CN119396109A 一种基于能耗智能分析的内墙砖釉磨控制方法及系统 （山东大将军新材料科技有限公司）

一种基于能耗智能分析的内墙砖釉磨控制本发明提出了一种基于能耗智能分析的内技术领域。本发明针对陶瓷砖釉面工艺中能耗MPC控制器实现优化控制的混合方案。通过设2,其中uprn(t)表示PID控制器的基本控制输预测能耗，结合基本PID控制信号作为输入，在预测时域内制定并最小化成本函数：,其中表示需要最小化的总成本，y(k+ilk)表示基于k时刻系统状态的预测系统行为，yrer(k+i)表示系统输出的期N。是定义计算控制动作窗口的控制时域，Q是调节误差敏感度的权重矩阵，R是调节控3将是维持所需釉层厚度的最优釉料流量Fin。步骤4.1：向系统执行器发送控制信号：由每个通道的MPC控制器计算得出的优化控道计算的气压pn和圆盘转速Rm无缝集成到其自身的控制计算中；7.一种基于能耗智能分析的内墙砖釉磨控制能源优化控制模块由PID基础控制器、Transformer预测器和模型预测控制优化控制器组成，其中PID控制器基于能效目标误差提供基本控制信号，Transformer预测器负责4产品质量控制模块，包含PID控制器、Transformer预测器和模型预测控制优化控制执行器控制模块包括气压执行器、转速执行器和流量执行器三个部分通道协调模块包括信息共享单元和动态补偿单元，其中信息共享单各个模块通过数据总线进行信息交换，数据采集预5料分散在瓷砖表面。这个过程有许多影响其性能的因素：这些因素包括但不限于旋转盘的些因素的相互作用，使用传统数学方法很难准确建模该过程，这使得设计有效的控制器特厚度和均匀性）之间的关系随操作条件而变化。这种固有的非线性限制了传统线性控制器统的PID控制器虽然易于实施，但在不同的工[0006]在这种架构中，本发明采用了三种关键MPC）和Transformer。传统PID控制器用作基础控制层以提供基本过程稳定性。在这个6稳定基础上，利用MPC执行基于模型的优化以提高控制精度和性能。此外，MPC依赖Transformer网络提供过程动态的准确和长期预测，从而提高控制器的适应性。通过利用控制方法，该方法的流程图如图1所示，通过双通道运行，每个通道采用PID_MPC_步骤1：传感器读数的实时数据采集和全面预处理，以实现对控制系统的准确输砖坯在釉面过程中的传送带速度确保获得准确的测量,其中uprn(t)表示PID控制器的基本控制输[0013]步骤2.2：使用Transf7Transformer模型生成的预测能耗，结合基本PID控制信号作为输入，在预测时域内制,其中表示需要最小化的总成本，y(k+ilk)表示基于k时刻系统状态的预测系统行为，yrer(k+i)表示系统输出的期N。是定义计算控制动作窗口的控制时域，Q是调节误差敏感度的权重矩阵，R是调节控[0017]步骤3.2：使用Transformer网络预测未来釉层厚度：专用的Transformer模型通[0018]步骤3.3：通过模型预测控制（MPC）优化釉料施加：MPC控制器利用其专用Transformer模型预测的釉层厚度h，结合基础PID控制和来自能耗优化通道的控制输出最终输出将是维持所需釉层厚度的最优釉料流量F8通道计算的气压pn和圆盘转速Rn无缝集成到其自身的控制计算中，这确保产品质量通[0033]能源优化控制模块由PID基础控制器、Transformer预测器和MPC优化控制器组成，其中PID控制器基于能效目标误差提供基本控制信号，Transformer预测器负责预测未来能耗变化趋势，MPC优化控制器则结合两者的输出计算最优的气压和圆盘转速控[0034]产品质量控制模块的结构与能源优化控制模块类似，也包含PID控制器、Transformer预测器和MPC优化控制器，但专注于釉层厚度的控制。其中PID控制器基于釉层厚度误差进行控制，Transformer预测器预测厚度变化趋势，MPC优化控制器生成最9工艺等复杂和非线性系统时存在已知的局限性。主要缺点是其依赖于过程动态的线性近方法是使用模型预测控制（MPC）。MPC是一种明确使用过程动态模型来预测系统未来注意力机制的网络架构，其核心自注意力使网络能够更好地捕捉时间序列中的非线性关[0047]Transformer网络由编码器和解码器组成，它们各自都有一个自注意力模块。现良好，因此适合作为基于MPC的控制器中的预测模型。MPC和Transformer，在陶瓷砖釉面工艺中实现更加节能和稳健的控制性能。[0049]该方法的核心思想是将能源优化和产品质量控制任务分解为两个独立的控制通制操作。MPC控制器通过实施高级模型优化，在这个基础PID控制的基础上进行构建。Transformer模型用作MPC控制器内的预测模块。使用Transformer网络通过提供过程动态的准确和长期预测来帮助MPC获得更好的性能，这对有效的基于模型的预测控制至关[0052]能源优化通道旨在通过减少压缩空气的使用和圆盘的旋转速度来最小化釉料施定性。PID控制器设计用于基于所需设定点与测量过程变量之间的误差调整控制输出。PID控制器在两个通道中的工作方式相同。PID控制器的控制输出uprn(t)表示为：；其中，uprn(t)表示PID控制器的主要目的是通过考虑系统动态模型和未来预测来执行更精细和优化的控制。MPC通过计[0057]在MPC中的优化过程涉及最小化成本函数，该函数表示实现期望设定点和最小J[0058]能源优化通道中的MPC控制器使用Transformer模型基于气压、圆盘转速和釉料流量的输入来预测能耗。然后MPC计算最优气压和转速，以在遵守运行约束的同时最小化预测能耗。产品质量通道中的MPC控制器基于传送带速度和能源优化通道的输出来预测釉层厚度。然后MPC计算最优釉料流量以维持砖面所需的釉层厚度，同时也考虑能[0059]这里的创新之处在于本发明如何将此MPC结构与Transformer网络结合，并将MPC允许基于未来预测进行优化，而不是对过去值做出反应，从而导致更平滑和更稳定可以由Transformer模型本身捕获。[0060]本发明提出的控制架构的一个关键组成部分是使用基于Transformer的网络来模Transformer网络直接从过程数据中捕获输入和输出变量之间的非线性关系，从而消除了[0062]自注意力机制是Transformer模型的核心组件，使网络能够自动学习输入变量之个Transformer模型的参数都将从训练数据中学习，学习到的模型将使MPC具有非常准的方法能够应对系统中存在的模型不确定性和强[0064]Transformer网络的训练需要从陶瓷砖釉面工艺中收集实际数据。最终控制器的[0067]Transformer模型使用准备好的数据集进行训练。训练过程可以使用收集的历史Transformer模型。两个Transformer模型的训练过程相似，差异仅在于每个Transformer连接层的隐藏维度和嵌入维度，本发明采用2个编码器层和2个解码器层，每层4个注意力与MPC控制器一起用于在线运行。[0071]对于产品质量通道，MPC控制器使用训练好的Transformer模型根据传送带速度、釉料流量和能源优化通道的控制输出的当前测量值预测未来釉层厚度。然后MPC控[0072]PID_MPC集成的详细步带速度在内的传感器数据。所有这些传感器数据对PID、MPC和Transformer预测都是必[0073]PID控制：每个控制通道基于测量过程变量与其设定点之间的误差使用PID控[0074]基于Transformer的预测：与PID控制器并行，Transformer模型接收传感器读数[0075]MPC优化：MPC控制器使用Transformer模型的预测，结合PID控制器的输算优化的控制动作。然后MPC输出传递给执行器的控制信号。[0076]执行器控制：MPC控制器计算的控制信号用于通过执行器调节控制参数，如气[0077]三个主要组件之间的交互为：PID控制器提供基线稳定性，Transformer模型提供系统行为的准确动态预测，而MPC使用这些预测来实现在能耗和产品质量方面的最优品质量通道的MPC控制器在计算最优釉料流量时，将能源优化通道控制器的气压和圆盘道开始计算各自的PID控制信号，之后每个通道的Transformer预测模型生成未来预测，然后每个通道的MPC计算将实时应用于执行器的最终控制输出。该程序在每个控制周期较。这个单通道PID控制器仅根据期望釉层厚度与实际釉层厚度之间的误差调整釉料流控制e(t)表示设定点与当前测量釉层厚度之间的误差，kn、K;和KU表示PID增益。PID控制器的增益通过试错过程经验性选择，使控制器具有相对良好的跟踪性能和稳定[0089]仿真结果表明，本发明提出的双通道PID_MPC_Transformer混合控制系统在;结果显示，本发明的方法在釉层厚度的均方误差方面实现显著降低，与基准相比减少了[0091]本发明控制器表现更好的原因是本发明有基于Transformer的预测模型，这使得[0093