混合选别浓密过程双速率智能切换控制

赤铁矿混合选别浓密过程是以底流矿浆泵频率为输入,以底流矿浆流量为内环输出,以底流矿浆浓度为外环输出的强非线性串级工业过程.由于受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰,底流矿浆浓度外环和流量内环始终处于动态变化之中,控制器积分作用失效,内外环相互影响,使被控系统的动态性能变坏,底流矿浆浓度与流量超出工艺规定的控制目标的范围,甚至产生谐振.本文针对上述问题利用提升技术建立基于内环流量闭环动态模型的浓度外环动态模型,将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合,提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法,建立了由机理主模型和神经网络补偿模型组成的混合选别浓密过程动态模型.所提算法通过混合选别浓密过程的半实物仿真实验结果表明本文所提控制方法的有效性.

无线网络环境下数据驱动混合选别浓密过程双率控制方法

无线网络环境下赤铁矿混合选别浓密过程控制问题是以底流矿浆泵频率为内环输入,以底流矿浆流量为内环输出外环输入,以底流矿浆浓度为外环输出的非线性串级工业过程控制问题.其外环反馈回路存在丢包,且模型参数难以辨识,故本文利用工业运行过程的在线数据,设计不依赖模型参数的跟踪控制器.首先,利用浓密过程运行在工作点附近的特点进行线性化,对流量过程设计Q-学习控制器,保证流量过程能够跟踪给定的流量设定值;然后采用提升技术,得到统一时间尺度的以底流矿浆流量设定值为输入,以底流矿浆浓度为输出的被控对象;最后,考虑到在无线网络环境下浓度过程存在反馈丢包,当前的状态可能无法获得,故采用史密斯预估器的思想,利用历史的数据估计系统当前的状态,设计丢包Q-学习设定值控制器为流量过程提供最优设定值.通过仿真实验验证所提算法的有效性.

选矿浓密过程优化控制技术研究

浓密过程控制具有复杂性,受不同条件限制,典型的控制方法往往达不到理想的控制效果。针对以上问题和浓密过程生产特点,本文研究的浓密过程优化控制分别从设备、生产和控制等三个层面整体实施,对浓密过程优化控制研究包括浓密机运行安全监测、浓密机内部状态预测和浓密机底流优化控制策略,工业应用效果良好,满足生产要求。

浓密脱水过程智能控制系统设计与应用

为了解决浓密机底流浓度不稳定,浓密及压滤设备台效低的生产操作问题,本文设计并开发了包括浓密机底流浓度关键运行参数软测量、浓密机生产过程动态监测及浓密机底流放矿的自动控制在内的浓密脱水过程智能控制系统。该套系统在兼顾浓密脱水过程安全生产的同时,通过稳定并适当提高浓密机底流浓度来提高设备运转效率。通过在国内某大型铜矿精矿浓密脱水流程的应用,验证了该套智能控制系统的有效性。

选矿过程自动化系统

针对排山楼金矿选矿生产过程中存在的复杂工业过程具有强耦合、非线性参数时变特点 ,提出了针对磨矿、浓密过程的智能控制技术 ,实现了选矿生产过程的优化控制、优化运行 。

基于混合整数线性规划的浓密脱水过程协调优化

浓密脱水过程是有色金属选冶领域重要的固液分离工序.但由于该过程关键变量难以在线检测、生产设备间相互耦合以及人工经验操作等问题,导致其能耗较高、过程安全性难以保证.对此,以浓密脱水过程为背景,构建一种基于混合整数线性规划的协调优化模型.利用工业现场的历史数据,建立底流浓度预测模型以及底流泵与压滤泵运行时间预测模型;在考虑阶梯电价的条件下,以最小化生产过程能耗为目标,以生产工艺条件、设备安全等为约束条件,建立浓密脱水过程的协调优化模型;通过引入辅助决策变量,对优化模型进行线性化处理,将复杂的非线性过程问题转化为更易于求解的混合整数线性规划问题.最后,将所提出的方法应用于某选矿厂的浓密脱水过程,结果显示,平均放矿底流浓度可以提高13.5%,能耗经济指标降低46.8%.

基于D-S融合的混合专家知识系统故障诊断方法

复杂流程工业过程知识类型多样且含有多种不确定性,针对这些问题提出一种基于D-S融合的混合知识系统故障诊断方法.根据可利用信息的类型建立不同的专家知识系统并进行不确定性推理.通过分析当前信息的数据特点,自适应分配不同专家知识系统可靠性权重,通过权重D-S证据理论融合各专家知识系统的结论.这种方法不仅使用了专家的知识和经验,而且结合了生产过程积累的大量数据信息,提高了信息的利用率.通过融合多个专家知识系统的结论,提高了不确定性系统故障诊断的正确率.将该方法应用于某湿法冶金浓密过程故障诊断,取得了良好的诊断效果.