基于模糊神经网络的重介质悬浮液的密度和液位的控制

针对在重介质选煤过程中存在着时变、非线性和强耦合的控制环节,传统的控制策略并不能很好的对其进行控制的问题,采用了模糊神经网络控制算法,建立了重介质选煤过程的控制模型,该模型主要由模糊神经控制器控制主选分流执行阀和加介分流执行阀和清水阀来完成重介质选煤控制,对该控制策略进行工业试验,结果表明,对于重介质悬浮液密度和合格介质桶的液位的控制,采用模糊神经网络控制策略精度高,响应速度较快,可满足生产工艺的控制要求。

基于模糊控制理论的重介质选煤过程控制

针对重介质选煤过程存在的时变、非线性和强耦合等特征,采用模糊控制理论,建立了重介质选煤过程控制模型,该模型由模态识别器和3个模糊控制器组成,协同调节主选分流阀、加介阀和清水阀。侧重描述了模糊控制模型的结构原理、模态识别器和模糊控制的实现方法,并进行了工业运行试验。结果表明:对于介质悬浮液密度和介质桶的液位,采用模糊控制算法,其控制精度较高,响应速度较快,可满足生产工艺的控制要求。

重介质选煤过程先进控制:研究进展及展望

基于传统控制方法的重介质选煤过程自动控制存在能耗高、灰分含量波动大等问题,而先进控制能够改善过程动态性能,使系统运行接近最优状态。首先介绍了重介质选煤工艺流程,分析了重介质选煤过程的多时间尺度、多速率特性,并基于重介质选煤过程强非线性、多变量耦合、时变性、多干扰等因素,分析了重介质选煤过程先进控制在数学建模、运行指标跟踪控制、稳定性、关键参量精确感知等方面的难点;然后从重介质选煤过程建模、重介质悬浮液密度控制、精煤灰分控制等方面,综述了重介质选煤过程先进控制的研究进展;最后展望了重介质选煤过程先进控制未来的研究方向:基于大数据的重介质选煤可视化平台建设,面向重介质选煤过程的知识和数据混合驱动的智能优化与控制,产品质量与效率预测方法研究,重介质选煤虚拟实验平台搭建。

重介质分选过程的多模型切换自适应控制

目前重介质分选由于过程复杂、且生产过程干扰较大,具有强非线性等特点。因此,重介质分选过程的自适应控制成为生产提质增效的关键。针对重介质分选密度回路和重介质分选过程的非线性特点,提出了一种多模型切换自适应控制方法。该方法首先采用随机向量函数链接网络(RVFLN)估计系统未建模动态项,并设计了线性和非线性自适应控制器,在此基础上,设计了切换机制,使两种控制器切换作用,提高了系统控制性能,提升控制精度,进而增加选煤厂的经济效益。最后采用万利一矿选煤厂的实际运行数据对重介质分选密度回路进行了仿真实验,验证了该方法的有效性。

重介选煤厂自动化控制系统

介绍了重介选煤厂实现全自动控制的系统原理及所能实现的各项功能。