基于智能优化控制的磨矿过程综合自动化系统

选矿行业的磨矿过程存在大惯性、参数时变、非线性等特点,特别是边界条件波动,工艺指标磨矿粒度难以在线测量,难以实现磨矿粒度的优化控制,因而导致磨矿生产过程不稳定,难以保证磨矿质量和磨矿效率.提出了基于磨矿粒度优化控制的磨矿过程综合自动化系统,该系统由智能优化过程控制系统和运行过程管理系统组成.讨论了系统的结构、功能和智能优化控制策略.智能优化过程控制系统由智能优化设定和底层控制回路两级组成,通过软测量模型对磨矿粒度等工艺指标进行预报,通过回路设定模型给出底层回路控制的优化设定值.该系统成功应用于某大型选矿厂磨矿过程,稳定了生产流程,提高了磨矿效率,实现了优化控制、优化管理和优化运行.     

人工神经网络在水力旋流器粒度分布测量中的应用

针对磨矿分级作业中分级粒度实时检测的难题,结合对实际生产过程的分析,利用人工神经网络搭建了软测量模型.同时利用现场数据进行检测,从结果来看,该方法具备一定的可行性与实用性.     

基于智能优化控制的磨矿过程综合自动化系统

选矿行业的磨矿过程存在大惯性、参数时变、非线性等特点，特别是边界条件波动，工艺指标磨矿粒度难以在线测量。难以实现磨矿粒度的优化控制，因而导致磨矿生产过程不稳定，难以保证磨矿质量和磨矿效率、提出了基于磨矿粒度优化控制的磨矿过程综合自动化系统，该系统由智能优化过程控制系统和运行过程管理系统组成．讨论了系统的结构、功能和智能优化控制策略、智能优化过程控制系统由智能优化设定和底层控制回路两级组成，通过软测量模型对磨矿粒度等工艺指标进行预报，通过回路设定模型给出底层回路控制的优化设定值．该系统成功应用于某大型选矿厂磨矿过程，稳定了生产流程，提高了磨矿效率，实现了优化控制、优化管理和优化运行。     

锡石多金属硫化矿磨矿产物粒度分布预测研究

实现磨矿产物粒度分布精准预测是调节和优化磨矿过程的重要手段之一.本文采用JK落重试验法、响应面法和总体平衡动力学相结合的方法,进行最优磨矿条件下的磨矿产物粒度分布预测研究.结果表明：粒度分布特性回归方程(DoseResp方程)很好地描述了JK落重试验中不同比破碎能下的矿石冲击破碎产物粒度分布;应用响应面法获得了最优磨矿条件参数.在最优磨矿条件下,基于JK落重试验结果和Matlab编程技术,求解出了磨矿破碎下的破裂函数与选择函数,建立了其磨矿总体平衡动力学模型,并通过批次磨矿试验验证了模型的可靠性与适用性.     

基于遗传算法的非高斯系统随机分布控制

传统的控制理论并未考虑工业过程中的一些不确定因素,而这些不确定因素在生产过程中对系统的能源损耗和精度都有很大的影响.为了解决上述问题,本文研究一种基于数据的非高斯随机分布系统优化控制策略,该策略采用核密度估计(KDE)方法完全基于输出数据估计输出概率密度函数(PDF),根据控制目标建立性能指标函数,采用遗传算法优化性能指标函数,实现输出PDF对目标PDF的跟踪.以磨矿系统为模型进行仿真,采用PDF表征粒度分布(PSD).仿真结果表明,基于遗传算法的非高斯随机分布最优控制算法能有效地实现随机分布控制系统的控制目标,为实际工业生产提供参考.     

基于PLS的污水BOD软测量补偿方法

在深入研究基于劳仑斯-麦卡蒂公式的生化需氧量(BOD)软测量二阶机理模型基础上,采用偏最小二乘法(partial least-squares,PLS)对BOD软测量机理模型进行非线性补偿,推导出污水处理出水水质的多参量软测量模型.仿真实验结果表明,基于PLS的非线性补偿方法使BOD软测量机理模型精度得到明显提高,为污水处理过程出水水质BOD精确测量提供一种有效方法,为污水处理过程参数实时控制创造了条件.     

基于多源数据特征融合的球磨机负荷软测量

针对磨矿过程球磨机负荷(ML)难以实时检测,生产中主要依靠人工经验判断负荷状态的难题,依据磨机筒体振动、振声、电流等信号与磨机负荷间存在相关性、信息互补与冗余的现象,提出基于多源数据特征融合的球磨机负荷软测量新方法.该方法由时域滤波、时频转换、特征提取、特征选择及软测量模型5部分组成.采用快速傅里叶变换(FFT)将滤波后的筒体振动及振声时域信号转换成频域信号,根据研磨机理将频域信号划分为低、中、高3个频段,采用核主元分析(KPCA)分别提取各个频段的非线性特征,选择振动、振声频域特征与电流时域特征的融合信号作为模型输入,建立基于最小二乘支持向量机(LSSVM)的磨机负荷软测量模型.实验结果表明,该方法与基于主元分析-最小二乘支持向量机(PCA-LSSVM)方法和单传感器方法相比,磨机负荷参数预测精度较高.     

基于高斯和非高斯双子空间SVM的故障检测

为了降低样本间的自相关性对支持向量机(SVM)检测性能的影响,提出一种基于高斯和非高斯双子空间SVM(DSSVM)的故障检测方法.首先运用Kolmogorov-Smirnov(KS)检验原始数据中过程变量的正态分布特性,将过程变量划分为高斯子空间和非高斯子空间,并建立基于PCA的高斯子空间和IC A的非高斯子空间故障检测模型;分别对主元矩阵和独立元矩阵引入时滞特性和时差输入特性,该特性的引入能够降低样本间的自相关性;最后将引入时滞和时差特性的矩阵进行组合,运用SVM模型对其进行故障检测和监视.将该方法运用于多变量数值仿真和田纳西-伊斯曼工业过程,并与PCA、ICA、SVM和基于变量分布特征的统计过程检测方法(VDSPM)比较,仿真实验结果进一步验证了该算法的有效性.     

磨矿过程的综合自动化技术

针对磨矿过程非线性、时变、磨矿粒度难以直接在线测量等问题,提出磨矿生产过程综合自动化技术。该技术由过程控制系统和制造执行系统2层结构实现。通过以太网Ether Net、控制网Control Net,基于Control Logix系统与RSview32对控制系统进行开发,并应用于选矿厂的磨矿生产过程,实现了磨矿生产过程的优化控制、运行和管理,取得显著的应用效果。     

基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

基于改进粒子群优化LSSVM的污水COD软测量建模

针对在污水处理过程中水质参数(如出水化学需氧量(COD),pH值)变化过程的高度时变性、非线性和复杂性等特点,提出一种基于改进粒子群优化最小二乘支持向量机(IPSO-LSSVM)的软测量模型。该模型将小样本机器学习——最小二乘支持向量机(LSSVM)引入工业污水处理过程水质参数预测,网络训练过程中采用粒子群优化算法,使得该算法能够自适应获取最优超参数,形成IPSO-LSSVM算法,对工业污水处理出水COD参数进行回归预测。实验结果表明:与LSSVM和PSO-LSSVM模型相比,IPSO-LSSVM模型预测结果的均方根误差分别降低了40.9%和30.5%;相关系数分别提高了13.0%和6.6%。这表明IPSO-LSSVM模型在预测精度、收敛速度和抗干扰能力等方面明显优于LSSVM和PSO-LSSVM模型。     

基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模

针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法( chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机( least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明：基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.     

Soft sensor modeling based on Gaussian processes

1INTRODUCTION Withthedevelopmentoftechnologyandthe complicationofindustrialprocesses,weneedto implementreal timecontroloroptimizationforvariableskeytotheprocessinordertoensurethe safetyandefficiency.However,someimportant variablesaredifficulttobedetectedduetothelim itationofeconomyandtechnology.Traditionally,therearetwoapproachestosolvethisproblem.Thefirstoneiscontrollingtheindustrialprocesswithassociatedqualitycriteria.However,thepre cisionofqualitycriteriacannotbeinsuredinmost situation…     

物料粒径对半自磨机衬板磨损的影响

采用数值计算方法分析粒径对半自磨（SAG）机衬板磨损的影响。采用离散单元法（DEM）描述物料运动,采用切向碰撞能量磨损模型（SIEM）预测壁面磨损. 结果表明,粒径大小对衬板磨损存在显著影响. 粒径增大,衬板磨损亦随之增大;当粒径较小时（如：d=30 mm）,磨损增幅尤为明显. 提升条的磨损主要在经过底脚区与颗粒发生剧烈碰撞时产生,不同粒径大小下均如此. 大颗粒获得的动能要远远大于小颗粒,且相比于小颗粒,大颗粒改变运动状态需要更长的时间,导致剧烈磨损的持续时间亦明显增加. 粒径大小对磨损在提升条上的分布无明显影响.     

电子标签质量在线检测传感器的研制

为了检测电子标签的性能参数,研制基于互感耦合的双线圈检测传感器.在分析电子标签模型的基础上,建立传感器的物理模型和动态数学模型,分析传感器的频率响应特性;为了使标签检测区域的电磁场分布尽量均匀,且便于标签在线连续检测,提出双线圈的平行结构.在电路参数仿真分析基础上,进一步完成传感器线圈匝数和空间结构参数对输出响应灵敏度影响的测试,从而确定传感器的各个参数.测试结果表明,该传感器的检测精度高,性能稳定,响应速度快,能够很好地满足电子标签性能参数在线检测的要求.     

基于分批试验的工业球磨机粒级分布预测模型

针对具有强非线性、时滞和工况变化特点的球磨机出口矿浆粒级分布预测问题,提出一种基于分批试验结论的粒级质量平衡改进模型.根据某些粒级的矿料不符合一阶破碎动力学的分批试验结论改进了破碎率模型;考虑工况影响,建立了模型参数和工况变量间的最小二乘支持向量机(LSSVM)关系模型,由现场工况确定模型参数.仿真结果表明,该模型预测精度较高,可满足实际生产要求.     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。     

基于气液相转变效应的SAW气体传感器

针对传统涂敷敏感膜的声表面波（SAW）气敏传感器存在成膜困难、选择性差、重复性差以及再生性差等问题，提出了一种基于气体气液相转变效应来检测痕量挥发性有机气体(VOCs)的SAW气体传感器.建立了气液相转换效应模型，推导出传感器灵敏度与温度、有机蒸气质量分数之间的函数关系，并建立了VOCs液相凝聚层负载下的SAW波传模型，仿真计算了波传频散和波传衰减，从理论上阐释了传感器具有高灵敏度.同时引入气相色谱（GC）分离柱作为无敏感膜涂敷SAW气体传感器的选择性虚拟列阵，以解决这种高灵敏度气体传感器用于混合VOCs测量时的选择性问题.初步的实验结果表明，该传感器系统具有灵敏度高（可检测质量分数为10^-9的VOCs）、分析时间短、选择性好、微型化、成本低等优势.