基于FGCN的针铁矿沉铁过程建模

针铁矿沉铁过程是由多个连续反应器级联,并且包含氧化反应、还原反应以及中和反应等一系列复杂化学反应的复杂过程,具有强非线性、不确定性的特点,难以建立精确的数学模型。提出一种基于模糊灰色认知网络（fuzzy gray cognitive network,FGCN）的针铁矿沉铁过程的建模方法。根据专家经验和历史数据,建立针铁矿沉铁系统的模糊灰色认知网络模型,利用带终端约束的非线性Hebbian学习算法（nonlinear Hebbian learning,NHL）对权值进行学习。在不同程度的不确定性环境下对系统进行分析,结果表明模糊灰色认知网络能够在不确定性高的环境下对复杂工业系统进行有效模拟,收敛到一个灰度为零或者灰度很小的灰数平衡点,利用白化函数得到一个准确的控制输出。     

多反应器级联的沉铁过程pH优化控制

针对沉铁过程多反应器级联、离子浓度检测滞后及工况变化频繁导致pH优化控制困难的问题,提出了一种基于多反应器级联的沉铁过程pH优化控制方法。该方法基于入口工况划分与氧气变化量预设定各个级联反应器的pH,并针对影响焙砂添加量的两个主要因素:pH和亚铁离子浓度,建立了基于沉铁过程化学反应机理和物料平衡的焙砂添加量模型;考虑到沉铁过程机理复杂及离子浓度检测滞后影响焙砂的准确添加,引入了氧化还原电位(oxidation-reduction potential,ORP),并提出一种基于ORP和pH变化量的焙砂模糊修正模型。仿真结果证明了该方法的有效性,为针铁矿法沉铁过程的稳定运行创造了条件。     

多反应器级联的沉铁过程pH优化控制

针对沉铁过程多反应器级联、离子浓度检测滞后及工况变化频繁导致pH优化控制困难的问题,提出了一种基于多反应器级联的沉铁过程pH优化控制方法。该方法基于入口工况划分与氧气变化量预设定各个级联反应器的pH,并针对影响焙砂添加量的两个主要因素：pH和亚铁离子浓度,建立了基于沉铁过程化学反应机理和物料平衡的焙砂添加量模型;考虑到沉铁过程机理复杂及离子浓度检测滞后影响焙砂的准确添加,引入了氧化还原电位（oxidation-reduction potential,ORP）,并提出一种基于ORP和pH变化量的焙砂模糊修正模型。仿真结果证明了该方法的有效性,为针铁矿法沉铁过程的稳定运行创造了条件。     

基于参数自整定模糊控制器的沉铁过程pH值稳定控制

针对沉铁过程存在的非线性、强耦合导致溶液pH值难以稳定控制的问题,分析了沉铁过程的工艺及其反应动力学机理。研究了锌焙砂添加量与pH值之间的关系,并根据工艺对pH值的要求,计算沉铁过程所需添加的焙砂量。在此基础上,采用参数自整定模糊控制器对锌焙砂添加量进行补偿调节,从而实现pH值的稳定控制。仿真结果表明：所提出的参数自整定模糊控制器效果良好,为沉铁过程pH值的稳定控制提供了一种切实可行的方法。     

模糊神经网络在CO_2汽提塔液位预测中的研究

二氧化碳汽提塔液位系统是一个复杂非线性过程,本文基于一种新型复合型模糊神经网络,对该液位系统的建模和预测进行了研究。仿真实验表明,该网络在复杂非线性过程中具有较好的性能,为实现模糊神经网络在化工生产过程中的应用提供了思路和方法。     

剪切强化针铁矿沉铁过程晶体生长规律研究

采用X射线衍射光谱(XRD)、扫描电子显微镜(SEM)、电感耦合等离子发射光谱法(ICP)等分析方法,考察了ZnSO4-FeSO4体系下剪切强化针铁矿法除铁,在均相成核、异相成核过程中针铁矿渣的晶型结构、微观形貌、元素赋存的变化规律,并于真实溶液中验证剪切强化针铁矿法除铁的规律性。结果表明,剪切强化均相成核,沉铁渣初期无明显的针铁矿晶体特征,均为类圆球状的无定形晶核,渣中铁品位、锌含量波动大,分别由前期43.13wt%和4.57wt%增至57.76wt%和6.12wt%。模拟溶液中,异相成核初期以晶种的二次长大的方式为主,有效避免大量无定形相产生,相比均相成核晶体尺寸更大、结晶度更高,且最终沉铁渣铁品位为58.65wt%,锌含量为5.60wt%。相比模拟溶液,性质复杂的真实溶液针铁矿晶体生长发育更难控制,但能确保以针铁矿晶体析出,且沉铁渣中铁、锌含量分别控制在57.63wt%和5.90wt%。采用工业氧化锌烟尘作为中和剂,得到最终的沉铁渣含铁52.59wt%、含锌6.93wt%。本研究为针铁矿法在工业中的应用与成核方式的选择进一步提供了理论依据。     

锌冶炼渣浸出模拟液铁沉降试验研究

实验研究了不同反应条件的铁沉降效率及锌、镉损失率。结果表明,氧气做氧化剂pH为3.0~3.5时,反应7 h后,铁沉降效率不高,仅达到34%,锌、镉损失率随反应时间的增加而增加。铁沉降效率随pH及温度的升高而增大,SEM和XRD分析表明,pH为3.0时的沉铁渣中主要成分是针铁矿。     

一种基于数据驱动的模糊系统建模方法

针对工业生产中的一些复杂、非线性模糊系统,传统的建模方法很难描述其特性,而在实际生产中存在大量输入输出数据,提出了一种通用的基于数据驱动的模糊系统建模方法.采用减法聚类和模糊C-均值相结合的模糊聚类算法对输入空间进行划分,进而从输入输出采样数据中提取系统模糊规则,这样使得被辨识模型可用若干局部线性模型表示,然后利用递推最小二乘法对后件参数进行辨识,从而建立了非线性系统的T-S模糊模型.最后,应用该方法对一个非线性系统进行辨识,仿真结果验证了所提方法的有效性.     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。     

基于时延挖掘模糊时间认知图的化工过程多变量时序预测方法

模糊认知图(fuzzy cognitive maps, FCM）作为一种复杂系统的建模工具,能够对系统的非线性和不确定性进行处理。由于工业过程变量间往往存在着时间延迟,传统的FCM模型难以处理这类多变量的时间序列数据,建立的预测模型往往不能反映系统内各变量真实的因果关系,从而导致预测结果的解释性差、准确度低等问题。为此,提出了一种时延挖掘模糊时间认知图(time-delay-mining fuzzy time cognitive maps, TM-FTCM),它使用互相关函数(cross-correlation function,CCF)从数据中挖掘时延信息,并通过在推理机制中添加自我影响因子和偏置及优化转换函数等参数,有效地解决了由于工业过程变量间的时延导致的预测模型不准确等问题。通过数值仿真实例及实际化工过程数据,验证了所提方法的有效性。     

基于智能融合策略的冰铜品位预测模型

针对铜闪速熔炼过程中冰铜品位检测的重要性,根据多相多组分数学模型建立冰铜品位的机理模型;同时该过程具有大滞后、非线性等复杂特性,利用现场的大量生产数据建立模糊神经网络模型,并提出一种新的网络参数学习的受约束梯度下降算法,提高其参数学习效率.基于模糊逻辑的智能协调器根据实际生产条件融合两种模型的输出作为预测结果.工业数据验证表明,智能融合模型比单一模型更能有效地实现冰铜品位的准确预测,为铜闪速熔炼过程的优化控制提供有力的指导.     

多级模糊模式识别法在通风系统方案优选中的应用

针对复杂的矿井通风系统,从解决矿山实际问题的角度提出若干优化方案,但是由于通风系统的不确定性,很难从技术可行的优化方案中选择更为经济、合理的方案,因此本文在数值模拟的基础上建立模糊综合评价模型,对模糊评价指标进行量化,采用多级模糊模式识别法确定最优相对隶属度矩阵,并利用级别特征值对样本进行分级,在技术可行的若干优化方案中,从矿山安全和经济两个方面对通风系统的优化方案进行综合评价,确定最优的评价方案。以安徽某铁矿矿井通风系统改造方案的优选为例进行验证,其优选结果证明该方法量化程度高、准确可靠、实用性强,为企业管理者的决策提供了指导。     

基于模糊PID与BP网络的复合加药控制系统研究

水处理投药过程是一个典型的工业过程控制对象,具有时变,非线性和滞后等显著特点。本文基于水处理混凝加药过程的工艺特点与控制要求,提出了一种具有前馈-反馈结构的复合加药控制方法。结合BP神经网络的自学习与非线性逼近能力和模糊PID控制解决不确定性及时变等问题的特点,通过从水处理现场采集到的多组数据,建立了复合加药控制模型,并利用Matlab/Simulink对系统进行了仿真,从而验证了该方案的可行性,进一步为本控制方案在水处理过程中的具体实现打下了良好的基础。     

复杂反应的代数分析建模方法

反应器的设计通常只能以实验室实验数据或者经验规则作为标准,特别是对于复杂的化学反应。由于缺少一个合适的模型进行模拟、预测,很难确定该反应系统的最优条件,导致生产成本增高或者理想产物产量降低。为实现反应系统的优化,需要建立一个能够准确模拟、预测反应系统的模型。介绍了一种确定可行反应网络的代数分析建模方法,从原子层面出发探究复杂反应中所涉及的物质之间的关系,基于原子矩阵的转换寻找所有可行的反应步骤,建立可行的反应网络。通过Aspen Plus建立反应模型,模拟分析选择最适合的复杂反应系统的模型。分析结果与模型指导下的实验相结合,可达到对复杂反应系统进行优化设计、模拟预测乃至控制反应进行方向的目的。根据该建模方法对煤汽化反应系统进行了优化。     

复杂反应的代数分析建模方法

反应器的设计通常只能以实验室实验数据或者经验规则作为标准,特别是对于复杂的化学反应。由于缺少一个合适的模型进行模拟、预测,很难确定该反应系统的最优条件,导致生产成本增高或者理想产物产量降低。为实现反应系统的优化,需要建立一个能够准确模拟、预测反应系统的模型。介绍了一种确定可行反应网络的代数分析建模方法,从原子层面出发探究复杂反应中所涉及的物质之间的关系,基于原子矩阵的转换寻找所有可行的反应步骤,建立可行的反应网络。通过Aspen Plus建立反应模型,模拟分析选择最适合的复杂反应系统的模型。分析结果与模型指导下的实验相结合,可达到对复杂反应系统进行优化设计、模拟预测乃至控制反应进行方向的目的。根据该建模方法对煤汽化反应系统进行了优化。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network, AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

改进粒子群模糊控制算法在注塑机电液比例控制系统的应用

针对精密注塑机对注塑闭环控制效果要求较高的问题,依据流体学传动原理阐述了数学模型,该模型以伺服比例阀为核心控制元件,因为系统的非线性与熔融负载的不确定性,利用模糊算法最终确定了系统的非线性微分方程。引入粒子群算法改进模糊控制算法的隶属度函数与模糊规则,对注塑过程的电液比例控制系统的参数进行优化,通过对系统的Matlab仿真,有效地验证了算法的有效性,大大提高了系统的鲁棒性和灵敏性。     

智能选煤的探讨与分析

针对跳汰选煤过程受多种非线性因素的制约,不能稳定精煤灰分这一现象。利用模糊优选BP神经网络从非线性角度对跳汰选煤及其影响因素进行了理论分析,并通过老虎台选煤厂现场资料对智能网络进行训练、学习和预测和精煤快灰的稳定性分析。结果符合试验要求,成功地实现了利用模糊优选BP神经网络进行智能化选煤。     

基于自适应神经模糊推理系统的磁悬浮电动机控制

磁悬浮电动机是一个非线性、强耦合的复杂系统,阐述了它的工作原理并建立了数学模型,为使该系统具有良好的动态性能和稳定性,采用逆系统方法解耦线性化,然后以解耦后的伪线性子系统为对象,设计了神经模糊PID控制器,该控制器利用PID算法实现控制的准确性,利用模糊控制的逻辑能力和神经网络的自学习能力来提高控制的快速性和自适应性.仿真结果表明,采用神经模糊PID控制响应快、无超调、过渡时间短,实现了预期目的.