基于参量预报的磁选管回收率智能优化控制

竖炉焙烧过程的关键工艺指标磁选管回收率难以实时测量,因而实现优化控制很困难.将优化设定、参量预报与回路控制技术相结合,提出一种磁选管回收率的智能优化控制方法.基于案例推理的优化设定模型根据工况的变化和磁选管回收率的实时预报值给出基础控制回路的设定值,并通过先进的控制方法实现回路的稳定控制.该方法应用于竖炉焙烧过程的生产实际,使磁选管回收率的实际值保持在其目标值范围内,取得显著应用成效.

磁选管回收率智能混合预报方法

针对衡量竖炉焙烧过程焙烧矿质量好坏的关键工艺指标磁选管回收率难以在线测量、化验结果滞后的难题,采用神经网络、案例推理和专家系统技术,提出了由神经网络预报模型、案例推理预报模型、自校正模型组成的磁选管回收率智能混合预报模型,讨论了模型的结构、主要功能和实现算法,并成功应用于赤铁矿选矿厂竖炉焙烧过程.应用效果表明,在工况正常与异常两种情况下,所提出的方法均能准确预报磁选管回收率.将磁选管回收率预报模型应用于竖炉焙烧过程的优化控制,使磁选管回收率保持在最优工艺指标范围之内,取得了明显的成效.*

竖炉焙烧过程生产质量监控系统

针对竖炉焙烧过程的质量指标磁选管回收率难以实时在线测量问题,基于RBF神经网络与专家系统提出了由磁选管回收率预报模型和生产质量诊断模型构成的竖炉焙烧质量监控系统.经过现场检验,该系统能够准确实时地预报磁选管回收率,并能够对生产质量进行诊断,提出合理的参数调整方法以避免不合格产品的出现.磁选管回收率提高2%,产品合格率提高了50%,有效地保证了竖炉焙烧过程的生产质量.

竖炉焙烧磁选管回收率智能预报模型

针对竖炉焙烧过程衡量焙烧矿质量好坏的磁选管回收率化验滞后和难以建立其机理模型的问题,基于智能技术提出了由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的磁选管回收率智能预报模型.介绍了模型的结构及各个模块的主要功能,并将建立的智能预报模型用于竖炉焙烧过程的优化控制与决策之中,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础,并且其维护费用低,实时性好,可靠性及精度高,取得了明显的成效.