-
题名端边云协同的PID整定智能系统
被引量：5
- 1
-
-
作者
柴天佑
周正
郑锐
刘宁
贾瑶
-
机构
东北大学流程工业综合自动化国家重点实验室
国家冶金自动化工程技术研究中心
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第3期514-527,共14页
-
基金
国家自然科学基金委重大项目(61991404)
2020年度辽宁省科技重大专项计划(2020JH1/10100008)
一体化过程控制学科创新引智基地2.0(B08015)。
-
文摘
本文在分析智能制造对PID整定的新需求及PID整定面临的挑战难题的基础上,将自动化的建模、控制与优化和人工智能的深度学习与强化学习深度融合与协同,提出了自适应与自主的PID整定的智能优化方法,包括端边云协同的PID控制过程数字孪生模型和强化学习与数字孪生模型相结合的PID整定算法.将工业互联网的端边云协同技术与PLC控制系统相结合,研制了PID整定智能系统,并在重大耗能设备—电熔镁炉成功应用.该系统安全、可靠与优化运行,取得显著的节能减排效果.最后,提出了控制系统智能化研究方向需要进一步深入研究的内容.
-
关键词
PID参数整定
端边云协同技术
深度学习
强化学习
智能系统
-
Keywords
PID parameter tuning
end-edge-cloud collaboration technology
deep learning
reinforcement learning
intelligent system
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名端边云协同的复杂工业过程运行控制智能系统
被引量：2
- 2
-
-
作者
柴天佑
程思宇
李平
贾瑶
郑锐
-
机构
东北大学流程工业综合自动化国家重点实验室
国家冶金自动化工程技术研究中心
北京东土科技股份有限公司
工业互联网控制系统联合实验室
-
出处
《控制与决策》
EI
CSCD
北大核心
2023年第8期2051-2062,共12页
-
基金
国家自然科学基金重大项目(61991404)
2020年度辽宁省科技重大专项计划项目(2020JH1/10100008)
一体化过程控制学科创新引智基地2.0项目(B08015).
-
文摘
针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.
-
关键词
运行控制
系统辨识
深度学习
端边云协同技术
数字孪生
智能系统
-
Keywords
operational control
system identification
deep learning
end-edge-cloud collaboration technology
digital twin
intelligent system
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名端边云协同的PID整定智能系统
- 3
-
-
作者
柴天佑
周正
郑锐
刘宁
贾瑶
-
机构
东北大学流程工业综合自动化国家重点实验室
-
出处
《自动化博览》
2023年第9期34-43,共10页
-
文摘
本文在分析智能制造对PID整定的新需求及PID整定面临的挑战难题的基础上,将自动化的建模、控制与优化和人工智能的深度学习与强化学习深度融合与协同,提出了自适应与自主的PID整定的智能优化方法,包括端边云协同的PID控制过程数字孪生模型和强化学习与数字孪生模型相结合的PID整定算法。将工业互联网的端边云协同技术与PLC控制系统相结合,研制了PID整定智能系统,并在重大耗能设备—电熔镁炉成功应用。该系统安全、可靠与优化运行,取得显著的节能减排效果。最后,提出了控制系统智能化研究方向需要进一步深入研究的内容。
-
关键词
PID参数整定
端边云协同技术
深度学习
强化学习
智能系统
-
Keywords
PID parameter tuning
End-edge-cloud collaboration technology
Deep learning
Reinforcement learning
Intelligent system
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
