烧结混匀矿的积分均化控制和误差补偿措施

提出了一种混匀矿进行积分均化控制和误差补偿的方法。实验结果表明该方法大大改善了混合矿的控制品质，并且有效的稳定了原料之间的比例。     

模糊智能控制在磨矿分级给矿系统中的应用

磨矿分级给矿系统是一个具有纯滞后的多变量系统,采用常规控制方法来控制磨矿分级给矿系统中的给矿设定值,很难获得满意的控制效果.针对磨矿分级给矿系统的特性及控制要求,提出了用模糊优化算法得到给矿设定值和用传统PID控制器实现闭环稳定给矿的控制方案,最后给出了控制系统的实现.实践表明,采用模糊控制与传统PID控制相结合的串级给矿控制系统能很好地优化给矿设定值,控制效果良好.     

STD工控机在港口混匀取料机行车同步运行中的应用

介绍了STD工控机在武钢工业港口混匀取料机行车同步运行中的应用技术，讨论了系统智能PTD算法的控制规律和实施方法、系统软、硬件组成及环境恶劣现场的抗干扰问题。     

原料工况自适应的烧结混合制粒水分控制系统

针对烧结混合制粒过程存在原料流量波动和时滞的问题,提出一种原料工况自适应的水分前馈串级控制方法。首先,考虑到烧结的配重、各原料流量和水分等因素,采用专家规则的方法和物料平衡的原理,建立基于原料工况自适应的加水量前馈计算模型,获得加水流量的设定值;然后,采用自适应模糊PID控制算法,建立水分串级控制系统,实现混合料水分的稳定跟踪控制。通过在国内某钢铁企业烧结过程中的运行效果分析,二次混合的混合料水分误差基本控制在±0.2%左右,原料流量波动造成水分正的扰动比原来减小了29%,负的扰动减小了70%,有效抑制混匀矿、生石灰等原料物料流量波动和水分检测滞后造成的影响,提高了水分控制精度,有利于烧结过程的稳顺进行。     

再磨过程泵池液位区间与给矿压力模糊切换控制

赤铁矿再磨过程泵池液位受到大的随机干扰的影响, 造成泵池液位波动大, 采用已有的再磨过程泵池液位定值闭环控制方法, 必然会造成矿浆泵转速在大范围内频繁变化, 从而使给矿压力频繁波动在工艺规定的范围之外, 降低了旋流器的分级效率. 本文提出了由泵池液位区间控制和给矿压力回路控制组成的模糊切换控制方法, 泵池液位区间控制通过对给矿压力设定值保持器和模糊补偿器的切换, 将给矿压力设定值控制在所允许的波动范围内; 通过给矿压力PI回路控制器跟踪其设定值, 从而将泵池液位控制在目标值范围内, 并将给矿压力的波动控制在允许的范围内. 在国内某大型赤铁矿选矿厂的成功应用, 表明采用该方法有效减少了泵池液位和给矿压力的波动, 使得再磨过程安全运行, 提高了旋流器分级效率.     

STD工控机在港口混匀取料机行车同步运行中的应用

介绍了ＳＴＤ工控机车在武钢工业港口混匀取料机行车同步运行中的应用技术， 讨论了系统智能ＰＴＤ算法的控制规律和实施方法，系统软，硬件组成及环境恶劣现场的抗扰问题。     

矿用卡车路面自适应模型预测轨迹跟踪控制

针对矿区道路环境突变对无人矿用卡车无人驾驶的挑战, 本文研究了路面自适应模型预测轨迹跟踪控制 问题. 首先, 根据矿区常用矿卡车型及环境突变特点分别建立矿卡动力学模型和矿区道路环境模型; 其次, 提出矿卡 路面自适应模型预测轨迹跟踪控制框架; 然后, 引入预设附着系数库, 提出基于自主切换策略的最小二乘参数估计 方法以应对突变工况做出合理递推; 最后, 提出矿卡路面自适应模型预测轨迹跟踪控制方法. 仿真表明, 所提方法 比传统自适应模型预测控制方法轨迹跟踪精度更高, 可以充分考虑道路附着条件突变的矿区道路工况, 自适应地保 证矿卡的操纵稳定性.     

方山口高碳石煤中提钒的焙烧试验研究

方山口石煤钒矿,储量非常丰富,平均品位(以V_2O_5计)0.86%,目前已探明钒储量达125.87万吨,全国排名第四位,占全国储量的5.07%。通过对方山口石煤矿的化学组成分析,得知含碳高达11.65%,热值在3616 kJ/kg,属含碳较高的石煤矿,由于矿石自身存在着发热值,致使在焙烧过程中内部温度难以控制,导致在焙烧过程中矿石烧结现象经常发生,严重影响钒的焙烧转浸率。根据石煤钒矿冶炼过程的化学反应机理,结合影响钒转浸率的主要因素,将高碳石煤原矿在马弗炉内于900℃下脱碳1 h后取出,每次脱碳量500 g,与一定比例的添加剂氯化钠混匀,制球后置于马弗炉中进行焙烧。焙砂用水+浓硫酸浸出后测定钒的转浸率。通过试验研究得出方山口石煤钒矿脱碳焙烧最佳温度790-830℃、添加剂氯化钠适宜用量12-15%、最佳焙烧时间≥2-2.5 h、矿样适宜粒度-100目以及密闭焙烧。发现,高碳矿与脱碳矿配矿后,热值控制在1260 kJ/kg左右,在最佳焙烧条件下,钒的转浸率可达80%左右的结果。     

一种基于步进电机的振荡器控制设计

设计了一种用于振荡器的驱动控制方案。简要说明了关键器件选型;介绍了以CAN总线作为通信方式的控制电路总体设计;详细阐述了电机驱动设计;分析了步进电机使用时需要关注的主要问题并提出了相应的解决方法;针对步进电机升降速控制,给出了适合本系统的控制算法。实验证明,本套驱动控制方案能够合理地实现所选步进电机的驱动功能,振荡器能够将托盘内的液体样品充分混匀。     

基于泡沫图像特征的金锑浮选入矿品位估计

入矿品位是金锑浮选加药量控制的重要依据.针对入矿品位在线检测困难的问题,提出一种基于泡沫图像特征的入矿品位估计方法.该估计方法首先针对样本数据中存在的不确定性,提出一种基于核主元分析(KPCA)和模糊C均值聚类–概率支持向量回归(FCM--PSVR)的建模方法,然后利用泡沫图像特征与加药量等数据建立起金锑入矿品位和精矿品位的估计模型,最后采用基于专家规则的方法对入矿品位估计结果的可信度进行评价.该方法在金锑浮选工艺中进行了工业验证,为指导金锑浮选加药量的控制起到了重要作用.     

An intelligent integrated optimization system for the proportioning of iron ore in a sintering process

The proportioning of iron ore is the first step of the sintering process. It mixes different kinds of iron ores with coke, limestone, dolomite, and returned sinter to produce a raw mix for the production of qualified sinter. The chemical components and proportions of the raw materials determine the chemical and physical characteristics of the resulting sinter, and thus the quality of the sinter and the amount of SO₂ emissions. The prices of the raw materials and their proportions determine the price of the sinter. In this study, an intelligent integrated optimization system (IIOS) was developed for the proportioning step, which contains two phases: the first and second proportionings. First, the sintering process was analyzed, and the requirements of the proportioning step were specified. Next, an IIOS with two levels (intelligent integrated optimization, basic automation) was built. In the intelligent integrated optimization level, an intelligent integrated optimizer (IIO) produces an optimal dosing scheme. The IIO has three parts: a cascade integrated quality-prediction model, the optimization of the first proportioning, and the optimization of the second proportioning. Computational intelligence methods predict the quality of sinter. Then, the predicted quality indices are fed back to the optimizations of the first and second proportionings to find feasible optimal dosing schemes. The IIOS was implemented in an iron and steel plant. Actual runs show that the system reduced production costs by 43.014 CNY/t and SO₂ emissions by 0.001% on average.     

基于不确定性信息的水泥生料配料过程智能优化系统

针对水泥生料配料过程原料质量不稳定和检测环节大滞后所引入的诸多信息不确定性,结合目前广泛应用的干法水泥生产工艺,提出了一种生料配料过程两级智能优化系统,即首先对生料配料过程进行率值的优化控制,一定程度地减弱不确定信息对生料质量的影响,然后采用改进性遗传算法求解生料最优调配方案,配制出优质水泥生料,以此达到生料质量的优化...     

生料浆配料过程的优化设定软件

在生料浆配料过程中,磨机负荷是与生产效率和能源消耗密切相关的重要指标,生料浆的钙比、碱比和水分是重要的质量指标,实现磨机负荷及生料浆各项质量指标的优化控制的关键是确定出合理的赤泥浆、碱粉、各台磨机的混矿、石灰石、碱赤泥浆流量控制回路的设定值。设计并开发了生料浆配料过程的优化设定软件,详细介绍了该软件的结构、功能、程序流程图及实现画面等。优化设定软件可以根据工况的变化自动调整各种流量控制回路的设定值,从而提高了配料过程的产品质量和生产效率,并节能降耗,取得了显著的应用效果。     

流程工业配料过程的随机优化模型及求解算法

针对配料过程原料质量参数存在的不确定性,以原料消耗成本最小为优化目标,将不确定质量参数以随机数的形式引入质量指标约束中,建立了一种配料过程随机优化模型．考虑传统蒙特卡洛抽样方法的不足,采用一种更高效的Hammersley sequence sampling（HSS）技术,获得随机优化模型对应的期望值优化模型．将HSS技术用于遗传算法的种群初始化和交叉、变异操作,以保证种群分布的均匀性,实现随机优化问题的有效求解．工业应用实验结果表明,所提方法不仅能够有效降低原料的消耗成本,而且能够保证产品质量指标满足生产要求,优化结果具有较好的鲁棒性,为配料过程的随机优化控制提供了一个优化模式．     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

神经网络在水泥生料配料中的应用

水泥生料配料系统具有多变量、大滞后和非线性的特点 ,采用传统的配料调优方法很难见效。人工神经网络具有很强的非线性映射、特征抽取和容错能力 ,为解决这类问题提供了新的思路。文章根据水泥生料配料的工艺要求 ,采用BP算法建立起能够较好地预测水泥生产质量的神经网络模型 ,以实现生料配料的调优操作。     

约束多目标粒子群算法在烧结配矿优化中的应用

针对钢铁生产的烧结配料过程中铁矿石价格变化大、矿石品位波动、烧结原料信息复杂、烧结配料约束繁多等对烧结配料成本的影响,提出了一种基于区域划分的约束多目标粒子群优化算法对烧结配矿进行优化.以国内某钢铁厂的实际烧结生产配料为例,构建烧结配料系统模型;为了协调全局探索和局部搜索的关系,将自适应角度划分策略融入约束评价准则,结合区域分布提取局部最优解信息,同时引入双外部存储集机制,维护种群多样性;通过标准函数集的测试,验证了所提算法的有效性.该算法应用于配矿过程中,能够兼顾成本与全铁含量,有效降低了烧结配料的成本,对烧结铁矿石资源的综合利用及质量保证具有重要意义.     

氧化铝生料浆制备过程的智能优化控制方法

生料浆制备过程由配料和调槽两个子过程组成.针对该过程的工艺特点以及不确定性大、原料成分波动等过程特性,提出一种智能优化控制方法.将生料浆制备过程的优化目标分解为两个子过程的优化目标,采用模型预设定、指标在线预报、基于模糊规则的前馈和反馈补偿方法实现了配料子过程的优化控制,采用粒子群算法实现了调槽子过程的优化控制,从而最终实现了生料浆制备过程的优化控制.工业应用的结果表明了所提出方法的有效性.     

Application of grey system theory to phosphorite sinter process: From modeling to control

The sintering process of phosphorite ore occurs with a large amount of return caused by untimely process control. The control task of phosphorite ore sintering is to regulate the parameters of the process to obtain a high quality sinter. The parameter clearly responsible for sinter quality is the temperature in the wind box. Therefore, in order to solve the control task, it is necessary to predict the highest temperature of the charge (also known as the burn through point (BTP)). In this paper, the theory of grey systems is used as a predictive model, which makes it possible to obtain an adequate model that uses a small number of initial samples of real temperature data. Based on the grey model GMC(1,n) a new optimal model is presented, which is constructed by using optimization algorithm. Optimal model predicts the BTP, and to establish an optimal regulation, a control synthesis is carried out through an optimization of the prediction according to the “particle swarm” algorithm.     

Automatic quality estimation in blending using a 3D stockpile management model

Stockpile blending is always considered to be an effective method of controlling the quality and maintaining the grade consistency of delivered bulk material, such as iron ore. However, major challenges remain to predict the quality of a stockpile during blending (stacking and reclaiming) operations, because the chemical composition of the ore body is not always available during blending. Consequently, the performance of current stockpile management systems is relatively poorer than expectations. This paper details an innovative modelling approach to estimate the quality of a stockpile during the blending process. The geometric model created from laser scanning data is capable of recording the dynamic shapes of the stockpile using mathematical equations. Therefore, the quality of the stockpile is calculated with a high degree of accuracy when the chemical analysis is completed. Thus, a quality embedded geometric model is created. Furthermore, this geometric model is associated with the kinematic model of a Bucket Wheel Reclaimer (BWR) to achieve precise auto-control in reclaiming operations. The link between these two models also supports the quality of every single cut accomplished by the BWR, to be calculated in advance. Using the calculation results in conjunction with precise machine control, the output grade can be predicted, planned and controlled. This will optimise the efficiency and effectiveness of stockpile blending.