鋁電解生產智能優化制造研究綜述

桂衛華 岳偉超 謝永芳 張紅亮 陽春華

鋁電解工業具有戰略基礎地位,鋁電解過程控制技術是現代鋁電解工業高效節能優化運行的關鍵[1].鋁是僅次于鋼鐵的第二大有色金屬,是產業關聯度極高(>91%)的工業基礎原材料,在國防、交通、機械制造、新能源、建筑、電力電子等領域應用廣泛,鋁電解工業是具有戰略意義的國民經濟支撐性行業[2].我國原鋁產量和消費量連續十幾年保持世界第一,2015年產量和消費量分別占全球的54%和53%,預計2018年我國電解鋁產量將達到2984萬噸,同比增長率達到1.83%.盡管發展迅猛,我國鋁行業卻也暴露出了深層次矛盾,即龐大的產業規模(產能過剩)與全行業微利(乃至虧損)的矛盾,該矛盾在短時間內難以調和,這是我國鋁電解工業面臨的最大挑戰.同時其可持續發展須應對資源、能源和環保等方面的重大難題.據調查顯示,每生產1噸鋁,將會向大氣中排放1500m3的污染性氣體,消耗大概500kg的陽極.由此可見,鋁電解工業是一個高耗能和高污染的行業[3].隨著國家對鋁電解工業的約束和規范,我國現代電解鋁生產技術必然向大容量及高效節能方向發展[4].目前鋁電解產業一方面產能過剩30%以上,另一方面一些企業集團憑借自己在資源、能源、投資與人力成本方面的比較優勢以及新建生產系列先進裝備帶來的技術優勢,還在不斷擴張產能,加速了企業朝著大規模、集團化方向發展,產業集中度在快速提高[5].同時,鋁電解生產與檢測裝備的自動化與信息化水平不斷提升,生產過程中每天產生海量數據,傳統的人工控制決策方式已經難以適應現代鋁電解生產要求.

隨著計算機技術及自動控制理論與實踐的發展,以及現代大型鋁電解設備及工藝的進步,鋁電解自動控制與管理功能不斷加強,不僅極大地減輕了人工勞動強度,也促使鋁電解槽逐步大型化與自動化,實現了鋁電解過程能耗的大幅下降,對環境的破壞也極大減輕,使得自動控制系統已經成為現代煉鋁工業一項最基本的組成部分.現代大型鋁電解槽是一種多相(氣–熔液–固)–多場(電、磁、熱、流、力等物理場)交互作用下的大型復雜高溫電化學反應器[6].目前我國在建或擬建項目中,90%以上的產能采用500～600kA槽型.電解槽的大型化導致臨界條件下高效穩定控制難度加大,同時綠色生產的要求導致優化控制的復雜度增加,對自動控制技術水平提出了更高要求.鋁電解工藝技術的進一步提升日益困難,例如噸鋁直流電耗指標在12800～13000kWh停留了幾十年,鋁電解過程控制技術已經成為現代鋁電解槽高效節能優化運行的關鍵.

本文對鋁電解生產系統的發展現狀和我國鋁電解生產運行控制研究現狀以及存在的問題進行了綜述分析;探討了構建鋁電解智能優化制造系統的必要性和可能性;給出了構建鋁電解智能優化制造系統的相關研究方向和研究內容,以及鋁電解行業的發展目標與愿景;提出了實施兩步走戰略以實現構建鋁電解智能優化制造系統的目標,并對研究鋁電解智能優化制造系統作出了展望.

1 鋁電解生產運行控制系統發展現狀

現代大型鋁電解槽控制技術的發展經歷了從自適應控制到智能控制的發展過程[7],系統架構也經歷了單機群控、集中式控制、集散式(或分布式)控制、先進集散式(或網絡型)控制幾個階段[8].早期的電解槽系列控制由人工根據生產報表數據進行設定.近年來,隨著電解槽的容量與控制數據的增長,開始出現了基于規則的電解槽自動控制系統.這些控制技術支撐了鋁電解各項經濟技術指標的優化,也是我國大型鋁電解槽煉鋁技術飛速發展及能耗指標居于國際領先水平的關鍵因素之一[9].國內外研究學者在電解槽智能控制系統[10]與關鍵工藝技術參數的控制[11?14]等方面開展了深入研究,主要集中在以下幾方面.

1)氧化鋁濃度預測與控制

氧化鋁濃度的控制作為鋁電解生產控制核心,得到了國內外學者的廣泛關注.氧化鋁濃度控制方式主要有模糊專家控制系統[15]、自適應控制[16]、智能跟蹤控制[17]、槽電阻斜率控制[18]以及多種方法的綜合控制[19]等.文獻[3]提出采用將電解質分子比控制在較高范圍內,穩定分子比的波動范圍,并根據經驗規則對氧化鋁濃度進行控制.文獻[20]針對鋁電解生產數據存在噪聲的問題,及鋁電解槽在不同槽況下氧化鋁濃度呈現出不同的特征,提出基于具有除噪功能模糊c均值算法的槽況分類和多支持向量機氧化鋁濃度預測方法.文獻[21]綜合考慮線性回歸預測法與正交變換預測法,給出了包含槽電壓、電解槽狀態和出鋁量三輸入的鋁電解槽氧化鋁濃度預測方案.文獻[22]采用帶遺忘因子的遞推最小二乘法辨識氧化鋁濃度特征模型參數.文獻[23]采用一種自適應模型對氧化鋁濃度和槽電阻間的關系進行辨識,以及對氧化鋁濃度進行估計.

雖然氧化鋁濃度的研究已有許多研究成果,但是鋁電解生產是物料平衡和能量平衡相互耦合的過程,并且存在大量的操作干擾,導致采集的數據存在許多誤差,基于數據驅動的方法無法精確實現氧化鋁濃度的有效控制.同時,耦合性的存在須對多個關鍵參數進行協同設定,才能保證電解槽的穩定高效生產.

2)鋁電解生產過程操作決策優化

鋁電解關鍵參數的優化決策關系到高效、穩定、綠色化生產,在這方面也獲得了相應的研究成果.文獻[24]提出一種基于并行細胞熵的多目標細菌覓食優化方法找到電解槽最優的操作方式,能夠使電流效率、能耗和CF4排放量得到優化.文獻[1]提出強跟蹤平方根無跡Kalman神經網絡并用其建立鋁電解槽工藝能耗的動態演化模型.文獻[25]建立了溫度和槽棒厚度的三維動態仿真模型來捕獲電解槽的動態特征,進而能夠優化電解槽的操作.文獻[26]利用統計過程控制方法設計的氟化鋁添加策略和調控電解槽熱平衡方式,能夠保障在降低鋁水平和槽電壓的同時保持電解生產穩定運行.文獻[27]通過多神經網絡獲得鋁電解過程異構信息的軟測量模型,能夠對不合理工況給出操作建議.雖然這些研究擬解決測量裝置缺失造成關鍵參數難以測量的問題,但是關鍵參數測量問題并未得到根本解決,同時電解槽的智能化程度也未得到有效的提升.文獻[28]構建一種基于模糊貝葉斯網絡的知識推理模型,此模型融合經驗知識、機理知識和從數據中提取的知識形成了一種多源知識表示模型,能夠對異常槽況進行溯因分析,在一定程度上彌補了由于鋁電解知識傳承困難和經驗豐富工藝人員在業內頻繁流動造成判斷準確率下降的缺陷.

鋁電解生產過程中的操作決策是一項復雜的知識型工作,并且鋁電解槽具有強耦合和高溫強腐蝕的反應環境等特點,無法實現數字化操作決策優化.因此,知識自動化是鋁電解槽實現鋁電解槽操作優化決策的必由之路[28].雖然在這方面已有相關成果,但離實際應用還有很大差距.

3)陽極電流采集與應用

隨著鋁電解信息控制技術和裝備的發展,陽極電流采集裝置得以在鋁電解槽上應用[29?30].文獻[30]認為陽極電流是最有價值也是最有可能被測量的信號之一,提出了一種陽極電流測量的新方法.文獻[31?32]認為陽極電流信號可以提供電解槽中局部陽極的信息,通過對陽極電流進行時頻分析獲得陽極的狀態.文獻[33]提出了基于陽極電流信號的鋁電解槽能量分布及其對局部環境影響的熱模型,并對陽極短路對電池熱平衡的影響進行了模擬研究.文獻[34]對電解槽氧化鋁濃度分布不均進行詳細分析,得到的每個陽極電流的分布也不盡相同,根據這一信息構建仿真模擬器指導鋁電解生產,提高電流效率以及穩定生產.

陽極電流采集裝置在一定程度上為鋁電解智能化控制提供了重要變量,但目前基于陽極電流的鋁電解槽研究較少,未來這種方法可以為實現分布式下料提供新思路.

4)陽極效應預報與控制

陽極效應是鋁電解生產過程中,陽極和電解質之間電流的傳輸受到抑制而產生的阻塞現象,導致槽電壓急劇升高,造成能量的巨大浪費并伴隨產生大量的有害氣體.因此,陽極效應的預報也是鋁電解生產過程的研究重點.文獻[35]對鋁電解生產過程特征建立動態模型,根據參數估計偏差來實現陽極效應預報.文獻[36]開發了以槽電阻斜率和累積斜率為主要判據,以物料平衡估算值和電阻針振強度為輔助判據的陽極效應智能預報方法.文獻[37]認為每次下料后,槽電壓的變化最初是小的,并且在陽極效應開始之前急劇變化,在考慮氣相作用下對槽電壓構成進行估計,從而做出相應的操作措施防止陽極效應的發生.

由于電解槽控制系統水平的日益提升,陽極效應發生次數較少,但在大型電解槽爐底容易產生沉淀,有的工藝人員會通過陽極效應提升槽溫來溶解沉淀.但是總體看來,陽極效應預報與控制方面的研究日趨減少.

5)鋁電解槽故障識別與診斷

鋁電解生產控制是一項知識型工作,如何將經驗知識、機理知識和數據中提取的知識進行有效融合成為提升鋁電解生產控制智能化的重要途徑.基于知識的故障診斷方法不需要系統的定量數學模型,引入了診斷對象的許多信息,特別是可以充分地利用專家的診斷知識等.文獻[38]針對鋁電解生產過程故障診斷問題優化了相對變換矩陣,克服了傳統方法丟失特征的缺點,提高了診斷的準確性.文獻[39]圍繞鋁電解過程多維決策和數據挖掘開展了系統設計與開發工作,取得了應用效果.文獻[40]提出了一種直覺模糊超圖語義網絡知識表示模型,結合火眼信息和專家經驗知識構建一種可進行知識推理的模型,為現場工人對電解槽狀態的判斷提供了一種參考.文獻[41?42]構建一種基于多路主成份統計分析的故障診斷系統,利用歷史數據進行訓練后分別建立多路模型,將新的觀測值與參考模型進行比較,實現對陽極效應或陽極長包的提前預報.

6)氟鹽添加量決策與分子比控制

現代鋁電解普遍采用了低分子比的工藝技術條件,電解質成分的控制越來越受到重視.由于AlF3濃度與電解質的初晶溫度的緊密聯系,同時為保持電解工藝技術條件的穩定,正確的AlF3下料控制對于鋁電解控制系統提出了更高的要求.當前添加方法可歸納為下列幾種類型:基于槽溫和分子比實測值的查表法[43]、基于分子比和槽溫等參數間的回歸方程控制法[44]、基于初晶溫度實測值的控制法[45?46]和基于先進控制理論的控制法[47].文獻[48]認為AlF3濃度的較大波動主要是由于電解槽熱平衡的波動引起的,溫度與AlF3濃度存在較好的線性關系,提出了一種關于溫度差和AlF3濃度差的線性模型來確定AlF3每天的添加量.文獻[49]基于模型和工藝知識提出了一種新的電解質溫度與AlF3添加控制方法,實現鋁電解槽能量平衡與物料平衡的解耦控制.文獻[50]證明了溫度與過剩AlF3濃度的線性關系,基于溫度變化確定每天氟化鋁的添加量.

傳統的鋁電解溫度和電解質分子比是分開控制,沒有考慮溫度和AlF3濃度兩者的相互關系,往往會造成溫度及AlF3濃度的過控制或欠控制,這也是控制不夠精確的主要原因.隨著鋁電解過程控制的自動化需求不斷提高,人們開始尋求更加精確的控制手段,溫度與AlF3濃度的耦合控制開始成為主流,一些溫度與AlF3濃度耦合控制模型的提出在不同程度上改善了電解槽的熱平衡.通過上述的研究分析可知,AlF3濃度的控制主要是基于專家經驗或基于分子比和溫度等參數的控制.然而,鋁電解是一個能量平衡與物料平衡相互耦合的系統,需要將更多的參數考慮進來,建立起一個整槽控制系統,協調各工藝參數之間的關系,將復雜電解槽的運行轉化為一個可控的過程.

7)鋁電解槽過熱度估計與狀態識別

過熱度是電解質溫度與初晶溫度的差值,合適的過熱度是保證氧化鋁有效溶解的必要條件,同時也是合理槽況的綜合表征.然而,過熱度的測試周期長、成本較高,難以應用到實際生產過程中[7],因此,過熱度狀態的在線判斷對評估槽況和高效綠色生產具有重要意義.文獻[51]確定了溫度和氟化鋁為主因素的氟化鋁揮發速率模型,并通過電解質成分的分析和計算,給出了過熱度的軟測量模型.文獻[52]通過機理分析和實驗測試確定了過熱度測試方案,并結合實際情況驗證了方案的正確性.文獻[40]基于知識模型對過熱度狀態進行推理分析,根據灰度變化速率確定電解槽的過熱度狀態,不僅融合了火眼信息還包括經驗知識和機理知識等,更符合工藝人員判斷過熱度狀態的方式.文獻[53]構建氟化鋁揮發率模型,通過對電解液成分的分析計算,給出了過熱軟測量模型,并通過實測值對模型進行了在線修正.文獻[54]中利用電解溫度、電解槽工作電壓、出鋁量和AlF3添加量等歷史數據,構建了動態回歸方程,通過正交矩陣變換得到回歸相關系數,確定AlF3添加量的決策模型.文獻[55]采用光流法對鋁電解槽火眼口處電解質跳動頻率和幅度進行跟蹤計算,基于專家規則并結合跳動頻率和幅度值對過熱度狀態進行估計,實驗表明具有較高的準確率.文獻[56]采用粗糙集理論中值約簡方法對歷史生產數據進行靜態規則提取,基于新定義的規則樹構造了規則增量更新方法,從而能夠對過熱度狀態作出估計.文獻[57]采用相對密度噪聲過濾的隨機森林方法對鋁電解過熱度預測,從而達到控制過熱度的目的.

在實際生產過程中,過熱度的判斷通常是工藝人員根據報表信息并結合經驗知識做出判斷決策,需要數據與知識進行協同推理計算.然而現有的研究成果更多是采用數據驅動方法,難以囊括鋁電解槽的復雜特征,從而影響電解槽過熱度狀態的判斷.而基于經驗知識的判斷方法難以避免主觀上的影響,導致過熱度狀態判斷準確率下降.

總之,盡管在鋁電解生產控制方面取得了一系列成果,但由于鋁電解生產電化學反應劇烈復雜、環境惡劣、工況變化大、影響因素多,特別是鋁電解工藝技術正向大容量和高效節能方向發展,大型鋁電解槽的生產一直面臨著關鍵參數檢測難、建模難、自動控制難等挑戰.在檢測方面,現行鋁電解過程能夠在線檢測的僅有槽電壓和系列電流這兩個參數,離線檢測的諸如電解溫度、電解質成分、電解質高度和鋁液高度等參數采樣周期差異大、測量精度和可靠性不高,反映電解槽工況時空分布變化狀態的手段有限.為了改進鋁電解過程控制效果,增加在線監測的工況參數一直是過程檢測的研究熱點,主要包括側壁溫度、陰極溫度、陰極電流和陽極電流分布等.在建模和控制方面,我國鋁電解過程控制的智能化水平不高.在鋁電解過程控制上,一方面依賴經驗建立了一系列的電解槽自動控制系統,能夠依據槽電壓變化進行自動下料操作,但控制規則和關鍵控制參數依靠工藝專家結合電解槽槽況分析調試給定,本質上仍是基于經驗的人工操作,難以自動對工況分類建模,敏捷設定控制參數,未能實現人機靈敏協同的智能優化控制.

2 鋁電解生產運行控制系統存在的問題

隨著鋁電解企業朝著大型化和集團化的方向發展,現有的鋁電解生產運行控制系統存在的問題日益突出,主要體現在以下兩個方面.

2.1 原料、能源供應波動給控制技術帶來巨大挑戰

1)原料來源復雜給控制技術帶來巨大挑戰

我國鋁電解工業的原材料(氧化鋁、炭素與氟鹽等)品質差異大,雜質成分與含量波動頻繁,導致電解鋁工藝生產的原料來源復雜,鋁電解工業過程控制技術在電解生產工況穩定優化運行方面面臨巨大挑戰.加之來源多樣,導致資源不斷劣質化.而資源劣質化與生產工藝調整導致氧化鋁產品中的一些以前氧化鋁工業從來不用考慮凈化的微量雜質,近些年來含量大幅上升,導致了原料價格和成分具有很大的不確定性.例如我國鋁電解陽極生產廠為降低成本而采購配用低價高硫焦,但硫升高不僅影響陽極質量,而且對鋁電解槽況也會產生不利影響.上述氧化鋁和陽極等鋁電解生產原料的變化特點給我國鋁電解企業(特別是大型企業集團)的工藝技術方案選擇、生產組織與經營決策帶來了重大挑戰.由此可見,原料復雜導致的電解質成分復雜和電解工藝參數難控是中國鋁電解工業面臨的最大技術難題.這一問題的關鍵是生產工況不穩定和惡化風險難以預知,對于電解槽多物理場耦合系統缺乏敏感、可靠的分布參數感知手段,導致運行控制的精確性、穩定性、前瞻性存在不足.

2)外部不確定性增加控制決策難度

能源供應模式和原料、產品雙重價格不確定性對電解槽的控制與決策產生嚴重影響.在我國原鋁的成本中,能源消耗成本占比最大,達到40%～50%,因此能源價格(即電價)對于我國鋁電解有著決定性的影響.當前由于電網的峰谷電價、季節電價和地域電價差異較大,鋁電解集團內各企業面臨的電價差異極為復雜,能源價格和供應模式的差異對操作條件和控制方案具有重大影響.鋁電解生產的原料和產品價格具有不確定性,特別是原鋁價格受到市場影響很大,且短時間內發生波動的幅度不可預測.集團化運行的鋁電解企業決策將受到產品市場價格不確定的極大影響,必須系統地將市場大數據與企業的生產、技術和經營智能決策融合起來,才能有效規避生產決策失誤帶來的經濟風險.如何在能源供應模式和原料、產品雙重價格不確定性影響下,實現精細、可靠、智能的鋁電解生產,管控決策一體化勢在必行.

2.2 智能化水平不高和數據利用率低給控制技術帶來的挑戰

鋁電解過程是一個高度復雜的非線性過程,具有大時變、大時滯和多輸入多輸出的特點[28].而鋁電解槽作為煉鋁的核心設備,自身具有電、熱、磁、流、力和物料分布間交互耦合的作用,同時由于必不可少的人工介入,例如周期性的出鋁、換極等,嚴重干擾鋁電解槽的運行狀態,使得對鋁電解槽的管理與控制難度極大.鋁電解槽中的高溫、高腐蝕氟化鹽熔體環境,限制了對鋁電解槽的參數測量和控制操作動作,能進行實時檢測的參數只有電流和槽電壓,可執行的操作僅有陽極移動、物料下料和調節出鋁量[58].

鋁電解作為高能耗生產過程,面臨日益嚴格的環保排放要求,多目標綜合運行優化難度大,控制與操作的智能化水平不高,數據利用率低.目前我國鋁電解的智能優化控制水平不高,對蘊含機理知識、運行特性和控制響應規律的生產數據利用率低,主要依賴人工進行槽況判斷、趨勢分析和運行操作決策.鋁電解每個生產系列中數百臺鋁電解槽和其他輔助流程會產生海量的結構化生產數據,蘊含有豐富的知識,這些知識如何獲取,如何與人工決策的非結構化經驗知識進行融合,實現基于生產大數據的知識自動獲取和數據–知識集成控制,目前缺乏有效的方案和技術途徑.

3 構建鋁電解智能優化制造系統的必要性與可能性分析

從整體來看,我國鋁電解行業處于國際領先水平,但鋁電解工業可持續發展也面臨資源、能源、環保和人力資源等方面的多重挑戰和一系列難題,亟需通過智能優化制造實現鋁電解的綠色化與高效化.

目前,鋁電解行業普遍采用是由企業資源計劃(Enterprise resource planning,ERP)、制造執行系統(Manufacturing execution system,MES)和過程控制系統(Process control system,PCS)三層結構組成的綜合自動化系統架構,而且大部分企業都部署了三層結構系統或MES和PCS兩層結構系統,但是其主要實現信息集成和管理功能,企業目標、資源計劃、調度、運行指標、生產指令與控制指令的決策處于人工憑經驗決策的狀態,并且ERP,MES和PCS無法實現無縫集成.底層的控制系統也只是實現了回路控制,運行過程中異常工況診斷與處理,均由運行工程師靠觀測運行工況和相關的運行數據,憑經驗判斷與處理單個電解槽或電解系列的異常工況,難以實現與其他工序控制系統的協同優化,難以實現綜合生產指標的優化,難以決策出優化運行指標目標值,當生產條件與運行工況發生變化時,難以及時準確的預測、判斷與處理異常工況,難以實現安全優化運行;高溫、強腐蝕等惡劣的生產環境,使得鋁電解生產過程高度黑盒化,缺乏協同控制、優化決策、異常工況診斷與自優化控制仿真實驗及可視化功能,沒有實現鋁電解的虛擬制造,也無法做到工藝優化和全流程的整體優化.未來鋁電解智能優化制造要實現高效化和綠色化,亟需擺脫或減少對知識型工作者的依賴.

當前,智能制造被公認為提升制造業整體競爭力的核心技術,我國也提出了“中國制造2025”及“互聯網+”行動計劃等一系列戰略部署.鋁電解工業是典型的流程工業,迫切需要實現新一代信息技術與鋁電解工業的全方位融合.以工業大數據、工業云、物聯網、工業互聯網、虛擬制造、知識自動化等為技術支撐的智能優化制造是實現鋁電解過程高效化和綠色化發展的有效解決方法和必經之路,開展鋁電解智能優化制造系統的研究對促進多學科交叉融合發展、鋁電解生產技術進步、智能優化制造實施戰略等方面具有重大科學意義和實際價值.

為應對我國鋁電解行業智能優化制造面臨著種種難題,研發具有自主控制系統、全流程智能協同優化控制系統、智能優化決策系統和虛擬制造系統的鋁電解智能優化制造系統是提升我國鋁電解行業搶占新一輪制造技術制高點的重要手段,也是世界制造業發展的客觀趨勢.開發鋁電解智能優化制造系統既符合我國鋁電解行業發展的內在要求,也是重塑我國鋁電解行業新優勢,實現轉型升級的必然選擇.

4 鋁電解智能優化制造系統的構成和愿景目標

未來鋁電解智能優化制造要實現高效化和綠色化,實現生產工藝優化和生產全流程的整體優化,亟需擺脫或減少對知識型工作者的依賴,研發集智能優化決策系統、智能協同優化控制系統、智能優化控制系統、智能安全運行監控系統和虛擬制造系統于一體的智慧優化生產系統,具體構成如圖1所示.

4.1 鋁電解智能優化制造系統的構成

4.1.1 鋁電解槽分布式智能感知系統

圖1 鋁電解智能優化制造系統Fig.1 Aluminum reduction intelligent optimization manufacturing system

對于400kA以上的大型鋁電解槽,槽內各區域狀態分布的差異性變得十分顯著,運行故障往往是從槽內某個局部開始,再逐步擴展到全槽.然而,現有鋁電解控制技術均屬于集總參數控制技術,依賴的在線實時采集信號只有槽電壓和系列電流這兩個集總參數信號,因此解析出的電解槽狀態只是反映電解槽物料平衡、熱平衡和運行穩定性的整體狀態,缺乏反映電解槽不同區域狀態的分布信息.

針對鋁電解槽關鍵可測分布式狀態參數(主要包括陽極電流、側部槽殼溫度、陰極鋼棒溫度和電流等),獲得鋁電解槽分布式狀態;通過機器視覺等方法智能感知鋁電解槽內運行狀態,實現分布式多物理場建模,對反映工況變化的多時空狀態參數實現智能感知系統集成,研究內容主要包括:

1)鋁電解槽分布式狀態參數在線檢測方法與裝置.針對鋁電解槽關鍵可測分布式狀態參數(主要包括陽極電流、側部槽殼溫度、陰極鋼棒溫度和電流等),通過優化核心傳感器并優化檢測系統設計,獲得高精度、快速響應的分布式參數檢測方法;同時,通過研究檢測參數的分布式并行計算模型,完成檢測參數的初步融合,形成鋁電解槽分布式關鍵狀態參數在線檢測基礎理論,并研制分布在線檢測分析儀樣機.

2)基于機器視覺的鋁電解槽運行狀態感知理論與方法.研制高質量鋁電解槽槽面火眼圖像視覺信號采集與比色測溫系統,研究火眼圖像紋理特征分析、火眼大小與形狀、圖像中炭渣的圖像識別等算法,建立火眼圖像處理與槽內運行狀態的機器識別方法,開發基于火眼視覺信息的槽內狀態參數的理論基礎模型,智能辨識電解槽內電解質溫度、過熱度、流動狀態及火眼等信息,實現對鋁電解槽內運行狀態的智能感知.

3)基于在線仿真及實測參數的關鍵物理場軟測量模型.研究鋁電解槽多相–多場系統的在線仿真計算機模型的建立,分析多相–多場數學模型計算問題的時間和空間復雜度,研究多維參數對計算復雜性的影響,確定相關計算問題的易解性和難解性;在此基礎上,基于分布式參數檢測系統獲得的實測參數,建立鋁電解槽關鍵物理場(主要包括電流、溫度、流速、磁場與濃度等)的在線軟測量理論模型,對各物理場的在線分布進行計算,形成槽內物理場信息的計算機斷層軟掃描技術.

4)鋁電解智能感知系統集成方法.研究鋁電解感知系統的構建方法,實現對鋁電解槽的實時控制信息、在線分布式傳感信息、火眼機器視覺信息、現場移動狀態下的測量信息、天車狀態信息等集成;開發感知終端儲備多種功能的處理算法庫及在線更新算法,使感知系統可適用于監測不同狀態的電解槽,并針對不同工況參數檢測的需求和特點,采取并行計算的模式同時實現多種在線感知任務.

4.1.2 大型鋁電解槽智能優化控制系統

大型鋁電解槽智能優化控制系統的功能是智能感知鋁電解生產條件變化,自適應決策控制回路設定值,使回路控制層的輸出跟蹤設定值,實現運行指標的優化控制;對運行工況進行實時可視化監控,及時預測和診斷異常工況,當異常工況出現時,通過自愈、控制和排除異常工況,實現安全優化運行.鋁電解生產過程積累了大量不同頻率和性質的結構化數據,同時也能夠實時獲得圖像、視頻等非結構化數據,這些數據反映了生產運行規律與工藝操作之間關系的潛在信息,因此亟需研究充分利用鋁電解槽運行大數據實現鋁電解操控過程綜合控制方法.以生產大數據為基礎,研究數據和知識融合的智能優化集成控制方法,建立鋁電解槽綠色高效生產的智能優化集成操控系統.主要研究內容包括:

1)基于鋁電解工業大數據的知識發現技術.在現代流程工業生產過程中,存在大量結構化數據源,包括在線檢測、離線分析和運行統計數據,但這些數據價值稀疏,活化其價值的能力受限,從中進行數據挖掘和知識分析具有重要意義,是人工智能驅動決策方法優于人類專家決策的重要方面.為此需要研究基于深度學習等方法研究如何發現不同工況條下生產過程的高效操作模式,基于頻繁項集對結構化數據源進行大數據價值分析和標定,根據個性化數據特征敏感度設計知識發現觸發策略和潛在知識處理方法,形成人工智能驅動的生產大數據價值分析方法與知識發現觸發機制.

2)數據驅動與知識引導融合的鋁電解智能優化集成控制方法.在推理決策過程中,機理和經驗知識更多反映對象的一般性描述和共性規律,而生產數據可以體現運行過程局部的、短期的、個性化的特征,特別是對于一些具有較多工序和系統的流程工業運行過程較為明顯.運行操作優化決策要求在局部、短期、個性化數據特征的驅動下,敏感發現運行特性的動態變化,從知識庫中提取引導性知識進行決策,做出就地即時的快速響應,同時將數據特征反饋到動態知識增量式關聯和自學習部分.因此需要研究如何將知識引導下的推理過程與個性化數據特征進行協同,包括數據信息對經驗知識和機理知識的豐富和補充,以及對知識屬性和知識關聯強度的數據學習方法,使決策結果既滿足一般的物理化學反應規律和工藝約束條件,又符合局部系統和一定時域內過程運行的個性行為特征.

3)非結構化領域知識的有效獲取和顯性化描述.傳統框架表示等知識模型表示操作決策知識時難以表達跨領域非結構化知識元之間的聯系,容易出現選擇難、多義性和可理解性差等問題,造成決策知識難以應用,必須結合其他后驗信息進行有效性度量和顯性化描述.為此將后驗有效性概率信息與傳統知識網絡相結合,研究建立具有后驗有效性的跨域網絡化領域知識庫,圍繞生產過程運行條件、操作參數、決策對象等信息建立現象/參數狀態、工況特征、原因和操作對策等不同層級間的知識元聯系,從運行數據中獲取后驗有效性信息,形成具有數據頻繁度支撐的知識元節點.

4)決策知識多屬性的深度分析.知識自動化系統中決策知識不是靜態固定不變的,而是根據決策需要、工況變化和數據信息的積累自主動態更新演化的.需要根據以下差異對各種知識進行多屬性的動態智能分析.a)知識的不同來源;b)應用于管理決策、調度決策和操作決策等不同方面;c)數據支持積累的成熟度不同;d)根據其他知識源對其可靠性程度的協同判定.因此,決策知識應當是來源可分類、功能可分型、成熟度和可靠性可分級的.此外,還應當考慮知識的冗余度和相似性,以利于后續推理中的約簡.所以必須基于動態多屬性智能分析方法研究分型分類知識的可靠性辨識、相似性度量和分級評價,形成知識的動態演化更新策略.

5)具有后驗關聯性的分層跨域知識關系網絡模型.傳統知識模型表示鋁電解的槽況知識時凸顯出了許多不足.主要體現在:a)電解槽知識包含物理、化學、冶金和控制等多領域的知識,并且各知識元的有效范圍和關聯層級不同,例如氧化鋁在電解質中的溶解速度有半經驗公式、化學反應動力學方程、傳質擴散控制模型等多種適用范圍不同的知識,因此傳統的語義網等知識模型難以表達分層跨域知識元之間的聯系.b)槽況知識具有模糊性和不確定性,例如電解槽冷槽和熱槽的判斷沒有明確的界線,電解槽火眼中某一種特征現象的出現既可能是冷槽特征也可能是熱槽特征,采用傳統的語義網等模型將出現選擇難、多義性和可理解性差等問題,必須結合其他后驗信息進行判斷.為此本課題將后驗關聯概率信息與傳統知識網絡相結合,提出研究具有后驗關聯性的分層跨域知識關系網絡模型.該模型圍繞鋁電解生產過程工藝條件的知識關聯建立分層語義網絡模型,在知識元節點之間添加后驗關聯信息,不僅能有效解決槽況判斷中模糊性、不確定性和知識表示選擇多義性的問題,而且可以根據實時數據特征學習自修正后驗關聯權重,實現知識關系模型的智能化更新.

6)多粒度知識關聯模型的聯合推理計算.知識的多粒度結構是在考慮知識領域、知識級別和時效關聯的基礎上提出的,能夠降低大數據環境下的決策計算規模.多粒度聯合計算的核心是構建以決策問題為導向的多層求解器,研究多層求解器層數的確定、層間關系的建立和逐層求解器的構造等問題,研究知識決策自動跨層學習的廣播式或遷移式策略,有效跨越車間/企業/集團不同層級之間的信息壁壘,研發層次化和組件式的知識自推理學習方法.

7)異構關聯數據的個性化特征提取與知識協同方法.鋁電解生產數據包括自動檢測的槽電壓,人工檢測的項目(槽溫、氧化鋁濃度、電解質水平、鋁水平等),以及操作相關的下料方式、氟鹽添加量、操作狀態(換極、出鋁)等.同時,通過陽極電流分布監測系統和火眼視頻自動監測系統等新技術能夠自動獲取新的槽況信息(例如火眼中電解質跳動的頻率和幅度以及火苗情況與電解槽過熱度之間存在密切關系),結合下料時槽電壓變化特征可以對過熱度進行識別.由此可見,鋁電解生產過程中不同類型的數據具有異構關聯性.對于電解生產來說,不同系列、不同槽齡、不同槽況電解槽的反應行為特征都不完全一樣,這些個性化特征反映在異構關聯的實時生產數據信息中,同時又遵循一般的物理化學反應規律和工藝約束條件.為此,根據智能化操作決策需要,研究如何從生產數據中提取和學習電解槽個性化特征,將基于數據的個性化特征和共性知識關系模型進行聯接和融合,建立自洽統一的分層跨域知識協同機制,從而為實現鋁電解生產從數據到知識一體化的溯因控制奠定基礎.

4.1.3 大型鋁電解槽系列智能協同優化控制系統

目前鋁電解槽的管控基本以人工經驗為主,造成了同樣的工藝技術條件,不同的車間甚至不同的工區最終的技術指標均不一樣的現象.由于鋁電解企業的原料、能源與設備狀態經常變化,人工管控智能化程度低,難以實現鋁電解槽系列的智能協同優化控制.大型鋁電解槽系列智能協同優化控制系統主要以系列鋁電解槽生產的協同優化為目標,研究鋁電解槽系列工藝條件的協同優化控制與管理,主要內容包括:

1)能源供應波動條件下的鋁電解槽工藝與控制智能優化.對鋁電解過程的能耗進行系統的理論與機理分析,在現代規模化鋁電解系列企業的產能、設備布局、生產節奏等條件下,揭示鋁電解生產工藝約束及主體用能設備和系統的負荷運行特性;并基于現代鋁電解集團企業能耗的特點,例如自備電廠、孤網運行、獨立電網等,研究基于能源供應的變負荷理論響應潛力評估量化模型及技術經濟適應性理論模型,研究在不同的能源供應條件下,規模鋁電解系列在不同的能源供應條件下的工藝與控制優化策略.

2)鋁電解槽系統運行性能指標動態優化分解與協同控制方法.鋁電解槽系統是一個物料平衡和能量平衡相互耦合的系統,在運行過程中需要保證多個目標在理想或可控范圍內,即不僅要保證系統的效率,同時還應盡可能降低能耗,減少廢氣的產生.由于電解槽的特殊性,運行過程有許多工藝條件限制,在調節關鍵參數時應盡可能小地減少對電解槽的干擾等.因此,研究電解槽系統運行性能指標可進行優化分解,并進行協同控制,從而實現電解槽能夠平穩高效運行.

3)鋁電解槽系列協同優化控制系統的軟硬件平臺實現技術.大型鋁電解槽系列智能協同優化控制系統主要以系列鋁電解槽生產的協同優化為目標,研究鋁電解槽系列工藝條件的協同優化控制與管理,主要包括:a)大型鋁電解槽系列優化運行性能指標、鋁電解槽運行指標及控制變量之間特性分析;b)多電解槽運行過程智能協同優化策略;c)鋁電解槽系統運行性能指標動態優化分解與協同控制方法;d)鋁電解槽系列協同優化控制系統的軟硬件平臺實現技術.

4.1.4 鋁電解生產智能優化決策系統

鋁電解生產智能優化決策系統在外部市場動態需求和內部企業生產動態狀況(設備能力、資源消耗、環保)等約束條件下,以盡可能提高包含產量、質量、能耗、排放、成本等指標在內的制造綜合效益為目標,采用虛擬仿真制造實現前饋決策,通過工業大數據實現反饋智能決策,人機交互動態優化決策反映質量、效率、成本、消耗、安環等方面的企業全局指標、生產流程指標和工藝過程指標,進而決策出規模化鋁電解生產系統在不同的原料和能源供應條件下的工藝指標、生產計劃及調度,為生產制造全流程的協同控制提供優化目標.研究內容主要包括:

1)電解鋁智能優化決策系統體系架構實現技術.主要研究電解鋁智能優化決策系統體系架構實現技術,基于機器學習與智能優化技術的決策算法,大數據與知識驅動的一體化智能決策實現技術,鋁電解生產計劃、調度及生產資源配置智能決策實現技術.

2)面向決策的鋁電解工業云計算與智能云服務平臺構建技術.物聯網、互聯網與過程控制網絡為鋁電解工業生產和管理提供了海量的數據、信息和知識,對這些資源進行高效利用為生產和管理服務,是鋁電解工業智能工廠構建的一個核心技術.因此,需要研究鋁電解工業云計算與云服務技術,為海量信息的處理和智能計算提供重要的技術支持,為鋁電解工業仿真優化、生產計劃、管理、決策提供高效服務.包括:鋁電解工業各種資源的虛擬化;云服務平臺的體系架構與構建;云計算技術與應用;高性能計算算法應用;數據、信息與知識的智能處理、可視化與應用技術;基于大數據和云計算的智能工廠服務模式的標準框架;云服務安全技術.

3)鋁電解生產計劃、調度及生產資源配置智能決策實現技術.鋁電解企業現如今朝著集團化、電解槽朝著大型化方向發展,生產計劃、調度及生產資源配置的人工決策已經難以滿足鋁電解行業的發展需求.需要研究鋁電解在需求不確定以及資源不確定的情況下,如何根據獲取的市場變化、原料供應、能源保障等,并綜合考慮自身情況,對資源實現智能決策,從而達到在生產計劃、調度及生產配置智能決策下的綜合收益最大化的目標.

4)原料供應波動條件下的鋁電解槽工藝與控制智能優化.針對大型鋁電解企業的原料來源復雜和原料性質波動頻繁的特性,基于機器學習理論,建立外界原料市場數據、電化學機理知識與檢測數據知識融合的工藝技術指標、效益和成本的智能過程模型;以原料的雜質含量(例如炭素陽極中硫含量、氧化鋁中鋰、鉀含量等)、原料物性參數(例如氧化鋁的安息角、粒度及晶型等)、原料價格及原料庫存情況等作為條件,以經濟效益最大化為目標,研究鋁電解槽的工藝條件和集成控制參數的優化.

5)多類型操作決策知識的融合與演化.在結構化關聯知識庫中,需要解決多屬性知識相互轉化利用的問題,特別是數據知識、經驗知識和機理知識的融合,能夠消除知識中的不確定性,提升決策價值.為此,需要研究具有不同屬性的知識的融合、重組與演化方法,形成新的知識關聯,甚至產生更高層次上的綜合知識.對于決策中常常遇到的未知情境(例如未記錄的工況),可以從相似條件中提取知識關聯進行演化,完成推理演化決策,并通過反饋自學習獲得校驗.

6)生產過程多操作參數精細化協同決策.現代流程工業中,隨著工藝水平提升,理想工藝條件下的最優工作區域逐漸被掌握.但是由于原料波動等原因運行過程始終處在動態變化中,需要通過各個操作參數的協同優化保持或趨于最優的臨界工作區域.這一精細的協同操作優化需要解決兩個決策問題:a)根據知識關聯模型的聯合推理計算確定當前工況下的多參數最優工作區間,形成基于知識推理的優化操作模式,包含操作參數、工況條件和運行性能指標.b)操作參數的調整不是一蹴而就的,需結合具體流程的動態特性,研究從當前工況過渡到最優工作區間的多參數協同遷移操作策略及滾動優化方法.

4.1.5 鋁電解運行安全監控與自優化系統

鋁電解運行安全監控與自優化系統基于大數據實現鋁電解的智能化控制系統、智能協同控制系統、智能優化決策系統的可視化和遠程移動監控,預報異常工況進行自優化控制.主要研究內容包括:

1)鋁電解生產運行監控與自優化系統架構.主要研究:a)基于運行大數據與知識自動化驅動的鋁電解生產運行監控與最優化系統架構;b)基于運行大數據的鋁電解關鍵參數演變特征分析;c)基于多信息源趨勢分析的鋁電解生產運行安全智能預警;d)基于運行大數據和可視化的鋁電解生產全流程一體化優化運行的監控;e)基于模型、圖像、數據特征的感知提取與人工智能學習的鋁電解異常工況監控;f)基于決策–控制–設備溯源機制的鋁電解自愈與自優化控制技術.

2)基于運行大數據的鋁電解關鍵參數演變特征分析方法.關鍵參數在鋁電解生產過程中主要用于調節電解槽的熱平衡和物料平衡,從而實現電解槽能夠在較為理想的平衡狀態下運行.基于運行大數據的分析方法對電解槽關鍵參數進行分析,了解電解槽的運行特性.同時為電解槽關鍵參數的演變做出判斷,從而能夠為工藝人員提供一種操作參考,減少人工設定關鍵參數不準確情況的發生.

3)基于多信息源趨勢分析的鋁電解生產運行安全智能預警.鋁電解生產過程積累了不同頻率和性質的大量結構化數據,同時也能夠實時獲得圖像和視頻等非結構化數據,呈現出一種多信息源的情況.通過鋁電解大數據處理的方法對結構化數據和非結構化數據進行分析,對電解槽當前的安全性能做出評估,并對未來電解槽的安全性能變化趨勢做出判斷.為電解槽生產運行安全提供一種全面的、多方位的評估和預警.

4)基于大數據的電解槽生命周期智能評估.根據鋁電解生產需求,以鋁電解系列的核心設備鋁電解槽為對象,基于其運行狀態的歷史大數據,分析自啟動日開始累計的各類電流、爐底壓降、原鋁鐵含量、槽殼溫度等數據的演變特征,研究槽內襯材料的電化學滲透機理與熱應力分布模型,建立電解槽壽命智能評估模型.同時基于對多源趨勢的分析,建立鋁電解槽生產運行安全預警模型.通過模型的運行,實現對電解槽的壽命狀態進行智能化安全監控與預警,預防重大安全事故發生.

5)基于模型、圖像、數據特征提取的鋁電解異常工況監控.鋁電解生產以提高電流效率和降低能耗為主要目標,穩定工況是實現此目標的重要保障.利用模型以及多源異構信息融合技術,從海量復雜的歷史數據和電解槽火眼圖像中發現異常工況發生及演變的規律,實現鋁電解生產過程表征異常工況信息的一致性描述.從信息時間空間的角度對數據、機理知識和經驗知識進行獲取和融合,采用遞進式特征提取實現未來電解槽況的預測與評估,并結合專家經驗知識對提取的特征進行定性標注.根據電解槽當前的生產數據、火眼圖像、外來信息和標注特征實現電解槽況監控的目標.

4.1.6 鋁電解生產虛擬制造系統

鋁電解生產虛擬制造系統采用多物理場仿真和可視化技術呈現電解過程全時空的定量信息,為解析鋁電解機理、實現精細化調控創造條件,構建鋁電解生產過程物質轉化和能量傳遞的虛擬現實場景,為實現鋁電解過程優化控制、協同控制、優化決策、異常工況診斷與自優化控制等各環節的仿真實驗和可視化創造條件.主要研究內容包括:

1)融合機理、數據和經驗知識的鋁電解槽多場多相反應體系建模方法.鋁電解槽是一種多場多相的反應體系,夾帶著劇烈的電化學和物理反應,同時產生大量氣體.多相多場在鋁電解槽內產生、演變并相互作用,影響鋁電解生產的能耗、效率、槽壽命等技術經濟指標.同時由于電解槽內是一個高溫、高腐蝕的環境,造成許多關鍵參數測量困難,導致電解槽內存在諸多測量盲區.因此僅采用機理、數據或經驗知識難以捕獲電解槽主要特征,在基于數據分析建模的基礎上,需借助于機理分析和經驗知識進行指導建模,實現構建鋁電解槽多場多相的模型體系.

2)鋁電解多相多場數據的可視化理論與方法.從鋁電解的具體應用出發,例如鋁電解狀態分析、生產工藝與控制參數的調整等,研究基于多粒度的分級挖掘算法,基于鋁電解工業大數據,建立各類型各種目的的數據倉庫;研究多相多場計算數據與實時采集數據的融合理論方法,構建一體化的高維數據場,結合鋁電解實際生產與管理對數據精度的需要,研究面向可視化的高維數據降維理論與方法,給出鋁電解過程的多維、多尺度信息表達模型;研究多相多場交互作用過程的圖形映射,實現鋁電解時變高維數據場的可視化.

3)鋁電解虛擬生產與可視化.采用多物理場仿真和可視化技術呈現電解過程全時空的定量信息,為解析鋁電解機理、實現精細化調控創造條件,實現鋁電解生產過程物質轉化和能量傳遞的虛擬現實場景.針對鋁電解過程氣–液–固多相、分子–微團–設備多尺度、速度–溫度–濃度多場相互耦合的復雜體系等特點,研究多場多相反應體系下鋁電解過程的物質轉換與能量傳遞機理,以及大數據環境下融合機理、數據和經驗知識的多場多相反應體系建模方法、鋁電解過程多尺度耦合計算方法、多相多場數據的可視化理論與方法以及可視化的實現和分析技術、全流程虛擬生產系統的構建和實現.

4)鋁電解過程運行控制、工況診斷、優化決策的仿真平臺與虛擬實現.由于所研究方法難以保證鋁電解生產控制系統能夠安全穩定運行,需研發一種集鋁電解運行控制、工況診斷、優化決策的仿真平臺,避免在鋁電解槽系統上直接運行,并在該平臺進行虛擬現實以保證鋁電解槽的運行安全穩定.

4.2 鋁電解智能優化制造系統的目標與愿景

鋁電解智能優化制造系統的目標和愿景是在外部市場動態需求、內部企業生產動態狀況(電解槽生產能力、資源消耗、環保)、國家相關政策以及鋁價、原材料價格等市場環境約束條件下,能夠實時地做出正確決策,盡可能提高鋁電解包含產量、質量、能耗、排放、成本等指標在內的制造綜合效益.

采用鋁電解虛擬仿真制造實現前饋決策,通過工業大數據和知識自動化方法實現反饋智能決策.人機交互動態優化決策反映質量、效率、成本、消耗、安環等方面的鋁電解企業全局指標、生產流程指標和工藝過程指標,為生產制造全流程的協同控制提供優化目標.最終真正實現企業目標、資源計劃、調度、運行指標、生產指令與控制指令集成優化,而且實現遠程、移動與可視化監控與決策,達到盡可能提高生產效率與產品質量,降低生產成本,實現生產過程環境足跡最小化,確保環境友好地可持續發展的目標.

5 技術發展規劃與展望

5.1 技術發展規劃

鋁電解智能優化制造系統技術發展規劃如圖2所示.發展路線實施兩步走戰略,包括中短期規劃(2017年～2025年)和中長期規劃(2025年～2050年).到2025年,基本解決鋁電解工業目前面臨的挑戰性難題,并在大型鋁電解企業進行相關理論方法及技術驗證;到2050年,實現鋁電解生產智能優化制造系統的主要6大系統研發,并取得明顯成效.各規劃的具體目標如下:

1)中短期規劃(2017年～2025年)

到2025年,基本解決鋁電解工業過程控制中面臨的挑戰性難題,攻克鋁電解槽智能感知與工況識別、協同優化控制、生產智能優化決策等關鍵技術,開發形成鋁電解虛擬制造系統、安全評估與自優化系統、智能云服務平臺,并在大型鋁電解企業進行相關理論方法及技術驗證.

2)中長期規劃(2025年～2050年)

到2050年,建立涵蓋感知、協同、決策、診斷、可視化的鋁電解智能制造服務體系,并取得明顯成效;形成具有世界領先水平的鋁電解智能制造科學理論和技術平臺,產生顯著國際學術影響,引領鋁電解智能制造技術潮流,孕育出世界級的產學研用聯合體,依托專利技術產品形成相關高技術產業.

5.2 發展展望

圖2 鋁電解智能優化制造系統技術發展規劃Fig.2 Development planning of aluminum reduction intelligent manufacturing system

本文結合未來鋁電解的發展趨勢以及現有運行控制系統的研究現狀提出了構建一種鋁電解智能優化制造系統.未來通過對鋁電解智能優化制造系統構成的研究,突破基于知識自動化的全流程操作決策關鍵技術,為降低或擺脫對高水平操作決策人員的依賴創造條件.在穩定生產指標、降低能耗物耗、降低人力成本和運維成本、提高生產經濟效益方面具有十分可觀的應用前景,有望為鋁電解行業的精細化、綠色化、高效化、智能化生產開辟新的技術路徑.為構建智能化、協同化和人機物高度融合的鋁電解生產決策系統奠定科學基礎,并且能夠滿足高效、綠色、智能制造的新要求和中國制造2025的戰略行動綱領,適應兩化深度融合的信息網絡和大數據環境.同時,對提升我國鋁電解行業整體運行技術水平和國際競爭力,實現鋁電解行業的可持續發展具有重要應用價值和現實意義.