碱赤泥浆流量的非线性智能PID控制

在生料浆配料过程中,碱赤泥浆的流量直接影响着生料浆的各项工艺指标.针对碱赤泥浆流量的非线性和不确定性,本文提出了基于非线性补偿的智能PID控制方法.基于非线性补偿的智能PID控制器由常规PID控制器和非线性动态补偿两部分组成,利用极点配置方法设计常规PID控制器,利用神经网络对碱赤泥浆流量对象中的非线性部分进行逼近并在控制器中进行补偿.设计并开发了碱赤泥浆流量的非线性智能PID控制软件,应用结果表明,碱赤泥浆的流量可以准确、稳定的跟踪设定值,具有良好的控制效果.     

从数据中提取生料浆配料过程运行控制的模糊规则

将减法聚类、神经网络、最相邻原则、对提取后的规则进行调整等方法相结合,从过程数据中自动提取出模糊规则,从而实现在氧化铝生料浆配料过程中将生料浆的各项质量指标控制在目标值范围内.某氧化铝厂的应用结果表明,所提取的模糊规则不仅具有良好的完备性和可解释性,同时可根据工况的变化自动调整各个控制回路的设定值,实现了该过程的优化运行.     

生料浆配料过程磨机负荷的混合智能控制

针对在氧化铝生料浆配料过程中难以采用常规方法来控制磨机负荷状态的问题,提出了由负荷状态估 计模型和负荷调整模型组成的磨机负荷混合智能控制方法．负荷状态估计模型根据磨机的振动与电流信号,采用规 则推理方法估计出磨机的负荷状态．负荷调整模型采用案例推理方法自动调节磨机给料量,将负荷控制在合适范围 内．该方法成功应用于某氧化铝厂生料浆配料过程中,长期运行结果表明,提高了磨机台时产能,减少了“堵磨”故 障发生次数,提高了生产效率并节能降耗．     

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.     

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．     

水泥生料预分解过程智能优化设定控制

在生料预分解过程中,由于生料边界条件频繁变化,致使产品的质量指标生料分解率过低或过高,从而增加了回转窑的负荷或导致最低一级旋风筒下料管堵塞.为了解决上述问题,本文提出了一个智能优化设定方法,由回路预设定模块、分解率预报模块、前馈补偿模块、反馈补偿模块组成.这个方法能够根据生料边界条件的变化在线调整控制回路的设定值.所提出的方法已经成功应用于酒钢宏达水泥生料预分解过程,取得了显著的应用效果.工业应用表明所提出的智能优化设定方法能够将生料分解率稳定在工艺范围内.     

基于PSO算法的生料浆配料过程的优化控制

针对烧结法氧化铝生产流程中的生料浆配料过程的工艺特点,将PSO算法应用在配料过程中的原料分配优化问题中,并构造了惩罚函数来处理配料过程中的各种约束条件.基于PSO算法的优化控制不仅可以保证生料浆的各项工艺指标达到设定值,同时可以保证配料成本最低.在某氧化铝厂的应用结果表明,该优化控制可以取代传统的人工配料生产方式,提高了生料浆各项工艺指标的合格率,降低了配料成本,实现了优化配料,取得了显著的应用效益.     

烧结法配料过程计算机控制系统

针对烧结法配料过程的工艺特点及技术要求,提出了实现综合生产指标优化的配料过程计算机控制系统,讨论了由过程控制、过程管理二层结构组成的计算机控制系统的结构、功能及优化控制策略,基于人工智能方法实现了过程控制。该系统成功应用于某氧化铝厂烧结法配料生产过程,磨机产能和生料浆一次配料合格率得到了大幅度提高,实现了配料过程的优化控制、优化运行、优化管理,取得了显著的应用成效。     

基于PROFIBUS现场总线协议的水泥生料系统专家控制

本文介绍了基于PROFIBUS现场总线协议的水泥厂生料配料专家控制，专家控制能够实现生料磨机的故障诊断，负荷最佳控制，实现生料三率值控制，确保生料率值合格，实际应用取得令人满意控制效率。     

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.     

磨矿过程磨机负荷的智能监测与控制

磨机过负荷是磨矿过程的常见故障工况, 如果不及时、准确处理, 就会造成磨矿产品质量变坏甚至磨矿生产的停顿. 采用规则推理(RBR)和统计过程控制(SPC)技术, 提出了由SPC机制、过负荷监测模块和监督控制器构成的磨机负荷智能监测与控制方法. 该方法通过对磨机过负荷的智能监测与诊断, 由监督控制器自动修改控制回路的设定值, 通过控制回路的输出跟踪修改后的设定值, 使磨机负荷逐渐远离过负荷状态. 工业应用表明, 该方法能够实现磨矿生产的安全、稳定和连续运行.     

A two-stage intelligent optimization system for the raw slurry preparing process of alumina sintering production

The raw slurry preparing is a key process to guarantee product for alumina sintering production. To obtain the qualified raw slurry in the presence of uncertainty, a two-stage intelligent optimization system, which weakens uncertainty effects through optimization of raw material proportioning and re-mixing operation, is developed. At the first stage, an integrated model combining the first principle with neural networks is built to predict the raw slurry quality, and a multi-objective hierarchical expert reasoning strategy is proposed to determine an optimal set point of raw slurry proportioning. At the second stage, an optimal scheduling model with uncertainty is built to provide an optimal combination of selected tanks for the mixing of raw slurry in full-filled tanks. The practical running results show that the eligibility rate of raw slurry is effectively improved, and the raw slurry preparing process is successfully simplified and the energy consumption is also obviously reduced.     

提高软件测试效率的方法研究

软件测试是软件开发过程中不可缺少的一环,是保证软件质量的关键。文中从提高软件测试的效率入手,阐述目前软件测试中存在的问题与不足,对提高软件测试效率的方法做出了分析和研究,提出了一个完整的软件测试流程。     

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．     

基于案例推理增强学习的磨矿过程设定值优化

磨矿粒度和循环负荷是磨矿过程产品质量与生产效率的关键运行指标,相对于底层控制偏差,回路设定值对其影响要严重的多.然而,磨矿过程受矿石成分与性质、设备状态等变化因素影响,运行工况动态时变,难以建立模型,因此难以通过传统的模型方法优化回路设定值.本文将增强学习与案例推理相结合,提出一种数据驱动的磨矿过程设定值优化方法.首先根据当前运行工况,采用基于Prey-Predator优化的案例推理方法,决策出可行的基于Elman神经网络的Q函数网络模型;然后利用实际运行数据,在增强学习的框架下,根据Q函数网络模型优化回路设定值.在基于METSIM的磨矿流程模拟系统上进行实验研究,结果表明所提方法可根据工况变化在线优化回路设定值,实现磨矿运行指标的优化控制.     

The operation control and application of CFB boiler unit with high blending ratio of coal slurry

In China, a large amount of coal slurry is produced every year as the by-product of coal washing. If all these slurry were utilized, it could not only bring huge economic benefits but also solve the environmental pollution caused by coal slurry storage. As one of the most important devices to burn the coal slurry, circulating fluidized bed (CFB) boilers needs to improve the control level to consume more slurry. In this paper, the characteristics of CFB boiler with large blending ratio of coal slurry are investigated from both the operation and control aspects. The energy fluctuation caused by long-term coal slurry combustion in CFB boiler is analyzed, which would influence the operating stability of the unit and restrict the blending ratio of coal slurry. Based on the analysis and boiler energy storage theory, a novel control strategy is proposed to improve energy conversion and stabilize energy fluctuation caused by co-combustion of coal slurry. Finally, the control strategy is applied to an actual 300 MW CFB boiler unit. The long-term operation shows that the improved control system can reduce the energy fluctuations, raise the control stability and increase the coal slurry blending ratio, bringing huge economic benefits to power plant.