氧化铝生料浆制备过程的智能优化控制方法

生料浆制备过程由配料和调槽两个子过程组成.针对该过程的工艺特点以及不确定性大、原料成分波动等过程特性,提出一种智能优化控制方法.将生料浆制备过程的优化目标分解为两个子过程的优化目标,采用模型预设定、指标在线预报、基于模糊规则的前馈和反馈补偿方法实现了配料子过程的优化控制,采用粒子群算法实现了调槽子过程的优化控制,从而最终实现了生料浆制备过程的优化控制.工业应用的结果表明了所提出方法的有效性.     

生料浆配料过程磨机负荷的混合智能控制

针对在氧化铝生料浆配料过程中难以采用常规方法来控制磨机负荷状态的问题,提出了由负荷状态估 计模型和负荷调整模型组成的磨机负荷混合智能控制方法．负荷状态估计模型根据磨机的振动与电流信号,采用规 则推理方法估计出磨机的负荷状态．负荷调整模型采用案例推理方法自动调节磨机给料量,将负荷控制在合适范围 内．该方法成功应用于某氧化铝厂生料浆配料过程中,长期运行结果表明,提高了磨机台时产能,减少了“堵磨”故 障发生次数,提高了生产效率并节能降耗．     

基于PSO算法的生料浆配料过程的优化控制

针对烧结法氧化铝生产流程中的生料浆配料过程的工艺特点,将PSO算法应用在配料过程中的原料分配优化问题中,并构造了惩罚函数来处理配料过程中的各种约束条件.基于PSO算法的优化控制不仅可以保证生料浆的各项工艺指标达到设定值,同时可以保证配料成本最低.在某氧化铝厂的应用结果表明,该优化控制可以取代传统的人工配料生产方式,提高了生料浆各项工艺指标的合格率,降低了配料成本,实现了优化配料,取得了显著的应用效益.     

基于融合模型的多目标分级推理方法及其工业应用

运用多模型融合方法，综合机理知识、残差智能补偿技术建立了氧化铝生料浆质量全局预测模型．根据质量指标影响因子及分类原则构建了配料专家数据库．在此基础上，提出了多目标分级推理决策，实现了配比的优化设定．该优化控制方法已成功应用于氧化铝生产企业的生料浆配料过程．运行效果表明，该方法可用于解决一类具有滞后、多约束等特性的复杂工业过程的优化控制问题．     

生料浆配料过程的优化设定软件

在生料浆配料过程中,磨机负荷是与生产效率和能源消耗密切相关的重要指标,生料浆的钙比、碱比和水分是重要的质量指标,实现磨机负荷及生料浆各项质量指标的优化控制的关键是确定出合理的赤泥浆、碱粉、各台磨机的混矿、石灰石、碱赤泥浆流量控制回路的设定值。设计并开发了生料浆配料过程的优化设定软件,详细介绍了该软件的结构、功能、程序流程图及实现画面等。优化设定软件可以根据工况的变化自动调整各种流量控制回路的设定值,从而提高了配料过程的产品质量和生产效率,并节能降耗,取得了显著的应用效果。     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

OPC技术在氧化铝生料浆配料优化专家系统中的应用

针对烧结法氧化铝生料浆配料过程的专家优化系统开发过程,通过分析控制系统结构和现场状况,采用OPC技术实现优化机与现场设备之间的实时数据通信.本文详细介绍了OPC服务器的配置方法,以及在VC开发环境下OPC客户端的开发方法,并将其应用到氧化铝生料浆配料过程的专家优化系统中,达到了实时优化控制的目的.     

基于RBF网络的参数自学习模糊控制的研究

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用。然而模糊控制规则的获得通常由专家经验给出,这就存在诸如控制规则不够客观、专家经验难以获得等问题。在模糊控制系统中,模糊规则库的构建是至关重要的,因此研究模糊规则的自动生成有着重要的理论和应用价值。本文首先以模糊控制理论和RBF神经网络理论为基础,提出了一种能够有效表达模糊系统可解释性的RBF网络结构;然后详细讨论在此网络结构下提取模糊规则的学习算法;最后依据上述方法进行仿真实验,实验结果表明,这种根据测量数据自动提取模糊规则的方法是有效的。     

一种新型自寻优模糊控制器

利用梯度下降法反向修改带有可调整因子的模糊控制器中的可调整因子。提出了一种对可调整因子进行在线实时修改和优化的方法。通过对被控对象的分析给出了控制器参数的初值。在运行过程中，利用该方法对可调整因子进行在线实时修改和优化，实现模糊控制器控制规则的自寻优，使过程具有较好的控制品质。     

一种控制规则在线自调整模糊控制器

以简单实用、归一模糊量化的方式设计了一种模糊控制器,并提出一种新的模糊控制规则在线自调整控制方案,以提高模糊控制的性能.其中归一量化实现输入的“归档”,用修正函数调整控制规则实现“分档”控制.仿真结果证明了该方法的有效性.     

基于自适应模糊反步法的永磁同步电机位置跟踪控制

研究具有参数不确定性的永磁同步屯动机位置跟踪控制问题.利用模糊逻辑系统逼近系统中非线性函数,采用反步设计方法实现永磁同步电动机的自适应模糊控制.所提出的自适应模糊控制器在电机参数不确定和负载扰动的情况下,实现了永磁同步电动机的高性能位置跟踪控制.仿真结果表明了所提出方法的有效性.     

一类非线性时滞系统的鲁棒模糊自适应控制

针对一类非线性时滞系统,给出一种鲁棒模糊自适应跟踪控制算法.该非线性系统包含不确定项,其控制增益部分也是不确定的.针对这种特殊的系统,通过对非线性部分的_在线逼近,给出了控制律和自适应律.Lyapunov稳定性分析表明,该闭环系统中的所有信号都是稳定的.仿真结果验证了控制器的有效性.     

基于IFTPN的不确定时间知识描述和推理方法

针对现有时序逻辑在对复杂不确定时间信息描述和推理方面的局限性,构造了直觉模糊时间Petri网模型(IFTPN)及其推理方法.该Petri网模型利用直觉模糊集合对模糊时延、模糊时间片进行描述,可以表达定义在离散论域或连续论域的各种不确定时间信息,并基于直觉模糊逻辑定义了模糊时间运算法则;同时,基于线性逻辑对该模型进行描述,定义了变迁之间的各种触发规则,并给出了推理方法.将该方法应用于C4ISR系统进行决策时延分析,表明了该模型及其推理方法是比较优越的.     

混合概念格在案例相似性度量中的应用

传统的案例相似性度量方法无法很好地判断复杂案例库系统中某些特殊属性(如数值属性、模糊属性)的相似程度,从而限制了案例推理(CBR)系统在判断、评估、决策、推理方面的进一步应用.针对此问题提出混合概念格的方法,对案例库中可能涉及到的数字、符号、模糊属性等进行相似性度量.实验表明,该方法较好地解决了混合案例属性的相似性度量问题,提高了检索结果的查全率和查准率.     

并行分布控制网络的实时信号时序流图分析

考虑并行分布控制网络中软件过程及物理过程作用和反作用的时间度量特性,定义带时间标签的信号模型,采用广义测度函数概念建立信号间的时间关序,由控制器接口组成网络节点的信号流图拓扑结构,确定信号作用时序的组合运算,从而分析软件设计和运行的确定性.     

一种用于多故障诊断的改进二元决策图算法

在将故障树转化为二元决策图(BDD)的构件连接法规则中,加入了两项新的规则以保证最终的合成BDD具有唯一的结构.通过比较具有相同结构重要度的割集概率,从而确定需要检测故障源的排序.该方法可用于对具有独立底事件的数字系统进行多故障诊断.由于无需确定底事件顺序和最小割集,该方法比传统故障树诊断方法具有更高的效率,并且更适合于在计算机上实现.     

基于不可修复缺陷情境下的供应链模糊回购契约

为了考察缺陷率对回购契约不同参数的影响,将产品缺陷率纳入供应链同购契约中,并视缺陷率和契约参数为模糊数,运用函数原理、梯级甲均积分描述法构建了一个基于不可修复缺陷情境下的供应链模糊回购契约,探讨了该模糊回购契约的可行性.数值分析表明,缺陷率对同购契约不同参数的影响程度不同,当产品缺陷率资料缺乏以及供应商与零售商对协调参数存在异议时,构建模糊回购契约是一个可行和有效的方法.     

一类多指标约束下模糊非线性系统的满意容错控制

针对一般执行器故障模式的T-S模糊非线性系统,分别研究了同时具有稳定度指标、输入指标、输出指标约束下和同时具有闭环极点指标、方差指标、H∞指标约束下的满意容错控制器设计问题,给出了各相容指标的取值范围.仿真实例验证了所设计的满意容错控制策略的有效性,它不仅保证了执行器故障闭环系统的稳定性,而且保证系统具有良好的动态和稳态性能.     

一种基于模糊规则融合的模糊建模方法及其应用

为了有效地利用经验知识,弥补训练数据覆盖范围不足的问题,提出一种将经验知识以TSK (Takagi-Sugeno-Kang)型模糊规则引入模糊模型的建模方法.在结构辨识中,提出了模糊规则融合方法,用以确定初始模糊规则.在参数辨识中,改进了原梯度下降方法中的目标函数,并引入了经验知识准确性评价参数,用以平衡样本数据和经验知识对模型的影响.数值仿真和工程实例应用结果表明,所提出的方法可以有效地利用经验知识和样本数据,使预报结果更可靠、更精确.     

基于细胞自动机的移动机器人路径规划算法

针对移动机器人全局最优路径规划问题,提出一种基于细胞自动机的路径规划算法.该算法首先将移动机器人的起点、目标点和空间障碍物定义为一组离散的细胞状态,建立环境的细胞自动机模型;然后由机器人移动的曼哈顿距离设计演化规则;最后根据演化后的细胞状态搜索最优路径.对简单和复杂环境下的机器人路径规划问题进行了仿真实验,实验结果验证了该算法的有效性.