随机环境下带有私人信息的单机能力分配策略

本文研究随机环境下考虑私人信息的单机能力分配问题.该问题中各部门的单位产品收益、需求信息及加工设备各时段的能力为私人信息,且各时段中产品的加工时间为随机变量.本文采用设备方与各部门协商的方法对问题进行求解,首先利用随机规划理论将能力分配问题清晰化,然后利用拉格朗日松弛和泰勒级数展开方法进行协商机制设计,接着给出基于偏转次梯度方法的协商参数更新法则,最后综合上述过程给出最终的问题求解算法.数值算例验证了算法的有效性并分析了关键参数对能力分配结果的影响.     

在线KPLS建模方法及在磨机负荷参数集成建模中的应用

针对过程非线性、基于历史数据构建的离线模型泛化性差以及基于滑动窗口 和每样本递推更新的在线建模方法难以均衡建模精度和建模速度等问题, 提出了一种在线 核偏最小二乘(On-line kernel partial least squares, OLKPLS)建模方法. 该方法依据新样本与建模样本间的近似线性依靠(Approximate linear dependence, ALD)值和代表工业过程特性漂移幅度的 阈值, 选择有价值样本更新KPLS模型, 并采用合成数据和Benchmark平台数据对该方法进 行了仿真验证. 针对基于离线历史数据建立的融合多传感器信息的磨机负荷参数集成模型难以适应磨 矿过程时变特性的问题, 提出了基于OLKPLS和在线自适应加权融合算法的在线集成建模方 法, 并通过实验球磨机的实际运行数据仿真验证了方法的有效性.     

基于多单元均值轨迹的氰化浸出过程浸出率预测

传统的偏最小二乘方法(partial least squares,PLS)因未对建模数据求取均值轨迹,以及没有考虑多单元生产对浸出率的综合作用,导致无法准确建立过程信息与质量变量之间的回归关系.根据高铜矿氰化浸出过程的多单元和耗时长的特点,提出一种针对连续过程的基于多单元均值轨迹的浸出率预测方法.获取建模数据的均值轨迹矩阵,在此基础上分别建立每个单元与实测浸出率的回归模型.定义输入向量与每个单元建模数据的相似度以及预测模型的权重,将各单元预测结果加权综合作为最终预测值.将该方法应用于氰化浸出过程浸出率预测,仿真结果表明,该方法体现了生产过程实际物理特性,提高了模型的解释能力,增强了预测模型的泛化性能.     

基于多模态特征子集选择性集成建模的磨机负荷参数预测方法

如何融合球磨机系统研磨过程所产生的多模态机械信号构建磨机负荷参数预测(Mill load parameter forecasting, MLPF)模型是当前研究的热点. 针对上述问题, 本文提出一种基于多模态特征子集选择性集成(Selective ensemble, SEN)建模的MLPF方法. 首先, 对多模态机械信号进行时频域变换得到高维频谱数据; 接着, 采用相关系数法和互信息法对多模态频谱进行线性和非线性特征子集的自适应选择; 最后, 采用优化和加权算法对上述特征子集的候选子模型进行自适应地选择与合并, 得到基于SEN机制的MLPF模型. 采用磨矿过程实验球磨机的机械信号仿真验证了所提方法的有效性.     

混合选别浓密机底流矿浆浓度和流量区间智能切换mm控制方法

赤铁矿磁选-浓密-浮选过程中浓密机的底流矿浆浓度受到大而频繁的浮选过程产生的中矿矿浆随机干扰的影响,造成底流矿浆流量频繁波动在工艺规定的范围之外,使得矿浆在浮选机中选别时间缩短,液位波动造成有用金属流失,从而减少精矿品位和金属回收率. 本文分析了难以采用现有的底流矿浆浓度闭环控制策略的原因,提出了由流量设定和跟踪流量设定值控制组成的矿浆浓度与流量区间双闭环控制;提出了基于静态模型的流量预设定、模糊推理的流量设定补偿、流量设定保持器和规则推理的切换机制组成的流量设定智能切换控制方法. 与矿浆浓度闭环控制方法的仿真对比实验和在国内某大型赤铁矿混合选别浓密机的成功应用,表明所提出的方法在浮选中矿干扰下,不仅将底流矿浆浓度和流量控制在目标值范围内,而且明显减少底流矿浆流量波动,从而在保证金属回收率不变的条件下,显著提高了精矿品位.     

基于定性仿真和模糊知识的离心式压缩机排气量不足原因诊断

针对引起离心式压缩机排气量不足的原因,本文提出一种基于定性仿真和模糊知识的诊断方法.利用压缩机结构原理和故障机理等定性知识建立故障定性模型库,并推理得到压缩机排气量受不同因素影响时的定性规则库.对系统变量的观测值利用定性趋势提取和模糊化进行定性化处理.提出了基于变量定性趋势和模糊定性值约束的滑动窗口加权匹配策略,并根据匹配结果诊断出导致排气量不足的原因.最后通过两个实例仿真验证了所提方法的有效性.     

多模态过程的全自动离线模态识别方法

多模态是复杂工业生产过程的普遍特性.不同模态具有不同的过程特性,需要建立不同的模型,因此离线建模数据的模态划分与识别是整个多模态过程建模的关键问题之一.目前,常用的聚类算法需要对其结果进行人工分析和后续处理,无法真正实现多模态过程的全自动模态识别.因此,本文提出一种全自动的多模态过程离线模态识别方法.首先通过宽度为H的大切割窗口对数据进行切割,利用改进的K-means聚类算法对窗口单元进行聚类;根据聚类结果,对稳定模态淹没现象进行处理,得到模态的初步划分结果;最终,利用小滑动窗口L,对稳定模态及过渡模态交接区域进行细划分,准确定位稳定模态与过渡模态的分割点.算法实现了多模态过程的全自动离线识别,并给出合理有效的识别结果.仿真分析表明此方法能够实现模态的自动识别,且识别结果准确.     

开工时间延迟下的炼钢-连铸生产重调度方法

在炼钢-连铸生产过程中, 因铁水或废钢供应不及时经常发生钢水在转炉设备上开工延迟, 导致相邻炉次在同一设备上产生作业冲突或同一浇次内的相邻炉次在连铸机上断浇, 使原调度计划失效.由于炼钢-连铸生产存在多台转炉、多台精炼炉和多台连铸机, 以及多重精炼方式且存在着可重入生产情况, 加上要保证已开工和完工炉次按原调度计划执行, 使得已有炼钢-连铸生产重调度方法难以适用.本文建立了开工时间延迟下的炼钢-连铸生产重调度模型, 将模型分解和启发式方法相结合, 提出了由炉次加工设备指派和作业时间决策组成的启发式重调度方法.通过实际工业数据仿真实验和在某大型钢铁企业的炼钢-连铸生产重调度的工业应用表明所提出的重调度方法显著减少了炉次加工冗余等待时间.     

基于广义模糊双曲模型的自适应动态规划最优控制设计

为连续非线性系统提出了一种有效的最优控制设计方法. 广义模糊双曲模型(Generalized fuzzy hyperbolic model, GFHM)首次作为逼近器用来估计 HJB (Hamilton-Jacobi-Bellman)方程的解 (值函数,即它是状态与代价函数之间的映射), 然后,利用该近似解获得最优控制. 本文方法只需要一个GFHM估计值函数. 首先, 阐述了对于连线非线性系统最优控制的设计过程; 然后,证明了逼近误差是一致最终有界的 (Uniformly ultimately bounded, UUB); 最后, 一个数值例子验证了本文方法的有效性. 另一个例子通过与神经网络自适应动态规划的方法作比较, 演示了本文方法的优点.     

自适应动态规划综述

自适应动态规划(Adaptive dynamic programming, ADP)是最优控制领域新兴起的一种近似最优方法, 是当前国际最优化领域的研究热点. ADP方法 利用函数近似结构来近似哈密顿--雅可比--贝尔曼(Hamilton-Jacobi-Bellman, HJB)方程的解, 采用离线迭代或者在线更新的方法, 来获得系统的近似最优控制策略, 从而能够有效地解决非线性系统的优化控制问题. 本文按照ADP的结构变化、算法的发展和应用三个方面介绍ADP方法. 对目前ADP方法的研究成果加以总结, 并对这 一研究领域仍需解决的问题和未来的发展方向作了进一步的展望.