Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill

要約

この研究では、エキスパート システムによって制御される半自動粉砕 (SAG) ミルのデジタル ツインの開発と検証について説明します。
デジタル ツインは、閉ループ システムをエミュレートする 3 つのモジュールで構成されています。エキスパート制御用のファジー ロジック、規制制御用の状態空間モデル、SAG ミル プロセス用のリカレント ニューラル ネットワークです。
モデルは 68 時間のデータでトレーニングされ、8 時間のテスト データで検証されました。
30 秒のサンプリング時間で 2.5 分以内の工場の動作を予測します。
外乱の検出により再トレーニングの必要性が評価され、デジタル ツインはエキスパート制御システムによる SAG ミルの監視に期待を示します。
今後の作業は、このデジタルツインを産業上の検証を伴うリアルタイムの最適化戦略に統合することに焦点を当てます。

要約(オリジナル)

This work describes the development and validation of a digital twin for a semi-autogenous grinding (SAG) mill controlled by an expert system. The digital twin consists of three modules emulating a closed-loop system: fuzzy logic for the expert control, a state-space model for regulatory control, and a recurrent neural network for the SAG mill process. The model was trained with 68 hours of data and validated with 8 hours of test data. It predicts the mill’s behavior within a 2.5-minute horizon with a 30-second sampling time. The disturbance detection evaluates the need for retraining, and the digital twin shows promise for supervising the SAG mill with the expert control system. Future work will focus on integrating this digital twin into real-time optimization strategies with industrial validation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google