有色金属冶炼自动控制研究现状与展望

有色金属冶炼需要大量消耗能源,且生产过程废料存在环境污染等问题,以节能减排为目标有必要提升其自动控制水平。从控制角度出发,将有色金属冶炼相关研究成果按控制要素即冶炼模型、控制系统进行划分。针对常规建模方法难以全面反映有色冶炼流程特性的问题,提出未来模型应同时包含化学机理、流场分布等因素;为实现有色金属冶炼控制品质的提升,提出先进控制算法尤其是深度控制是未来有色冶炼的发展趋势。在总结已有成果的基础上,阐明融合优化模型与先进算法并最终形成完整的有色金属冶炼控制体系是未来发展的主要方向。     

一种网络节点通信控制的心跳模型

通过设计网络节点状态、改进心跳机制、定义心跳数据包协议,提出了一种改进心跳机制的心跳模型． 通过该模型在网络节点间传递心跳包,判断网络节点间的连接状况,从而采取相应的措施,提高网络节点服务和通 信的可用性和可靠性;同时,有效地降低了单服务器多客户机工作模式下服务器的网络负担．对心跳模型进行了性 能分析和模拟测试,结果表明,该模型达到了较好的效果,能够有效地提高网络节点通信的可用性和有效性．     

基于Socket的整流装置远程监控系统

针对整流装置运行环境恶劣、故障率高和维护困难的特点,开发一个远程监控与故障诊断系统。该系统由客户端和服务器组成,客户端负责采集数据、下达指令。服务器软件采用组态的方式开发,实现整流装置的在线监控、故障诊断报警、数据综合管理等。服务器与客户机之间采用Socket编程进行远程通信,并在数据传输中定义心跳包,用于检测通信状态,以保证通信和数据传输的正常。该系统已成功应用于工业现场。     

代价约束多核最小二乘支持向量机及其应用

针对多核最小二乘支持向量机(multiple kernel least squares support vector machine,MK-LSSVM)忽略了核函数的代价以及缺乏稀疏性的问题,提出了一种代价约束的稀疏多核最小二乘支持向量机方法.将MK-LSSVM的原始优化问题转化为二阶锥规划形式,引入核函数代价因子,约束复杂核函数的权重,以节约变量存储空间利计算时间,利用Schmidt 正交化理论约简核矩阵,进一步减小计算量,并根据支持向量的数目以及活动核函数的类型评估多核学习的总代价.测试数据集仿真结果表明,相比传统的MK-LSSVM,该方法利用更少的支持向量和更简单的组合核函数达到了相同的精度要求,代价更小.采用该方法预测浮选回收率的代价值降低了27.56.     

铜转炉吹炼过程冷料添加操作的优化方法

针对铜转炉操作过程中的冷料添加操作问题,提出了一种基于改进的遗传算法的优化方法。通过引入种群相异度、个体相异度和相异区,改进遗传算法,使算法增强全局优化性和快速收敛性,以吹炼过程剩余热预测值为基础,应用改进的遗传算法求解冷料添加的全局最优化问题。仿真结果和实际生产应用表明,该方法具有快速和有效等特点,实现了铜转炉吹炼过程中的冷料添加操作的优化和指导,有效地提高了冷料处理量,并增加了铜产量。     

基于自适应谷底检测的浮选泡沫形态特征提取

针对矿物浮选泡沫大小形状不一、光照不均等特点,提出一种基于适应度反馈微粒群优化算法自适应优选谷底检测阚值的泡沫形态特征提取方法.将微粒群算法的惯性权重和加速因子设置为全局最优点适应度的函数,优选谷底检测阚值,采用局部灰度极小选择边界检测模板,根据多角度逻辑规则比较,获取气泡边界,分割结果的统计分析表明泡沫形态特征服从g...     

基于工业视觉的水体表面污染监测系统

针对工矿企业突发性水污染事故具有明显悬浮物或明显颜色变化,且多数污染可通过表层水体视觉方式直观判断等特点,基于突发性水污染事故监测需求分析,研究了一种基于工业视觉的水体表面污染监测系统;针对连续多帧图像信息受水流流速、颗粒悬浮物和系统噪声等影响问题,提出了随机扰动信号滤波方法和基于颜色信息评价的多级图像信息调节方法,进而采用优化神经网络建立污染分析模型,并开发了监测装置对水体图像进行实时分析,实现污染状态快速判断;在某冶炼企业应急站投用该系统后,降低了劳动强度,缩短判断时间,提高判断准确度,降低环保事故发生率、减少岗位人员数量、降低成本,取得了显著的应用效果。     

铜转炉吹炼过程剩余热组合预测模型及应用

提出了一种吹炼剩余热组合预测模型,以便能根据剩余热准确确定冷料的加入量,提高冷料的使用率;首先,基于吹炼的化学反应过程得到的剩余热计算公式,采用递推最小二乘法,修正剩余热计算公式,建立热量衡算模型;然后,利用递推最小二乘法,修正剩余热计算经验公式;最后采用组合预测算法综合集成两种模型作为剩余热计算的预测模型;实际应用结果表明:利用集成方法建立的预测模型的相对误差控制在10%的波动范围内,具有较高的预测精度.     

基于泡沫纹理信度分配SVM的矿物浮选工况识别

针对矿物浮选过程中泡沫纹理各向异性、纹理特征信度差异以及类间样本数分布不均等问题,提出一种浮选工况的自动识别方法.首先基于多角度融合的空间灰度共生矩阵计算角二阶矩、熵、惯性矩、逆差矩和相关性等二阶统计量描述泡沫纹理特征,然后引入信息熵的概念,以二阶统计量的信息增益分配各种纹理特征对分类器的信度,再通过类间样本数加权策略消除样本分布的不平衡性,最后实现了一对一加权支持向量机的浮选工况识别.工业现场泡沫图像测试结果表明,该方法能够有效降低小样本的错分率,提高整体识别率.