河北某选矿厂磨机负荷的优化控制策略研究及实现

借鉴生物界的遗传算法(GA)及原理,利用模糊控制可以有效地实现对非线性、纯滞后及复杂的对象进行控制的优点,并结合自寻优方法,设计出一种新的磨机负荷控制器。控制器运用GA对模糊控制器的隶属度函数和模糊控制规则进行优化,并且应用变步长自寻优算法对球磨机负荷进行实时动态优化控制。试验结果表明,提出的控制策略能够很好地跟踪被控对象的参数变化,且控制品质良好,在存在干扰的情况下也能有较强的自适应能力,能够提高磨机的台时产量,并提高矿厂的经济效益。     

基于小波神经网络和蚁群算法的供热负荷预测

针对矿区供热负荷强非线性、难以建立精确数学模型等特点,提出了采用小波神经网络进行负荷预测的方法。为了克服小波神经网络易于陷入局部最小、收敛速度慢等问题,采用全局搜索能力强、收敛速度快的扩展蚁群算法对小波神经网络进行了训练。     

基于RBF神经网络的磨机负荷智能控制的研究

针对磨机运行过程中的非线性、大惯性、随机干扰大,常规PID控制不能取得很好控制效果的问题,提出用改进的RBF神经网络智能控制方式来控制磨机负荷。根据磨矿工艺流程和操作经验,利用改进的RBF神经网络构建在线辨识的磨机控制系统模型,解决了磨机控制系统难以建模的问题。结合自寻优控制方法,自动寻找磨机最佳负荷,减少磨机负荷的扰动,使磨机负荷维持稳定。实验结果表明,该控制方法能够很好地适应外界因素的变化,消除运行过程中的干扰,增强磨机系统的鲁棒性,使磨机保持稳定运行,提高磨矿效率,改善磨矿分级效果。     

基于自适应极限学习机的磨机负荷智能控制研究

磨机在运行过程中具有非线性、大惯性、随机干扰大等特征,采用常规PID方法控制负荷存在一定程度的不适应性。本文提出了基于自适应极限学习机的磨机负荷智能控制方法,通过对磨机运行工艺和运行特性进行分析,设计了磨机磨矿过程的控制策略思路,利用自适应极限学习机构建了磨机控制系统模型,结合黄金分割法寻找磨机最佳负荷,实现了磨机负荷的智能优化控制。应用效果表明,该控制方法能够有效地消除扰动对磨机负荷的影响,主动寻找磨机最佳负荷,使磨机保持稳定运行,具有较好的自适应能力,对提高磨矿效率和改善分级效果具有一定的意义。     

基于OLAP技术的磨机负荷模糊控制系统研究

磨机是冶金、矿山、化工、电力、建材等行业的主要设备之一,磨机负荷的优化控制对防止“饱磨”和“空磨”现象发生,实现粉磨过程的稳定,提高磨机产质量,降低磨机能耗等具有着较大的影响。     

基于POS-BP的磨矿过程磨机负荷智能分析方法研究

主要针对有色金属行业选矿厂的磨矿过程半自磨机、球磨机等磨矿设备的负荷进行分析,利用OPC技术,通过计算机实现对磨矿过程的实时工艺数据的采集、处理、分析存储,利用POS-BP算法构建磨机功率软测量模型,从而实现对磨机功率的在线预测分析,之后结合案例分析技术,实现对磨机负荷的智能在线分析,能够有效地减少磨机涨肚次数,提高磨机处理量以及磨矿粒度合格率,降低衬板和钢球损耗,并且预测值可以为磨矿过程的优化控制、专家控制等先进控制提供有效的参数依据,从多方面提高磨矿过程乃至整个选矿过程的运行效率,从根本上提高矿山企业经济效益。     

基于蚁群算法的移动机器人运动规划研究

针对当前机器人运动规划研究中存在的问题,提出了一种以蚁群算法为基础的机器人运动规划,该算法能够在比较复杂的环境中规划出更优化的路径,并且提高了规划的效率。通过仿真实验验证了算法的有效性。     

基于TOP-N算法的井下紧急避灾路径寻优研究

采用TOP-N算法对井下紧急避灾路径寻优开展相关研究。根据影响巷道当量长度的各种因素,提出了计算巷道当量长度的方法,可短时间内计算出从事故发生点到安全地面的最优路径,并分析出其他N条辅助路径,确保了选择的避灾撤退路线的正确性和合理性。     

基于电力负荷历史数据挖掘的负荷预测算法研究

针对电力负荷历史数据中异常数据点影响电力负荷预测精度的缺陷,研究基于电力负荷历史数据挖掘的负荷预测算法。选取K means聚类算法挖掘电力负荷历史数据的属性特征量,检测其中所包含的异常数据点,选取灰色系统理论中的GM（1,1）模型修正电力负荷历史数据中的异常数据,利用完成修正的电力负荷历史数据建立训练集以及预测集,将训练集样本输入支持向量机中,利用支持向量机所具有的非线性映射能力映射样本至高维空间内,获取支持向量机最优阈值,将预测集输入具有最优阈值的支持向量机中,获取精准的电力负荷预测结果。所研究算法可实现长期、短期、超短期电力负荷的预测,且预测的精准性及速度较为优越。     

球磨机人工智能自动寻优控制策略与技术

对湿式球磨机的动态特性分析可知，传统的控制理论难以完全解决这种多变量，非线性的时变系统的控制问题，具有人工智能的自动寻优控制系统是以知识库为基础建立起来的，控制目标是使系统工作在极值。它具有自动各界工作经验的能力，能提示磨机工作状况。该控制策略及技术已在昆钢罗茨铁矿及山东焦家金矿应用成功，取得了显著的经济效益和社会效益，是磨矿过程自动化技术的一个新突破。     

基于DCS采集的振动数据的磨机负荷分析

检测磨机负荷可了解磨机运转状况以指导生产。以国内某铜矿的半自磨机为研究对象,分析分布式控制系统(DCS)采集的磨机轴承座振动数据和磨机负荷之间的关系。基于主成分分析(PCA)方法从功率和电流数据中提取特征作为负荷参照指标,采用快速傅里叶变换(FFT)方法分析振动信号频谱,通过回归分析与假设检验,验证特定振动传感器的二倍转频频谱与负荷参照指标正线性相关,由此可以用振动传数据的二倍转频频谱表征磨机负荷。     

基于蚁群算法的矿山井下开拓系统优化研究

矿山井下开拓系统的确定,影响因素较多。一般传统方法是对少数几个技术方案进行经济比较,得到的结果只是相对较好的方案。蚁群算法是最近几年提出的一种新型模拟进化算法,已成功地应用于求解TSP（旅行商）问题,取得了较好的实验结果。运用蚁群算法对井下开拓运输系统进行了优化研究。针对1处具体矿山,得到了1个结构合理、费用较低的开拓运输系统。实践证明,这种方法是可行的。     

基于蚁群算法的煤炭物流网络建设研究

为了提高煤炭物流网络的高效性,降低煤炭运输成本,采用蚁群算法对煤炭物流网络进行线路规划。先对我国煤炭地理分配不均的实际情况进行描述,接着对蚁群算法数学模型进行详细分析,最后进行实例仿真,验证蚁群算法在煤炭物流网络线路规划的性能。实验证明,采用蚁群算法对运输路线进行规划,可寻得最优路径,具有一定的研究价值。     

基于蚁群算法的煤矿水害避灾路径研究

我国煤矿的水文地质条件较为复杂多样,煤矿水害时有发生。在落实水害防治措施的前提下,仍需积极研究水害发生时的应急救援技术手段。对煤矿水害中人群的避灾行为和影响逃生的主要因素进行分析,构建了煤矿巷道加权网络模型,采用蚁群算法解算并模拟出煤矿突发水害时的最佳避灾路径,为井下人员避灾和煤矿应急救援提供技术手段。     

基于Memetic算法寻优SVM的瓦斯浓度预测

瓦斯浓度预测是进行煤矿瓦斯灾害表征的一个重要指标,为了提高瓦斯浓度预测模型的预测精度,提出了一种基于Memetic算法寻优的支持向量机预测模型。利用特征提取和特征选择的方法获取最优输入特征集进行降维简化处理,建立支持向量机回归模型,在学习过程中引入Memetic算法对传统支持向量机预测模型进行参数优化。通过用实际监测数据进行验证,结果表明:经过Memetic算法优化后的支持向量机预测模型提高了瓦斯浓度预测的精度。     

基于蚁群算法的网格任务调度模拟

针对网格环境下的任务调度,提出了基于蚁群算法的调度策略,在此基础上通过Java编程,采用多线程技术,在Eclipse和GridSim环境下,实现了基于蚁群算法的任务调度策略,编制了算法模拟器。     

基于蚁群算法的矿井救援最短路径研究

针对羊场煤矿,选取巷道节点,根据节点坐标,计算巷道实际长度和当量长度,构建当量长度邻接矩阵,基于蚁群算法和MATLAB仿真平台,得到救援最短路径及距离,并对结果进行优化,确保救援工作遍历所有巷道,给出了实际可行的救援方案,为今后的救援工作提供理论指导。     

基于改进蚁群算法的齿轮故障模式识别方法研究

根据蚁群算法优化路径原理,提出一种基于改进蚁群算法的简单的模式识别方法。通过对TSP蚁群模型的适当修改,将模式识别问题转化为路径优化问题。为了尽量避免蚁群算法过早收敛或收敛到局部最优路径,采用了最大-最小和自适应蚁群算法相结合的方法对算法进行改进。通过实验,以齿轮3种不同状态下的关联维数为特征,成功实现了对不同故障状态的识别。     

基于蚁群算法的煤矿运输车辆调度应用研究

现代物流运输煤矿运输车辆调度过程复杂多变,蚁群算法是一种新型的启发式搜索算法,可以很好地解决这一问题。传统蚁群算法容易出现早熟和停滞现象,因此,通过对基本蚁群算法中的选择策略和信息素的改进,提出一种新的蚁群算法,克服传统蚁群算法的缺陷。将它用于求解煤矿运输车辆调度问题,仿真实验证明了改进算法的有效性和可行性。     

基于蚁群算法的煤炭运输优化方法

本文主要以蚁群算法为基础,求解煤矿运输优化方法,运算出实际生产中较优生产模式。首先对蚁群算法做出了简单的介绍,然后比较仔细的阐述了煤矿问题的数学模型,最后演示了蚁群算法在运输优化问题中的应用。