从纸浆中冲洗降级产品的蒸煮器的端部。冲洗区还将经过纸浆喷放(blow)/排放管线170排放的纸浆冷却，以便平息反应，并且降低由于持续反应对纤维素纤维的破坏。卡伯值(卡伯)是纸浆中的残余木质素的量度，并且是纸浆质量的直接指示符。卡伯数通过纸浆和造纸工业技术协会(TAPPI)在标准T-236中定义。卡伯值与木质素含量之间的已知关系在于纸浆中的木质素百分比等于0.147乘以卡伯值。

作为去木质素的量度的卡伯值通常在喷放管线处通过联机分析器来测量或者在实验室中测量。所测量卡伯然后用于操纵H因子目标的反馈控制。H因子对给定生产速率调节下蒸煮区温度，只要有效碱对木比未改变。

在喷放管线处的所测量卡伯与下蒸煮区中的温度变化之间存在长时间延迟(操纵变量)。由于缓慢过程，现有卡伯反馈控制无法校正卡伯值的快速变化。因此，现有卡伯反馈控制的目标是要注意木成分的缓慢变化和其他蒸煮条件，并且将卡伯值保持在其目标处。

存在用于保持连续蒸煮器中的卡伯值的若干其他基于模型的控制方法，其中连续蒸煮器的基于物理的模型用来确定最佳操作条件、即H因子、碱木比等，以保持所指定生产条件下的卡伯值。但是，对这类方式的主要限制在于，过程模型通常是非线性的，并且包括若干数学方程。这类模型要求高级专业知识来校准和调谐，并且通过平均过程或控制工程师来实现实际上常常是不可行的，因而使这类控制应用是费用高的并且难以保持的。若干这些模型基于第一原理动力学模型，因此它对实际实现具有限制。

另一个重要参数是蒸煮器中的片级。片级是如在蒸煮器的顶部区段中测量的、在任何给定时间的蒸煮器的总含量等级。通常，保持50-60%的稳定片级导致蒸煮器中的稳定蒸煮过程并且因而导致一致卡伯值。蒸煮器等级中的频繁变化导致对蒸煮过程的扰动并且因此导致不一致的纸浆质量、即变化卡伯。蒸煮器中的高片级导致纸浆的欠蒸煮，并且因此导致增加的卡伯、即所得到纸浆含量比预期要高的木质素含量。蒸煮器中的低片级导致纸浆的过蒸煮，并且产生包含比预期要小的木质素含量的纸浆。解决片级变化对纸浆质量或卡伯的影响的一种方式是要按照等级变化来改变蒸煮条件(H因子或蒸煮区温度)。但是，蒸煮条件中的这类变化导致蒸煮器的非最佳和不一致操作。因此，控制蒸煮器中的片级是重要的。

用于片级控制的常规方法依靠调整蒸煮器的出口装置或底部刮板的速度和/或喷放或排放流率。底部刮板从蒸煮器底部刮掉/推出纸浆。喷放或排放流率是来自蒸煮器的喷放或排放管线中的纸浆的流动速率。虽然刮板速度中的大变化导致纸浆一致性中的变化(纸浆中的液含量)，但是喷放/排放流量中的变化影响来自蒸煮器的实际生产速率，从而导致下游过程、例如纸浆冲洗中的变化。此外，蒸煮器中的片级的行为是非线性的，并且可使用线性控制器不被有效地控制。因此，为了在还确保稳定生产速率的同时实现蒸煮器中的稳定片级和蒸煮条件，必要的是采用多变量最佳控制方式，其考虑连续蒸煮器过程中存在的多变量动态学最佳地调整所有相关过程变量，并且还解决动态学中的非线性度。

由于去木质素过程的复杂性质和连续蒸煮器的各种区中的大量停留时间，难以保持蒸煮器中的质量变量。此外，从蒸煮器所产生的纸浆的卡伯值只能够在喷放管线中物理地测量，即，当前测量的卡伯值是以往过程输入参数的结果。基于这种测量的任何控制将会导致“反应”动作，即，控制器将会仅在出口处已认识到当前过程条件的影响之后才起作用。因此，为了保持以纸浆质量中的最小变化的稳定过程，必要的是获得蒸煮区本身的卡伯的评估，使得该蒸煮区卡伯的任何偏差则能够立即通过最佳地改变输入变量并且还通过考虑将会在出口、即喷放管线处看到的影响来解决。

因此，需要一种系统，其考虑连续蒸煮过程中的非线性多变量影响，预测其中测量不存在的蒸煮器中的这类位置处的质量变量，并且然后通过以使得还使化学损耗为最小的最佳方式改变输入变量来最佳地控制这类变量。因此，本发明的主要目的是要通过用于连续蒸煮器的推理预测最佳控制的方法和系统来满足上述需要。

发明内容

按照本发明的一个方面，提供一种用于连续蒸煮器的连续蒸煮器操作的优化的系统。该系统包含跟踪模块，用于跟踪连续蒸煮器操作中的过程变量，并且用于将这些过程变量变换为所变换变量，并且然后使用所变换变量来开发一个或多个质量变量的非线性经验模型。软传感器模块用于基于非线性经验模型来部署软传感器，并且用于从软传感器来生成与连续蒸煮器操作的不同位置处的质量变量对应的软测量。约束管理模块用于基于操作参数动态地生成约束集合。控制器、例如模型预测控制器或者任何其他类型的控制器用于通过使用软测量和一个或多个物理测量来计算用于连续蒸煮器操作的优化的约束集合内的多个设置点。提供操作员显示模块，以显示连续蒸煮器操作、多个设置点、约束集合、软测量、非线性经验模型、所变换变量、多个过程变量中的一个或多个，并且接收操作员输入。

在本发明的另一方面中，提供一种用于优化连续蒸煮器操作的方法。该方法包含下列步骤：跟踪连续蒸煮器操作中的过程变量；将过程变量变换为所变换变量；使用所变换变量来开发用于一个或多个质量变量的非线性经验模型；基于非线性经验模型来部署软传感器；使用软传感器来生成不同位置处的一个或多个质量变量的软测量；基于操作参数动态生成约束集合；以及通过使用软测量和物理测量来优化连续蒸煮器操作并且计算约束集合内的设置点以优化连续蒸煮器操作。

附图说明

在参照附图阅读下面详细描述时，本发明的这些及其他特征、方面和优点将变得更好理解，附图中，相似参考数字在附图中通篇表示对应部件，附图包括：

图1是连续蒸煮器操作的图解表示；

图2是按照本发明的一个方面、用于连续蒸煮器操作的优化的系统的图解表示；

图2A图示按照当前发明的跟踪模块的工作；

图3是用于连续蒸煮器操作的优化的方法的流程图表示；

图4是用于跟踪过程变量的示范技术的图解表示；

图5是用于跟踪过程变量的技术的图解表示。

具体实施方式

如本文和权利要求书中所使用的,单数形式“一”、“一个”和“该”包含复数引用，除非上下文另有明确指示。

如本文所述的用于优化纸浆制造的连续蒸煮器操作的系统和方法用作使用基于第一原理模型的非线性控制技术的备选方案，由此显著降低实现的成本(在给定所要求专业知识的情况下，开发、实现和保持第一原理模型的成本极高)。本发明的系统和方法生成表示连续蒸煮过程中的操作条件的多种控制变量的优化设置点。这允许连续蒸煮过程中的质量变量的控制的改进、化学制品的优化使用以及连续蒸煮器的稳定化蒸煮过程。

用于连续蒸煮器的连续蒸煮器操作的优化的系统10在图2中示出，并且包含跟踪模块12，其用于实现跟踪连续蒸煮器操作中的过程变量(例如片仓温度、馈送碱剂量、片中的水分含量等)的跟踪功能，并且用于将这些过程变量变换为所变换变量22。在这里可注意，跟踪模块接受在连续蒸煮器过程中的任何位置处所测量的多个过程变量，并且在空间上并且动态地跟踪它们到测量位置下游的任何预期位置。所变换变量包含推理建模的过程变量的动态和空间特性以及在软传感器中用于诸如卡伯值、残余碱等的各种质量变量的联机估计。因此，所变换变量用来开发一个或多个质量变量的非线性经验模型。在示范实现中，通常在基本控制系统或DCS(分布式控制系统)14中实现的跟踪模块接受由块16所示的蒸煮过程上游的各种过程测量20，并且经过蒸煮器的各种区段来跟踪它们一直到喷放管线。这些被跟踪变量用来开发各种质量变量的非线性经验模型。

图2A图示过程/质量变量片仓温度和碱流率的测量和跟踪的示范情况。图2A示出在片仓位置处所测量并且在其他位置中所跟踪的片仓温度以及还示出在浸渍器皿处所测量并且在其他位置处所跟踪的碱流率。

这些模型然后用来构成软传感器，其经过软传感器模块18联机部署。软传感器模块接受来自跟踪模块的所变换过程变量，以及使用多种基于非线性静态数据的模型来估计连续蒸煮器中的各种位置处的质量变量，并且产生不同位置处的质量变量的实时“软”测量24。软传感器实时地联机工作，并且能够以较快速率并且在各种位置处来生成质量变量的测量。来自跟踪模块的被跟踪变量的使用允许经过连续蒸煮器的各种区来生成卡伯的完整简档。这允许证明(经由图形界面)经过蒸煮器的卡伯的演进，其用作操作过程的人员(本文中称作“操作员”)的有用信息。

系统10包含约束管理模块(CMM)26，其用于基于蒸煮过程中的不同当前操作参数动态(实时)生成约束集合28。这些约束由优化和控制引擎(OCE)以预定取样间隔来使用，OCE可包含控制器、例如模型预测控制器(MPC)30。OCE还使用软测量和一个或多个物理测量，并且计算用于连续蒸煮器操作的优化的约束集合内的多个设置点32。约束管理模块在各时刻计算OCE中的所有操纵变量的约束集合。约束的这个动态更新允许补偿过程中的非线性度，并且使用线性模型来控制过程(在提供模型预测34的OCE中运行)。

在示范实现中，约束管理模块操作如下：

- - 当连续蒸煮器中的等级移出设置点周围的某个预先指定容差区域时，CMM开始以预先指定速率放松对操纵变量(例如喷放流量、底部刮板速度等)的约束，由此允许OCE在较宽集合内计算DCS控制器的最佳设置点。

- - 如果模型预测指示蒸煮器等级和/或卡伯值在不久(例如在下一小时内)将会偏离其标称操作区域，则CMM但是以比卡伯值或等级的当前值偏离其标称区域时的状况中的速率要慢的速率开始放松操纵变量约束。

- - 当等级和/或卡伯值朝其标称操作区域移动时，CMM开始最初以较慢速率并且当它们极为接近其标称操作点时以较快速率动态地收紧约束。

如上面本文所述的优化和控制引擎(OCE)实时地接受软传感器测量和各种其他物理测量，并且在由CMM所计算的约束极限之内计算DCS中的若干基本等级控制器的最佳设置点。OCE通过紧密保持蒸煮器等级和喷放一致性来优化总体连续蒸煮器操作，从而导致稳定生产速率。OCE还通过在还使碱的使用为最小的同时紧密控制卡伯来紧密地保持纸浆的质量，由此还降低碱损耗(残余碱)。

系统10还包含操作员显示模块36，以显示连续蒸煮器操作、多个设置点、约束集合、软测量、非线性经验模型、所变换变量、多个过程变量中的一个或多个，并且接收操作员输入。因此，操作员显示器包含来自系统10的各种模块和OCE的输出，其示出系统10的总体操作、经过连续蒸煮器的各种区的卡伯值和其他变量的演进以及蒸煮过程的各种重要参数的将来预测。

用于优化如系统10中使用的连续蒸煮器操作的方法的流程图40在图3中描述。示范方法包含用于跟踪连续蒸煮器操作中的不同过程变量的步骤42，并且然后在步骤44处将过程变量变换为所变换变量。在示范方法中，进行在连续蒸煮过程中的各种位置处所测量的过程变量的数学变换，以便在空间上跟踪它们，直到连续蒸煮器过程或操作内的感兴趣位置。(即，所选过程变量通过跟踪它们从其测量位置一直到连续蒸煮器的区之一内的另一个位置或者连续蒸煮器的出口处而在空间上变换。)该方法包含用于使用所变换变量来开发非线性经验模型以估计一个或多个质量变量(例如但不限于连续蒸煮器内部的各种区或位置中的卡伯值)的步骤46。多种非线性数据驱动数学模型用来捕获输入(即过程变量)与输出(即质量变量)之间的关系，以及开发软传感器用于如在步骤48处所示的质量变量的实时估计，其提供如在步骤50处所示的质量变量的软测量。该方法包含用于动态计算工作约束用于优化例如用于底部刮板速度和喷放/排放流量的步骤52，其中约束基于各种控制变量的当前状态来计算，控制变量包含但不限于连续蒸煮器中的卡伯值和片级。该方法还包含用于通过使用软测量和一个或多个物理测量(例如蒸煮器中的片级以及在蒸煮器出口处的纸浆一致性)来优化连续蒸煮器操作并且计算约束集合内的多个设置点以优化连续蒸煮器操作的步骤54。用于显示以下中或多个:连续蒸煮器操作、多个设置点、约束集合、软测量、非线性经验模型、所变换变量、多个过程变量中以及提供用于接收操作员输入的操作员界面的附加步骤也包含在示范方法中。

本文中说明系统10中使用的示范跟踪方法和流程图40的方法。参照图1和图2A，如果x是在连续蒸煮过程100中的位置Li处所测量的过程变量(示例片仓温度在片仓位置中测量，以及碱流率在浸渍器皿中测量)并且预期变换这个变量以将其用于估计其在连续蒸煮过程100内的位置Lo (其中没有进行测量但是跟踪值的其他位置)处的影响，则跟踪功能首先计算实际表示单个木片从片仓110经过片仓并且然后经过蒸煮器中的各种区的移动的跟踪参数，因而使得有可能从位置Li到位置Lo跟踪过程变量(图2A所图示)。在这里为片仓110提供跟踪功能中的步骤。蒸煮器器皿中的其他区的计算按照类似方式执行。

首先，将片仓划分为多个虚拟切片n_切片。然后，切片宽度计算为：

其中，片仓体积基于片仓的物理尺寸来指定。待跟踪过程变量的值然后基于片仓中的保持时间经过如图4所示的片仓队列410中的这些数据切片420来传播。保持时间基于区的大小和木片的馈送速率。片的馈送速率(体积流率)的计算是简单计算：

其中，螺杆速度是按照每单位时间转数的片馈送螺杆速度的测量值，以及馈送器体积是指定参数，并且是螺杆的每转所供应的片量(体积)。然后对这个片馈送体积流率求积分，以计算片馈送体积：

单激发(single shot)脉冲触发数据430(图4)移入队列的切片，即，使数据进入队列的条件。对于片仓示例，这称作步仓(PaceBin)脉冲500，如图5所示。单激发脉冲在每一个切片宽度(W_切片)比如说例如从片仓所汲取的0.8>

再次参照图4，当切片的数量等于“片仓延迟大小”时，数据从队列推出440。虽然在蒸煮器器皿的其他区的情况下，延迟大小基于区的体积和生产速率来计算，但是在片仓的情况下，计算是不同的，因为如由本领域的技术人员将会领会，与蒸煮器的其他区不同，片仓没有始终100%装满片。因此，在片仓的情况下，将切片的数量下移到下一个区的条件基于片仓中的片级量。因此，片仓等级应当根据体积使用简单线性回归表达式来校准，即，L %等级相当于Lv m3。“片仓延迟大小”则由下式给出：

被跟踪过程变量则被变换并且用作对软传感器的输入，软传感器则估计所指定质量变量。假定希望在软传感器中将片仓温度Tcb用于预测蒸煮器的蒸煮区中的卡伯。基于卡伯v/s Tcb的试验模型，如果已知卡伯与Tcb之间的关系是非线性的并且非线性度属于方根类型的，则将一直到蒸煮区所跟踪的片仓温度的值变换为：

下面对蒸煮区中的卡伯值示出示范软传感器计算：

其中， 是蒸煮区中的卡伯值估计，M是线性或者非线性软传感器模型，以及是影响卡伯值的所变换过程变量，并且从其测量位置一直到蒸煮区被跟踪。例如，片仓温度(在片仓中测量)经过片仓、浸渍区以及一直到蒸煮区来跟踪，并且这个被跟踪值在上面软传感器中用来获得蒸煮区中的卡伯值的当前估计。类似地，对蒸煮区所估计的卡伯值能够使用跟踪功能经过蒸煮区和冲洗区一直到排放管线被跟踪。这个被跟踪卡伯值用作纸浆质量监测量度，以检测在卡伯值上的木馈送中的变化或者等级变化、扰动的影响。

上面软传感器模型M确定为感兴趣质量变量与原因变量之间的关系的线性或者非线性表示。例如，卡伯值的软传感器模型使用影响卡伯值的作为输入的过程变量和所测量卡伯值来开发。连续蒸煮器中的卡伯值通常在喷放/排放管线中测量。这个测量可来自联机测量装置或者来自实验室分析。为了得到关系M，在一直到喷放管线所跟踪的输入过程变量与所测量卡伯之间使用标准方法将回归模型(线性或者非线性)开发为：

其中，是从联机测量装置或者从实验室分析所得到的喷放管线处的卡伯测量；是一直到喷放/排放管线所跟踪的输入过程变量。关系M能够通过使用标准参数估计方法利用卡伯测量和被跟踪过程变量的若干观测来得到。

若干其他质量变量、例如喷放管线中的纸浆的一致性能够使用跟踪功能和软传感器来“软感测”。

如上所述的蒸煮区中的卡伯估计能够使用运行模型M的计算装置以所指定取样间隔联机得到。这个蒸煮区卡伯估计然后用作优化系统中的控制变量，如保持在所指定目标。

为了最佳地控制连续蒸煮器，在这里公开一种方法，由此蒸煮区中的卡伯值通过计算多个过程变量(例如H因子、碱与木比等)的最佳设置点最佳地控制。此外，为了保持蒸煮器中的最佳蒸煮条件，蒸煮区的循环流动中的残余碱也连同卡伯值一起控制。在所公开方法中，使用优化和控制方案，其包括模型预测控制(MPC)连同跟踪功能和软传感器，以控制连续蒸煮器中的卡伯和其他质量变量。

MPC计算操纵变量(例如H因子、碱与木比等)的当前和将来增量的序列，其使将来平方控制误差的加权和以及操纵变量序列中的平方增量的加权和为最小，同时考虑操纵变量和预测过程变量的极限/约束。对于本领域的技术人员，已知这个MPC目标能够以数学方式更准确地表达为：在m个样本的控制时域来计算操纵变量的增量序列，以使目标函数为最小：

服从约束：

在这个最小化中，在p个将来样本的预测时域考虑过程变量的控制误差和约束。在m个将来样本的控制时域考虑操纵变量及其增量的约束。在这个程序中，动态模型用于过程变量的将来值的预测。重要设计参数是加权矩阵Λ和Γ。

除了最佳地控制蒸煮器中的卡伯和其他纸浆质量变量之外，所公开方法还控制蒸煮器中的片级以及离开蒸煮器的纸浆的一致性。为了实现这个目标，所公开方法使用MPC控制器，其计算底部刮板速度和喷放/排放流量的最佳设置点。另外，MPC控制器可计算底部冲洗液稀释流量的最佳设置点。蒸煮器中的片级和离开蒸煮器的纸浆的一致性呈现非线性行为，其无法使用线性MPC有效地控制。为了解决这些非线性影响并且最佳地控制等级和纸浆一致性，所公开方法使用新约束管理模块。约束管理模块基于控制变量的操作值动态更新操纵变量约束。如果待控制过程变量、比如说片级在其某个操作范围中呈现非线性行为，则这个非线性度能够通过控制器使用动态操纵变量约束来操控，即，对操纵变量、例如喷放流量的约束能够基于片级的当前值来更新/改变。约束管理模块基于等级和一致性的当前值所在的范围在各时刻更新操纵变量约束和。约束管理模块使用非线性函数来计算对操纵变量的新的低和高约束。这能够是任何非线性函数，这取决于给定过程的设计阶段期间所识别的非线性度的类型。动态计算在任何给定时刻t的操纵变量约束，如下所示：

其中，和可以是线性或者非线性函数，是操纵变量的约束的标称或基本值或者值的范围，并且是调谐参数，是在时刻t的控制变量的值。下面示出作为片级的操作/测量值的函数、对喷放流量(来自蒸煮器出口的纸浆流量)的高极限约束的示范计算。注意，在这个示例中，约束使用片级的线性函数和高极限约束的标称范围动态更新。

其中，F^H(t)是对在给定时刻t的喷放流量的高极限约束，F^H_min和F^H_max是喷放流量高约束的最小和最大值，L_min和L_max是特定操作范围中的片级的最小和最大值，以及L(t)是在时刻t的片级的测量值。

所公开方法并不局限于MPC，而是能够利用任何其他类型的优化控制。

由本领域的技术人员将会理解，如本文所述的一个或多个模型也可作为功能组件来集成，以及这些模块在计算机处理器上配置或者配置为集成芯片，并且已知通信协议可用于在模块之间交换数据并且用于与操作界面进行通信。

虽然本文仅图示和描述了本发明的某些特征，但本领域的技术人员将会想到多种修改和变化。因此要理解，所附权利要求书预计涵盖如落入本发明的真实精神之内的所有这类修改和变更。