基于参量预报的磁选管回收率智能优化控制

竖炉焙烧过程的关键工艺指标磁选管回收率难以实时测量,因而实现优化控制很困难.将优化设定、参量预报与回路控制技术相结合,提出一种磁选管回收率的智能优化控制方法.基于案例推理的优化设定模型根据工况的变化和磁选管同收率的实时预报值给出基础控制回路的设定值,并通过先进的控制方法实现回路的稳定控制.该方法应用于竖炉焙烧过程的生产实际,使磁选管回收率的实际值保持在其目标值范围内,取得显著应用成效.     

基于案例推理的竖炉故障预报系统

为降低竖望炉焙烧过程的故障发生率,基于故障机理的分析,将过程参量预报与案例推理技术相集成,提出了竖炉焙烧过程的智能故障预报方法.参量量预报模型对不易在线连续测量但能反映故障征兆的关键工艺参数进行实时预报,在此基础上,采用案例推理技术对焙烧过程进行全面分析并给出一些典型故障发生的概率和操作指导.将所建立的故障预报系统成功应用于竖炉焙烧过程的生产实际中,故障发生率明显降低,取得了显著应用成效.     

竖炉焙烧过程的多变量智能优化控制

针对铁矿选矿中的竖炉焙烧过程具有综合复杂性和产品质量指标一磁选管回收率难以在线测量因而不易实现优化控制的难题,通过对焙烧过程动态特性和人工操作模式的分析,将智能方法与前馈、反馈控制相结合,提出一种基于磁选管回收率、台时产量、煤气消耗等综合生产指标的多变量智能优化控制方法.根据综合生产指标的目标值和边界条件的变化在线对控制回路的设定值进行自动调整而实现优化控制.将提出的方法应用于国内某大型选矿厂竖炉焙烧过程,实现了综合生产指标的优化控制,取得显著应用效果.     

基于精简并发潜结构映射的竖炉焙烧过程综合故障诊断

竖炉焙烧过程因运行条件异常变化或操作不当会造成上火、冒火、过还原和欠还原等运行故障.这些故障直接影响过程运行安全和产品质量（比如,磁选管回收率）,但难以采用基于模型和基于知识的方法建模故障与产品质量的关系,以及诊断故障变量.针对上述问题,本文提出数据驱动的基于并发潜结构映射（Concurrent projection to latent structures,CPLS）的竖炉焙烧过程综合故障诊断方法.首先,将并发潜结构映射分解的过程变量共有子空间与残差空间精简合并来建立磁选管回收率相关的过程变化空间,提出基于精简并发潜结构映射模型的竖炉焙烧过程综合监控方法;接下来,定义相应的重构贡献图并与竖炉焙烧过程相结合,提出CPLS精简重构贡献方法用于竖炉焙烧过程故障变量诊断;最后,利用竖炉焙烧过程半实物仿真平台采集的数据进行实验研究,结果表明所提方法不仅可以诊断出质量相关的故障,而且可诊断出回路设定值之外的故障变量.     

竖炉焙烧过程综合自动化系统

针对竖炉焙烧过程的工艺特点及技术要求,基于智能技术提出了实现综合生产指标优化的竖炉焙烧过程综合自动化系统,讨论了由智能优化、过程控制和过程管理三层结构组成的综合自动化系统的结构、功能和控制策略。用智能优化设定模型、炉况诊断模型、智能预报模型及回路控制,实现了优化综合生产指标的目标。所提出的系统成功应用于桌选矿厂竖炉焙烧生产过程,实现了竖炉焙烧生产过程的优化控制、优化运行和优化管理,取得了明显的应用成效。     

竖炉焙烧过程的智能设定模型

为了改善多目标评价案例推理设定模型在竖炉焙烧过程控制中的性能,运用注水原理分配过程变量的权重和群决策修正方法对多目标评价案例推理设定方法进行改进,得到一种新的智能设定模型.首先引入注水原理构造Lagrange函数对过程变量的权重进行优化分配,再通过案例检索和案例重用得到设定值的建议解,并根据多目标评价模型预测建议解对生产指标的影响效果,最后,对不合理的设定值进行群决策修正.将得到的设定模型应用于竖炉焙烧过程控制中,通过实验测试和对比应用说明了本文方法优于其他方法,能够有效提高多目标评价案例推理设定模型的控制性能.     

竖炉燃烧室温度的智能控制方法及应用

针对工况变化频繁的竖炉焙烧过程,采用智能控制方法设计了燃烧室温度智能控制系统。该系统由温度的串级模糊控制、空气流量比值控智和自适应补偿系统组成。自适应补偿系统通过智能故障预报器预报出燃烧室的运行状况,根据运行工况的变化通过基于案例推理技术的自适应补偿器给出加热煤气补偿用量和空燃比的校正值,从而实现了燃烧室温度的自适应控制。通过在某选矿厂22台竖炉中成功应用,表明了竖炉燃烧室温度智能控制方法的有效性。     

复杂工业过程运行的混合智能优化控制方法

工业过程运行的优化控制的目标是将反应产品在加工过程中的质量、效率、消耗的工艺指标控制在目标值范围内. 由于复杂工业过程的工艺指标难于在线测量且与控制回路输出之间的动态特性具有强非线性、强耦合、难以用精确模型描述、随生产边界条件变化而变化的综合复杂性,因此, 难以采用已有优化控制方法, 运行控制只能采用人工设定的控制方式. 由于人工控制不能及时准确地随运行工况调整设定值, 难以将工艺指标控制在目标值范围内, 甚至造成故障工况.本文提出了根据运行工况实时调整控制回路设定值, 通过控制系统跟踪调整后的设定值, 将工艺指标控制在目标值范围内的过程优化运行的混合智能控制方法. 该方法由控制回路预设定模型、前馈补偿与反馈补偿器、工艺指标预报模型、故障工况诊断和容错控制器组成. 在某选矿厂22台竖炉组成的焙烧过程的应用案例, 证明了所提出方法的有效性.     

一种基于多目标评价的优化设定方法研究

复杂工业过程关键被控变量的设定值是否合理直接影响到生产指标能否优化实现.针对设定值的合理性问题,融入评价的思想,提出一种基于多目标评价的优化设定方法,采用案例推理技术建立了设定模型的总体结构,通过对设定值的事前评价,实现了在线调整设定值的闭环寻优功能.利用开发出的竖炉焙烧过程仿真平台验证了方法的正确性和有效性,可以避免...     

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．     

一类复杂工业过程的智能预报模型及其应用

针对复杂工业过程中关键变量的测量问题,基于智能技术提出一种由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的智能预报模型,并将该模型用于竖炉焙烧过程的优化控制与决策中.应用结果表明其维护费用低、实时性好、可靠性及精度高,在很大程度上解决了关键变量测量困难的问题,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础.     

Hybrid intelligent control for optimal operation of shaft furnace roasting process

A hybrid intelligent control method is proposed to control the technical indices into their desired range. This is realized by on-line adjusting the set-points of control loops for optimal operation of the shaft furnace in response to changes in operating points. The controller consists of six modules, namely a pre-setting model for control loop set-points, a predictive model for technical index, a feedforward compensator using predictive model, a feedback compensator, a fault working situation diagnosis and a fault tolerant control model. The proposed approach has been successfully applied to the roasting process of shaft furnace in a mineral processing plant in China and its efficiency has been verified by the practical application results.     

城市生活垃圾焚烧过程二次风量智能优化设定方法

垃圾焚烧过程二次风量通常是依据人工经验设定,具有主观随意性,使污染物排放浓度不达标.针对此问题,提出一种二次风量智能优化设定方法.首先,建立二次风量的案例推理预设定模型、设定值的评价与学习模型;其次,建立工艺指标的随机配置网络预测模型;接着,建立基于径向基神经网络自学习模糊推理的智能补偿模型;最后,将二次风量预设定模型、工艺指标预测模型、智能补偿模型以及设定值的评价与学习模型有机集成,设计二次风量智能优化设定方法的结构与功能,并给出算法实现.采用某垃圾焚烧厂历史数据进行实验,结果表明,所提方法获得的二次风量设定值波动程度更小,按此设定值运行的控制系统可以减少污染物排放浓度,促进垃圾焚烧过程运行优化目标的实现.     

加热炉生产数据预处理策略研究

加热炉在钢铁企业发挥着非常重要的作用. 在加热炉中部分生产过程数据较难检测, 部分检测到的数据受到严重干扰和缺失, 这严重影响了加热炉的优化和控制, 而且还存在潜在的安全隐患. 本文针对加热炉这一复杂的过程, 设计了一个生产过程数据预处理系统. 该系统能对部分难以测量的数据用自适应模糊神经网络(FNN)方法进行预测, 能对过程数据进行滤波和正误判断, 能对异常数据进行剔除和替代, 并对过程数据替代值利用案例推理(CBR)方法建立完善机制. 该系统在某钢铁公司进行了实际应用, 取得了明显的应用效果.