铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程。提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化，基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化．智能集成优化控制技术具有高效性和实用性，有效地抑制了工况波动，提高了烧结矿产量和质量，取得了较好的工业控制效果．     

基于泡沫大小动态分布的浮选生产过程加药量健康状态分析

针对矿物浮选过程泡沫大小分布随着药剂量的改变而动态变化的特点,提出一种基于泡沫大小动态分布特征的具有自学习功能的浮选生产过程加药量健康状态统计模式识别方法.首先,通过泡沫图像分割、气泡尺寸分布核密度估计获得浮选气泡大小的概率密度分布函数,采用无监督的最远邻聚类方法获得典型药剂量添加状态下的气泡尺寸统计分布特征集;然后,采用简单的贝叶斯推理方法获得测试时间段对应的药剂添加健康状态分析识别结果,并根据浮选生产工况状态的动态变化对各典型药剂状态下的气泡大小统计分布特征集进行在线学习修正.实验结果表明,所提出方法能实时获取泡沫尺寸分布的动态变化,实现浮选药剂操作健康状态的自动识别与评价,为进一步实现浮选生产过程的加药量优化控制奠定了基础.     

基于图像处理的浮选过程药剂量控制模型

浮选过程有严重的非线性、强耦合性等问题,目前仍没有精确的数学模型描述浮选状态;通过研究赤铁矿阳离子反浮选控制工艺过程,提出利用图像处理技术提取泡沫图像纹理特征参数,采用粗糙集和LVQ神经网络理论建立控制药剂加入量的数学模型;经过现场应用与仿真对比,基于图像处理的控制模型可以满足浮选控制的要求,较好地解决了浮选过程的自动控制问题,为最终建立可以应用于企业生产的控制系统奠定了基础;采用粗糙集并基于LVQ神经网络理论建立药剂添加量控制模型,基于图像处理的控制模型识别准确度在正常状态下能达到83.3%的准确率,可以满足企业生产的要求。     

数据驱动的浮选过程运行反馈解耦控制方法

浮选过程是利用矿物本身的亲水或疏气性质或经药剂处理得到的亲水或疏气性质进行矿物分离的物理过程.本文通过建立以矿浆液位和矿浆流量为输入，以浮选过程的精矿品位与尾矿品位为输出的多变量、强耦合、非线性、时变的运行过程模型，利用未建模动态前一拍可测的特点，提出了包括矿物品位运行过程控制器驱动模型、PID控制器、反馈解耦控制器、未建模动态补偿器的数据驱动的一步最优未建模动态补偿PID解耦控制方法，实现了消除稳态误差、静态解耦与未建模动态的补偿，通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.     

基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．     

基于相关向量机的硫泡沫浮选液位软测量

针对硫浮选过程中常规检测方法难以准确检测浮选槽液位的缺陷,提出一种基于相关向量机(RVM)的浮选液位软测量方法。该方法基于采集的浮选泡沫表层图像,通过提取硫浮选泡沫溢流速度和泡沫稳定度动态图像特征,融合浮选过程充气量、矿浆流量等过程参数,结合RVM建模思想,实现硫浮选过程中浮选槽液位的预测。工业数据仿真结果验证了所提方法的有效性、可行性。     

基于图像纹理特征和多级SVM的浮选过程状态识别方法研究

针对浮选泡沫图像的纹理特征,采用多级支持向量机(MLSVMs)方法对浮选生产过程状态进行识别.首先基于灰度共生矩阵,提取浮选泡沫图像的诸如能量、熵及惯性等纹理特性参数来描述浮选泡沫的视觉特征;然后采用归一化后的纹理特征数据样本分别对多级支持向量机进行训练和识别.MLSVMs模型核函数参数采用改进惯性权重的粒子群算法进行优化.测试结果表明,所提出的方法在训练时间和识别正确率上具有较好的性能,可以满足浮选过程的实时监控要求.     

基于单神经元及专家经验的温度自适应控制

提出一种将神经网络理论结合传统控制控制机理以及专家经验 ,构成单神经元控制器 ,并应用于温度控制系统。通过在线边学习边控制的方式 ,解决了传统控制的不足 ,实现了温度控制系统的快速过程实时在线控制要求。仿真结果表明 ,这控制方法具有良好的自适性与鲁棒性。     

具有时滞的不确定性系统神经网络模糊自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法．模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整．将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效．     

基于融合模型的多目标分级推理方法及其工业应用

运用多模型融合方法，综合机理知识、残差智能补偿技术建立了氧化铝生料浆质量全局预测模型．根据质量指标影响因子及分类原则构建了配料专家数据库．在此基础上，提出了多目标分级推理决策，实现了配比的优化设定．该优化控制方法已成功应用于氧化铝生产企业的生料浆配料过程．运行效果表明，该方法可用于解决一类具有滞后、多约束等特性的复杂工业过程的优化控制问题．     

基于神经网络的实时专家控制系统及其PTA工业应用

以精对苯二甲酸结晶过程为研究对象。提出一种基于神经网络模型的实时专家控制系统．该方法利用神经网络建模技术获取对象的机理知识,通过对影响模型特性的多个变量进行分析,自动得到常规专家控制系统难于获取的定性、定量知识,并按分级递阶的启发式搜索机制,实现了对工业过程对象的实时控制．实际应用表明：该方法不但克服了以往专家系统知识获取的瓶颈,而且有效实现了人机对话的功能,便于现场操作和更改专家知识库,为化工过程的多变量控制提供了新的思路．     

A high speed railway control system based on the fuzzy control method

This paper proposed a high-speed railway control system based on the fuzzy control method. The fuzzy control system of the high-speed railway is designed in the Matlab software according to the expert experience and knowledge. At first the input and output variables have been fuzzified in the fuzzification process. Then the membership function is designed and the control rules are discussed in detail bring into correspondence with expert knowledge. The parameters discussion about the maximum speed and traction effort are studied in detail. Finally, the defuzzify process can output the results directly to control the high speed railway train. The results indicated that the fuzzy control system is effective and accurate in the high speed railway control process.     

基于着色Petri网模糊专家系统的研究

针对变电站无功控制模糊专家系统知识表示不确定性及规则数量多的特点,文章以模糊、着色Petri网为基础,提出了一种基于模糊着色Petri网的知识表示与规则获取方法。该方法利用Petri网的图形化环境特点,将模糊规则库的不同变量用不同的颜色加以区分,不同规则中的同一个变量用该变量的颜色集表示,构成一个模糊着色Petri网模型。充分利用着色Petri网的特点,对推理过程进行了仔细研究,并提出一种基于着色模糊Petri网的启发式搜索策略。将其用于变电站无功控制的模糊专家系统中,结果表明,基于着色Petri网的模糊知识表示和获取方法,对于大型、复杂变电站模糊专家控制系统是非常有效的。     

飞机座舱压力专家模糊预控方法仿真研究

针对新型战机高空高速俯冲及俯冲转平飞情况下带来的座舱压力控制难题,提出一种飞机座舱压力专家模糊PID预控方法。在飞机高速俯冲时,基于压力调节系统时间延迟及飞机高度变化率改进常规模糊PID控制策略并提高座舱压力调整速度;在飞机状态转换时,利用专家控制器根据知识库及状态转换时间预测调整模糊PID控制策略,并引入重置机制以改善调整性能。经过知识库的动态学习,得出飞机状态转换时,采用模糊PID控制、模糊预控、重置PID控制参数的专家控制策略具有最佳的控制效果的结论。通过仿真实验验证了该方法的有效性。     

A self-organizing fuzzy logic controller for dynamic systems usinga fuzzy auto-regressive moving average (FARMA) model

The paper proposes a complete design method for an online self-organizing fuzzy logic controller without using any plant model. By mimicking the human learning process, the control algorithm finds control rules of a system for which little knowledge has been known. In a conventional fuzzy logic control, knowledge on the system supplied by an expert is required in developing control rules, however, the proposed new fuzzy logic controller needs no expert in making control rules, Instead, rules are generated using the history of input-output pairs, and new inference and defuzzification methods are developed. The generated rules are stored in the fuzzy rule space and updated online by a self-organizing procedure. The validity of the proposed fuzzy logic control method has been demonstrated numerically in controlling an inverted pendulum     

基于自适应专家权重的信息系统风险评估模型

针对风险评估过程中存在专家权重难以合理设置,评估结果受专家主观性影响大等问题,提出一种基于自适应专家权重的信息系统风险评估模型SAEW-ISRA,给出一种细粒度专家权重自适应调整方法。首先,在评估过程中引入三角模糊数对风险指标属性评分;其次,根据专家评分模糊度描述专家知识量,结合与专家群体评分的距离构建后验权重,可使专家权重自适应调整,同时使用模糊层次分析法构建风险指标权重;然后,提出信息系统风险指标危险度量化方法,可计算风险值;最后,通过某信息系统的风险评估实例验证所提方法能达到更高的评估准确性,同时在一定程度上解决了评估过程中权重不合理问题。     

基于相似性度量的氧化铝配料知识库在线维护

针对烧结法氧化铝优化配料专家系统知识库的结构特点,提出了一种基于相似性度量的专家知识库在线维护方法。构造规则的相似性度量函数,以此为基础进行规则不一致性判断,并遵循原有的知识组织策略在线实现规则的有序添加和修改,从而保证高效的专家推理,提出的方法已成功用于工业应用。     

Discrete dynamic simulation models and technique for complex control systems

The method for dynamic model synthesis and discrete simulation of complex hierarchical control systems is presented. The method provides integration of large data sets, monitoring data and expert knowledge with the process of simulation and analysis of system state dynamics, thus providing an extensible and evolvable environment and reuse of knowledge and simulation models. The method is based on the hierarchical state diagrams technique and control scenarios methodology. The general structure of corresponding computer simulation system is also proposed. We also outline general principles of computer realization of our simulation approach, and schemes of model-based knowledge representation. The proposed method is based on the object-oriented paradigm and is especially powerful in information-intensive environments.     

Adaptive Decoupling Control of Pulp Levels in Flotation Cells

Control of the pulp levels in flotation cells directly affects the grade of the concentrate and the tailings in a concentration plant. Nevertheless, with strong coupling among cell levels and nonlinearities in the flotation process, conventional control strategies cannot achieve satisfactory control performance. In this paper, a nonlinear multi‐model adaptive decoupling control strategy based on adaptive‐network‐based fuzzy inference systems (ANFIS) is proposed for the flotation process, which includes a linear adaptive decoupling controller, an ANFIS‐based nonlinear adaptive decoupling controller, and a switching mechanism. The proposed method not only improves the transient performance and mitigates effects of the nonlinearities on the system, but also guarantees the input‐output stability of the closed‐loop system. Successful application to the flotation process has been made in a concentration plant in China, and the feasibility and efficiency of the proposed method have been validated.