数据驱动的工业过程运行优化控制

现代工业过程机理复杂使得很难对生产过程以及运行指标与被控变量之间关系精确建模.如何基于工业运行过程数据信息,不依赖模型参数给出设定值设计方案,优化运行指标是一挑战性难题.本文针对在稳态附近可以线性化的一类工业过程,考虑运行控制环和底层控制环不同时间尺度,提出一种基于Q--学习方法的次优设定值学习算法.此算法完全利用数据,学习得到次优设定值,实现运行指标以次优的方式跟踪理想值.浮选过程仿真结果表明本文所提方法的有效性.     

冷轧连退线张力控制模型优化策略

针对某钢厂冷轧连退机组生产钢卷规格变化时张力波动问题,提出了张力数学模型及优化算法,将前后带钢张力波动降到最低,保证了生产连续稳定进行。     

电熔镁炉熔炼过程的智能设定值控制

电极电流值和极心圆直径是电熔镁砂生产过程中影响产品性能指标的两个重要参数,在传统工艺中由人工设定．由于生产过程中存在很多复杂特性,人工给定的设定值很难保证其准确性．针对这种情况,提出了基于案例推理、迭代学习、PI控制、神经网络和规则推理的参数混合智能设定方法．该方法成功应用于国内某电熔镁砂厂,应用效果表明了所提出方法的有效性．