PID参数先进整定方法综述

PID控制是过程控制中应用最广泛的控制方法.文中综述了PID参数先进整定方法 及近年来在此方面得到的最新研究成果,并对将来的发展进行了展望.     

复杂生产过程计划调度级联模型在选矿MES中的应用研究

针对大型选矿生产线运行和管理特点,分析了选矿企业生产成本、原矿处理量、精矿品位、金属回收率等综合生产指标在计划层、执行层和控制层间的交互关系;说明了选矿企业计划调度主要特征是将综合指标逐层分解优化为日生产线指标的思想;建立了在保证产品质量合格前提下总成本最小为目标和在保证合理精矿品位的前提下,以减小精矿库存、最大限度地满足设备生产能力为目标的计划与调度两阶段级联优化模型;提出了决策选矿生产线日原矿处理量和精矿品位与尾矿品位等生产指标的生产计划调度优化方法,并应用于某选矿企业制造执行系统(Manufacturing execution system, MES),取得显著应用成效.     

基于状态估计的摩擦模糊建模与鲁棒自适应控制

针对一类多自由度机械系统, 研究了基于状态估计的摩擦模糊建模与鲁棒自适应控制问题. 提出用模糊状态估计器估计摩擦模型中的不可测变量, 并用严格正实和李雅普诺夫稳定性理论证明了状态估计误差的一致最终有界性. 运用模糊状态估计结果设计了多变量鲁棒自适应控制器, 其中摩擦模糊模型中的自适应参数是基于李雅普诺夫稳定性理论设计的, 并证明了闭环系统跟踪误差的一致最终有界性. 本文对多自由度质量、弹簧和摩擦阻尼系统进行的仿真, 结果表明所提出的状态估计算法和自适应控制策略是有效的.     

规则与数据驱动的层流冷却过程带钢卷取温度模型

针对现有层流冷却过程带钢温度模型缺乏换热系数、带钢定位、带钢卷取温度计算的有效方法这一问题,提出了由冷却单元阀门开闭状态模型、带钢冷却单元定位模型、不同换热方式下的带钢温度模型组成的带钢卷取温度动态模型,将案例推理、规则推理、 神经网络等相结合,提出了规则与数据驱动的模型参数智能辨识方法.采用某钢厂实际生产运行数据对所提出的带钢卷取温度动态模型进行了实验研究,实验结果表明本文提出的方法能够有效提高带钢卷取温度模型的精度.     

钢铁企业生产成本控制技术综述

在分析钢铁企业成本控制的特点基础上，强调了生产成本控制对于提高钢铁企业市场竞争力的重要作用，总结了钢铁企业生产成本控制的模型和方法，介绍了国内外钢铁企业成本控制技术及成本软件研发情况，并预测了未来钢铁企业生产成本控制的发展趋势及方向。     

生料浆配料过程的优化设定软件

在生料浆配料过程中,磨机负荷是与生产效率和能源消耗密切相关的重要指标,生料浆的钙比、碱比和水分是重要的质量指标,实现磨机负荷及生料浆各项质量指标的优化控制的关键是确定出合理的赤泥浆、碱粉、各台磨机的混矿、石灰石、碱赤泥浆流量控制回路的设定值。设计并开发了生料浆配料过程的优化设定软件,详细介绍了该软件的结构、功能、程序流程图及实现画面等。优化设定软件可以根据工况的变化自动调整各种流量控制回路的设定值,从而提高了配料过程的产品质量和生产效率,并节能降耗,取得了显著的应用效果。     

钕铁硼企业生产工单组炉的最佳优先和变邻域搜索算法

钕铁硼生产企业的生产工单组炉问题是企业生产组织面临的首要问题,组炉结果的好坏直接影响企业的生产效率。本文基于生产工单组炉的实际需求,建立了组炉的目标、面临的约束和相应决策变量的数学模型。针对生产工单组炉的具体问题,提出了基于最佳优先和变邻域搜索的生产工单组炉算法。该算法有3个组成部分,分别是确定生产工单组炉顺序的多层快速排序算法,生产工单组炉的最佳优先和变邻域搜索算法,不同牌号库存备料生产的规则的启发式算法。采用本文的算法,针对20个甩带生产工单的组炉问题,生产工单组炉的交货期偏差、各订单加工的优先级偏差和不同订单的牌号偏差和由58降低到42,下降率为27.59%;牌号的备料达标率由4个上升为6个,提高率为50%。通过对40个生产工单的组炉结果与人工组炉结果的对比,发现组炉结果减少2个炉次。将本文算法与改进的离散粒子群算法,和声变邻域搜索算法和自适应变邻域搜索算法的对比分析,也表明了本文算法的有效性,证明了所建立数学模型的正确性。     

加热炉氧闭环控制策略的研究

采用最小二乘法建立了加热炉的氧闭环控制模型,并用单神经元自适应ＰＩＤ控制器对氧浓度的偏差进行调节,增加了氧闭环控制的鲁棒性和自适应性,实现最优控制。结果表明,在加热炉传统的燃烧控制中加入氧闭环控制后,节约了大量的燃料     

棒材连轧机立式活套的调试与控制

分析了立式活套的力学原理并给出了调试原则,介绍了挑套辊的气动回路和活套高度的测量方法,说明了活套控制过程的各个阶段。     

基于遗传算法的磨矿粒度神经网络软测量

磨矿过程的粒度是直接关系到选矿生产精矿品位和金属回收率的重要指标，粒度的在线检测对磨矿过程的优化控制、提高精矿品位和金属回收率具有重要意义。但是，现有的粒度测量仪表检测周期长、价格昂贵、维护困难，难以实现在线测量。本文结合典型两段磨矿回路的特点，采用多输入层神经网络和遗传算法相结合的方法，提出了采用实数编码遗传算法训练多输入层神经网络的混合算法，建立了磨矿粒度的神经网络软测量模型，并通过现场数据验证和实际应用验证了本文方法的有效性。