具有自动扰动检测的数字孪生用于半自磨机的实时优化
系统与控制
2024-07-11 v2 机器学习
系统与控制
应用统计
摘要
本文描述了一个由专家系统控制的半自磨（SAG）机数字孪生的开发和验证。该数字孪生由三个模块组成，模拟一个闭环系统：用于专家控制的模糊逻辑、用于调节控制的状态空间模型以及用于SAG机过程的循环神经网络。该模型使用68小时的数据进行训练，并使用8小时的测试数据进行验证。它能在30秒采样时间下，预测2.5分钟范围内的磨机行为。扰动检测评估了重新训练的必要性，该数字孪生有望用于监督配备专家控制系统的SAG机。未来的工作将侧重于将该数字孪生集成到实时优化策略中，并进行工业验证。
引用
@article{arxiv.2407.06216,
title = {Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill},
author = {Paulina Quintanilla and Francisco Fernández and Cristobal Mancilla and Matías Rojas and Mauricio Estrada and Daniel Navia},
journal= {arXiv preprint arXiv:2407.06216},
year = {2024}
}