粒子群优化算法在大型选矿企业原料采购计划中的应用

选矿厂的原矿采购成本是构成精矿成本的主要部分. 优化原矿采购计划就是寻求最小采购成本. 在保证选矿生产工艺确定的精矿品位和原矿处理量的条件下, 使原矿采购成本最小的各种原矿采购计划对降低选矿企业的生产成本至关重要. 本文提出了在保证生产精矿需求和精矿品位的条件下, 使精矿库存尽量最小的原矿需求模型和使采购成本最小的各种原矿采购模型. 采用基于模糊规则调整惯性权值的粒子群优化算法, 对上述模型进行了动态优化求解, 确定了各种原矿的采购量. 采用了某选矿厂的实际数据进行了仿真实验, 实验结果表明了本文所提方法的有效性.     

PID控制器参数的优化整定方法

针对存在临界点的A类被控对象及不存在临界点的B类被控对象,分别采用其-180?和-120?相位点的频率和增益提出了PID (Proportional-integral-derivative)控制器参数的优化整定方法.基于Tchebyshev多项式和分数阶积分器求取被控对象-180?或-120?相位点的频率和增益,建立其积分滞后模型.采用负载扰动下跟踪误差平方和(Sum of squares of tracking errors, SSE)最小作为优化指标,使闭环系统具有强的鲁棒性的最大灵敏度和最大补灵敏度为约束方程,针对两类被控对象,分别建立了基于-180?和-120?相位点频率和增益的PID控制器比例、积分与微分三个参数的优化整定规则.通过与其他常用PID控制方法的仿真与物理对比实验,表明所提方法的优越性.     

端边云协同的氧化铝生产过程苛性碱浓度智能预报方法

苛性碱溶液浓度是氧化铝生产过程中的重要运行指标,由于苛性碱溶液的温度和浓度频繁波动,导致目前的浓度检测仪表检测精度低,只能采用人工化验获得苛性碱浓度值,化验结果的严重滞后导致无法实现苛性碱浓度的自动控制,影响氧化铝产品质量.在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型,将参数辨识与自适应深度学习相结合,提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法,并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证.应用结果表明,所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度,为实现苛性碱浓度的闭环运行优化控制创造了条件.