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．     

基于LabVIEW的磨机负荷自动测试与分析系统

根据磨机的运行特点和负荷测试要求,开发了一套基于LabVlEw的磨机负荷测试系统.该系统以图形化编程语言LabVIEW为软件开发平台,以声音、振动传感器,USB-9215A型数据采集模块和计算机搭建了PCDAQ通用硬件平台.将虚拟仪器技术应用到磨机负荷测试中,使测试系统搭建快捷、方便,人机界面友好,实现了信号采集、文件存取、数据处理和显示功能.现场测试表明系统测试、分析结果正确有效,完全可以满足实用要求.     

氧化铝熟料烧成过程人机协同智能控制系统

介绍了烧结法生产氧化铝的关键设备熟料（回转）窑采用计算机实时检测、控制及管理的设计开发过程,以及熟料烧结过程人机协同智能控制系统的组成。论述各个环节的控制原理和方法。     

基于遗传算法的磨机负荷模糊控制研究

提出了一种磨机负荷模糊控制规则的优化方法。该方法利用遗传算法的全局搜索能力，通过重新设计交叉算子和变异算子，较好地解决了磨机负荷模糊控制规则的获取和寻优问题。     

专家系统技术在水泥粉磨机负荷控制中的应用

根据粉磨机生产工况复杂多变的特点 ,提出一种磨机负荷专家智能控制方案 ,以增强控制系统的适应能力。实验结果表明该方法改善了负荷控制性能 ,提高了产品质量和磨机生产效率。     

磨机负荷检测方法研究综述

为促进磨机检测方法的工业化应用和深入研究,综述磨机负荷检测的主要研究成果.按检测方式将磨机负荷检测方法分为仪表检测法和非仪表检测法.将基本具备现场应用条件,但功能有限的仪表检测法,按检测原理又细分为压差法、振声法、振动法、功率法、超声法等方法.将处于实验室实验、离线研究阶段及借助工业计算机现场应用的非仪表检测方法分为基于磨机外部响应信号和多源信息融合的检测方法.针对每种具体方法,总结了其特征、研究现状以及应用前景.最后指出融合多源信号并结合专家知识、机器学习进行智能检测的软测量方法是未来磨机负荷检测的发展方向.     

配料和磨机负荷微机控制系统

介绍了配料和磨机系统的构成和工作原理,以及为控制这个系统而开发的STD 8098微机控制系统.文中还介绍了系统各组成部分的操作及故障排除.     

磨机负荷级联模糊控制系统

根据磨机生产工况多变的特点,提出一种磨机负荷级联模糊控制方案,以增强控制系统的适应能力.实验结果表明,与单回路PID定值控制比较,该方法改善了负荷控制性能,提高了磨机生产效率,是一种有实用价值的磨机负荷控制方法.     

SFM-1球磨机负荷控制仪

球磨机负荷控制仪（简称电耳）是利用声发射技术研制成功的高科技产品。该仪器的功能是利用声发射技术检测球磨机内物料、钢球与磨机内金属隔板、磨体碰撞发出的声变，从而准确可靠地控制磨机的给料系统．使磨机常处于均匀给料．正常动转．克服了由于人工控制常出现的涨磨空磨运转．不仅提高了质量、产量，而且还节能。该产品适应面广．需求最大。     

基于OPC和Wincc的磨机负荷控制系统

针对以往磨矿自动控制过程延迟时间长及设备间通讯不便的问题,提出了基于OPC和Wincc的磨机负荷自动控制系统;用VB编写OPC客户端,并以Wincc作为OPC服务器,实现Wincc与VB客户端的数据交换;用高级语言编写磨机负荷控制算法,对经OPC通道传入VB的实时数据进行分析控制,最后将控制数据传送给底层设备,达到对磨机负荷实时自动控制的目的;运行试验表明,基于OPC和Wincc的磨机负荷控制系统能够有效地对磨机负荷进行控制并提高矿厂效益。     

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．     

Intelligent optimal control system for ball mill grinding process

Operation aim of ball mill grinding process is to control grinding particle size and circulation load to ball mill into their objective limits respectively, while guaranteeing producing safely and stably. The grinding process is essentially a multi-input multi-output system (MIMO) with large inertia, strong coupling and uncertainty characteristics. Furthermore, being unable to monitor the particle size online in most of concentrator plants, it is difficult to realize the optimal control by adopting traditional control methods based on mathematical models. In this paper, an intelligent optimal control method with two-layer hierarchical construction is presented. Based on fuzzy and rule-based reasoning (RBR) algorithms, the intelligent optimal setting layer generates the loops setpoints of the basic control layer, and the latter can track their setpoints with decentralized PID algorithms. With the distributed control system (DCS) platform, the proposed control method has been built and implemented in a concentration plant in Gansu province, China. The industrial application indicates the validation and effectiveness of the proposed method.     

Comparative evaluation of advanced process control techniques for alumina flash calciners

Few examples of advanced control methods have been reported in the alumina processing industries. Alcoa of Australia Limited in its Western Australian operations has traditionally employed classical methods in its feedback strategies. Three control algorithms, proportional-integral-derivative (PID), dynamic matrix control (DMC) and self-tuning control (STC), were compared in the regulation of calciner furnace temperature at the Wagerup Alumina Refinery of Alcoa of Australia to assess the potential application of advanced control methods. The evaluation was carried out under both fixed and varying production conditions using process dynamic models obtained from identification experiments based on pseudo-random binary input (PRBI) disturbing signals. Measures were defined for controller performance, robustness and complexity. DMC delivered best performance, closely followed by the optimised PID controller. An explicit STC performed poorly, as the near minimum variance nature of the algorithm imparted too much control energy to the process. All the three controllers performed significantly better than the PID control achieved with tuning parameters currently implemented in the refinery.     

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。     

24平米环式烧结机的PLC控制系统

介绍了环式烧结机PLC控制系统的原理、方案及实现方法,它是应用PLC小规模系统实现小型烧结机控制的典型方案。     

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。     

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.     

中储式钢球磨制粉系统节能及智能控制方法

本文针对巴陵石化热电事业部9号炉中储式钢球磨制粉系统的特点,采用神经网络技术建立制粉系统的运行工况模型,并通过非线性优化技术确定使制粉单耗最低的运行参数;在此基础上,采用模仿人操作行为的智能控制技术对整个制粉系统进行自动控制,确保制粉系统运行在最佳的工况上。实际应用表明,通过对制粉系统的智能控制,对降低磨制粉单耗和锅炉飞灰含碳量,提高煤粉均匀性指数,有良好效果。     

A hierarchical expert system for computer process control

This paper reports on the design and implementation of an expert system for computer process control (HESCPC). The complexity of the expertise necessary for computer process control applications requires that the expert system architecture be structured into a hierarchy of classes of specialized experts. The architecture of HESCPC integrates four classes of expert systems: operator/manager companion expert class, control system algorithm design expert class, hardware expert class, and software expert class. The paper is concerned with the design and implementation of the general system architecture, an operator adviser expert for a nuclear power plant and a control system designer expert using a state space feedback approach. Although the design and implementation aspects of all experts are discussed, the emphasis is on the latter.

At this stage of the HESCPC development, the declarative knowledge represented by 423 metarules and 1261 rules is distributed on a hierarchical structure among 20 experts on different levels of the hierarchy which are able to communicate among themselves to solve difficult control problems.

Examples of control system design sessions of linear mono and multivariable systems using feedback state space approach are given. A run time of an operator-adviser data-driven expert system for a nuclear plant is also presented.