基于经济模型预测控制的金氰化浸出过程动态实时优化

针对金氰化浸出过程时间常数大、不确定性强等问题,提出了一种基于经济模型预测控制(EMPC)的动态实时优化方法。不同于传统的模型预测控制,EMPC将经济指标直接作为滚动优化的目标函数,在每个采样时刻求解滚动窗口内的最优操作序列。和稳态优化方法相比,基于EMPC的方法能保证动态最优性,提高经济收益。此外,金氰化浸出过程受随机噪声、未知参数可变等不确定性影响,提出使用扩展卡尔曼滤波(EKF),通过构造增广系统对状态变量及不确定参数进行在线同步估计,加强EMPC的准确性和可靠性。仿真结果表明,提出的EMPC+EKF策略能有效提高金氰化浸出过程的经济性能。