基于RBF神经网络的转炉炼钢终点预报

转炉炼钢终点温度和成分是转炉炼钢的控制目标, 它与吹氧量、铁水加入量等多个变量之间存在着严重的非线性关系, 且无法在线连续测量。作者提出了基于ＲＢＦ 神经网络的转炉炼钢终点温度及碳含量预报模型, 并结合某钢铁企业一座１８０ｔ 转炉的实际数据进行模型验证研究。结果表明, 该方法收敛速度快, 预报精度高。     

层流冷却过程喷水系统的智能设定方法

针对热轧层流冷却过程具有强非线性、分布参数和时变等综合复杂特性,提出了基于案例推理技术的层流冷却过程喷水系统的智能设定方法.层流冷却过程的典型工况及喷水系统设定值以案例的形式存于案例库,对于待冷却的带钢,根据当前的工况描述特征在案例库中检索匹配的历史案例,经推理完成当前工况下喷水控制系统的设定.采用某钢铁公司热轧层流冷却生产过程的实际数据进行仿真实验,结果表明所提出的智能设定方法在工况变化时是有效的.     

机器人关节摩擦的自适应模糊补偿建模与控制

采用自适应模糊系统在线逼近摩擦模型并将模型辨识结果作为控制算法的补偿项，在控制方法上，采用了基于自适应模糊补偿的PD算法。在系统证明上，从李雅普诺夫函数中导出了自适应参数并且分析了闭环系统跟踪误差的有界性。在算法实现上，利用Matlab对文中的方法及证明的有效性进行了验证。     

模糊串级控制及其在精炼炉吹氩系统中应用

提出了通过模糊串级控制实现氩气最佳流量高定的新方法，并通过电极位置变化采用归一ＦＵＺＺＹ量化方法，实现主控制对象的的前馈补尝，通过试验证明该方法在整精炼明都能保证氩气流量的优化控制，为生产高质量的钢材提供了必要保证。     

一种直接多变量自适应解耦控制算法

本文将广义最小方差控制策略和前馈控制策略结合进来,提出了解耦控制器并讨论了如何采用修改最小二乘辨识算法和直接方案对具有任意延时结构的一般随机多变量系统实现自适应解耦控制,本文还证明了所提出的自适应算法即使用于开环不稳定或非最小相位系统也具有整体稳定性和收敛性。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

基于Gabor滤波器和潜在语义分析的烧成状态识别

采用Gabor滤波器预处理与潜在语义分析相结合的方法,对回转窑烧成带火焰图像的烧成状态进行了更为准确的识别,避免了基于图像分割技术带来的不精确特征提取和较差的识别结果.基于所构建的压缩Gabor滤波器组对火焰图像进行预处理,增强具有不同纹理特性的特征区域的可分性以有利于后续的特征提取和状态识别步骤.对预处理后的火焰图像采用改进的潜在语义分析提取特征向量进行状态识别,以降低特征维数并避免零频问题.实验结果表明：直接从火焰图像中提取特征进行状态识别的方法是可行的,并且识别的效果较未采用Gabor滤波器预处理、传统潜在语义分析、烧成带温度和图像分割等方法的效果更优.     

基于模糊预测的自适应控制方法及应用

针对带有时滞、不确定性的工业过程 ,提出了一种基于模糊预测的无辨识自适应控制方法。这种方法不需要过程的数学模型 ,只要在线检测过程的实际输出和期望输出 ,通过模糊预测控制校正无辨识自适应控制律 ,即可以对时滞、建模困难的工业过程实现自适应控制。采用这种控制方法对冷轧过程中局部板形缺陷进行控制 ,取得了理想的控制效果。     

浮选药剂智能优化设定控制方法的研究

针对浮选过程精矿品位和尾矿品位与浮选药剂之间具有强非线性、不确定性,难以用精确数学模型来描述,常规控制方法难以给出药剂量优化设定值的难题,将建模与控制相结合,提出了浮选药剂智能优化设定控制方法.该方法将基于案例推理的单位药剂预设定模型、基于规则推理的反馈补偿模型有机集成,在工况发生变化时,能够自动调整浮选药剂量设定值,实现浮选药剂的优化控制.该方法已在某选矿厂浮选过程中成功应用,稳定了精矿品位和尾矿品位,降低了浮选药剂消耗,取得了显著的应用效果.