Stochastic multi-objective economic model predictive control of two-stage high consistency mechanical pulping processes
Notice bibliographique
Résumé
Model predictive control (MPC) has attracted considerable research efforts and has been widely applied in various industrial processes. This thesis aims at developing economic MPC (econ MPC) strategies to optimize and control the nonlinear mechanical pulping (MP) process with two high consistency (HC) refiners, which is one of the most energy intensive processes in the pulp and paper industry. It possesses substantial economic motives and environmental benefits to develop advanced control techniques to reduce the energy consumption of MP processes. We propose four econ MPC schemes for nonlinear MP processes. Firstly, assuming that all the state variables are directly measurable, two different econ MPC schemes are proposed by adding different penalties on the state and input to ensure the closed-loop stability and convergence. Secondly, to address the issue of state variable off-sets from the steady-state target induced by above schemes, we further propose a multi-objective economic MPC (m-econ MPC) strategy. An auxiliary MPC controller and a stabilizing constraint are incorporated into the econ MPC. The stability of econ MPC is then achieved by preserving the inherent stability of the auxiliary MPC controller. Thirdly, to remove the assumption that all state variables are measurable, a moving horizon estimator (MHE) is employed to estimate the unmeasurable states. We then propose a practical framework integrating the m-econ MPC and MHE. Finally, we develop a tractable approximation for stochastic MPC (SMPC) to handle uncertainties associated with state variables. It can largely reduce the conservativeness or numerical instability incurred in robust or chance constraints of the traditional SMPC. The effectiveness of the proposed algorithms is validated by simulation examples of a nonlinear MP process consisting of a primary and a secondary HC refiner. It is shown that the proposed m-econ MPC schemes can significantly reduce the energy consumption (approximately 10\%-27\%) and guarantee the closed-loop stability and convergence. Therefore, the proposed methodology presents a great promise on practically implementing m-econ MPC to save costs for MP processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».