重介质悬浮液密度宽域智能控制系统设计

为满足原煤煤质变化对重介质悬浮液密度大范围调节的需求,在重介质分选过程中采用反分流工艺,设计了一种重介质悬浮液密度宽域智能控制系统。利用BP神经网络建立了合格介质桶液位预测模型,以悬浮液密度实际值与设定值的偏差、合格介质桶液位实际值、分流阀开度及补水阀开度作为模型输入变量,经模型计算得出合格介质桶液位预测值;依据合格介质桶液位偏差与密度偏差,通过基于支持向量机的一对一多分类算法实现加介质、稳态、密度阶跃上升、密度阶跃下降控制模式切换,并依据控制模式自动调整分流阀、补水阀、加水阀开度及浓介质泵、反分流泵开启时间,从而实现密度大范围调节。该系统应用后密度波动范围稳定在±0.005g/cm~3,密度调节时间短。     

重介分选过程分流自动控制系统设计

针对重介分选过程分流阀手动控制存在精确性差、介质消耗量大等问题,设计了一套重介分选过程分流自动控制系统,建立了基于最小二乘支持向量机的分流阀开度预测模型。该系统利用传感器采集悬浮液密度、煤泥含量、合介桶液位和补水阀开度等参数,作为分流阀开度预测模型的输入变量,经模型计算得出相应的分流阀开度输出值并输送至PLC,PLC根据分流阀开度值控制分流阀动作,从而实现分流量自动控制。实际应用表明,该系统可使重介悬浮液密度波动控制在±0.005g/cm3,吨煤介耗降低了0.216kg。     

重介选煤工艺多参数模糊控制方法研究

针对重介选煤工艺过程中悬浮液密度、磁性物含量以及液位三个参数相互耦合,采用人工或PID调节方式效果不理想的问题,通过分析重介选煤工艺过程,提出了一种重介选煤工艺多参数模糊控制方法。该方法采用两个模糊控制器分别控制液位和悬浮液密度,对两个模糊控制器的输出去模糊化后结合煤泥含量计算出分流量与补水量,进而控制分流箱阀门和清水阀的开度。工业试验结果表明,与传统PID控制方法相比,该控制方法的稳定性更高,响应速度更快,超调量更小。     

基于模糊控制的重介质悬浮液密度控制方法

针对现有重介质悬浮液密度模糊控制方法存在控制精度不高、通用性不强的问题,提出了一种基于模糊控制的重介质悬浮液密度控制方法。该方法以悬浮液密度偏差、悬浮液密度偏差变化率、合格介质桶液位作为密度模糊控制器的输入变量,以合格介质桶液位偏差、合格介质桶液位偏差变化率作为液位模糊控制器的输入变量,利用密度模糊控制器和液位模糊控制器有效控制补水阀和分流箱,从而实现重介质悬浮液密度精确、稳定控制。应用结果表明,该方法响应速度快,可使悬浮液密度波动范围稳定在±0.007g/cm~3。     

重介悬浮液密度与液位PFC-PID控制算法研究

为解决重介选煤控制系统中重介悬浮液密度与液位调节过程的大滞后与强耦合问题,建立了悬浮液密度与液位控制系统的数学模型,并在对系统进行解耦的基础上,提出了一种重介悬浮液密度与液位PFC-PID控制算法。该算法采用闭环控制方法对密度与液位加以控制,即内环采用常规PID控制技术对解耦后的系统加以控制,以稳定系统;外环采用预测控制技术,将内环作为外环控制的广义预测对象,解决了大滞后问题。仿真结果表明,该控制算法具有超调量低、调节时间短、静态误差小的特点,且具有很好的抗扰能力,控制效果整体优于传统PID控制。     

隐式GPC算法在重介分选过程控制中的研究

为解决重介分选过程中重介质悬浮液密度与液位过程模型失配问题,引入隐式GPC算法对模型参数进行在线辨识,实现对重介质悬浮液的密度与液位解耦控制。仿真结果表明,针对重介分选过程模型具有大滞后、强耦合的这一特性,隐式GPC算法控制效果较好,抗干扰能力强,在模型失配的情况下,仍然保持系统的输出稳定。     

重介选煤密度液位稳定的快速调节

最大限度地稳定重介悬浮液的密度和合理控制煤介桶的液位,是保证产品灰分稳定和提高回收率,使重介旋流器工作在最佳状态的关键所在,具有显著的经济效益。该文重点论述了用STD-Z80微机总线以分段调节的方式实现两个密度稳定的闭环控制过程。     

FMC-Ⅰ型重介选煤密度自动测控装置的应用

<正> FMC-Ⅰ型重介选煤密度自动测控装置是用于重介选煤厂对悬浮液密度进行自动测量调节控制的装置。重介质选煤是依据阿基米德原理,将原煤送入重介质悬浮液中进行分选。悬浮液一般是用粒度很细的磁铁矿粉末、水和煤泥配制成悬浮状态的混合物。悬浮液密     

选煤厂旋流器重介工艺参数自动测控系统及其应用

介绍了旋流器重介工艺参数自动测控系统采用工业控制微机为控制核心 ,适时动态显示工艺参数、自动测控悬浮液密度和液位 ,进而达到稳定产品质量和提高精煤回收率的良好应用效果。     

选煤厂重介质分选智能控制系统研究

针对选煤厂重介质分选系统悬浮液液位、密度的时变性、耦合性以及非线性特点,设计基于模糊PID控制的智能控制系统,稳定悬浮液密度,实现悬浮液液位的动态平衡.根据选煤厂重介质分选系统操作经验和各输入、输出变量的理论值,设计模糊子集和论域、模糊控制规则,建立基于悬浮液液位、密度的模糊控制器,实现模糊PID控制.仿真结果表明,与...     

CMAC与PID复合控制方法在重介选煤系统中的应用研究

针对重介质选煤系统具有强耦合、非线性、多变量的特点,利用传统PID算法存在超调量大的问题,提出了一种基于CMAC与PID算法的控制方法。通过研究介质密度与介质桶液位的动态特性建立了重介选煤系统的数学模型,给出了CMAC与传统PID算法相结合的控制原理。Simulink仿真结果表明,该方法优于传统PID算法,动态性能好,稳态精度高。     

非线性优化控制算法在合成氨生产中的应用

针对合成氨生产过程控制仿真中被控参数的非线性、时变性和不确定性等特征引起的控制系统执行效率差,线性控制优化精度低等问题,提出了一种粒子群优化的非线性控制算法.首先将PID控制器控制增益与信号偏差的非线性关系进行修正,将其控制参数动态调节转化为粒子群优化问题;然后利用粒子群优化算法在控制参数的三维空间内进行非线性参数最优解搜索,得到PID控制器的最优控制参数;最后利用该非线性控制算法对合成氨生产过程控制进行仿真测试.测试表明,优化控制算法相对于传统的PID控制,具有较优的系统稳态,且阶跃响应振幅低,系统稳定性高.     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

基于粒子群算法的一种非线性PID控制器

基于PID控制器各增益参数与偏差信号之间非线性关系,分析了一种P/I/D各部分参数关于误差的理想变化过程,根据控制与误差之间的调节规律,给定一组增益参数的连续非线性函数,构造出一种非线性PID控制器。粒子群算法具有对整个参数空间进行高效并行搜索的特点,采用该算法寻优整定该非线性PID控制器的各增益参数。仿真结果表明了所提算法的有效性和所设计控制器的优越性能。     

基于粒子群算法的一种非线性PID控制器

基于PID控制器各增益参数与偏差信号之间非线性关系，分析了一种P／I／D各部分参数关于误差的理想变化过程，根据控制与误差之间的调节规律，给定一组增益参数的连续非线性函数，构造出一种非线性PID控制器。粒子群算法具有对整个参数空间进行高效并行搜索的特点，采用该算法寻优整定该非线性PID控制器的各增益参数。仿真结果表明了所提算法的有效性和所设计控制器的优越性能。     

基于NEI调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器.该控制器由提呈单元、抗体控制单元、主控单元、优化单元和辨识单元组成.提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数.仿真结果表明,相对于传统的PID控制,该智能控制器具有较好的控制性能.     

基于粒子群优化算法的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化和实用化成为其研究重点;针对船舶运动模型具有不确定性和外部扰动随机性等特点,尝试将云模型应用于船舶动力定位的控制过程中;由于云模型控制器存在参数难以整定的问题,提出了基于粒子群算法的优化设计方法;针对标准粒子群优化算法容易出现早熟收敛的问题,引入自适应粒子群优化算法;仿真研究表明云模型控制及粒子群优化的可行性和有效性。     

粒子群优化算法在神经网络控制中的应用

考虑粒子群优化算法在不确定系统的自适应控制中的应用。神经网络在不确定系统的自适应控制中起着重要作用。但传统的梯度下降法训练神经网络时收敛速度慢,容易陷入局部极小,且对网络的初始权值等参数极为敏感。为了克服这些缺点,提出了一种基于粒子群算法优化的RBF神经网络整定PID的控制策略。首先,根据粒子群算法的基本原理提出了优化得到RBF神经网络输出权、节点中心和节点基宽参数的初值的算法。其次,再利用梯度下降法对控制器参数进一步调节。将传统的神经网络控制与基于粒子群优化的神经网络控制进行了对比,结果表明,后者有更好逼近精度。以PID控制器参数整定为例,对一类非线性控制系统进行了仿真。仿真结果表明基于粒子群优化的神经网络控制具有较强的鲁棒性和自适应能力。     

基于模糊PID控制的选煤自动控制技术研究

选煤自动控制过程中介质的流动稳定性会直接影响液位和密度的测量精度，导致选煤自动控制的精度较差。为了提升油位、密度和灰分含量控制效果，提高选煤的质量，提出基于模糊PID控制的选煤自动控制技术。首先，采用PLC技术设计了选煤生产线架构，分析了选煤生产线的物理特性和信息输出特性；其次，建立选煤系统的数学模型，分析煤炭质量效果与介质液位与密度之间的关系；最后，设计了模糊PID控制器，将介质液位与密度的误差以及误差变化率输入模糊PID控制器中，实现选煤的自动控制。实验结果表明，所提方法可有效控制介质的液位与密度，输出的煤炭灰分含量为设定的最优值，具有良好的控制效果。     

PSONN在可编程控制系统PID参数优化中的应用

研究可编程控制系统优化问题,可编程控制系统具有非线性、时变性等特点,传统PID控制器优化方法难以建立精确的数学模型,使得系统参数设定困难,导致可编程控制系统的控制效果不理想。为了解决传统的PID算法所带来的问题,利用RBF神经网络非线性、自学习能力,提出一种基于粒子群神经网络的PID参数优化算法。将粒子群和神经网络相结合,形成了一种智能控制算法,并将应用于可编程控制系统。测试结果表明,粒子群神经网络提高了PID控制参数优化速度,提高了可编程控制系统可靠性和鲁棒性,具有一定的理论和实用价值。