王春生[1]2008年在《铅锌烧结配料过程的智能集成建模与优化控制策略研究》文中指出密闭鼓风烧结是铅锌冶炼ISP工艺中的一个重要流程,配料过程作为其首道工序,直接影响到铅锌烧结生产的成本、质量产量和能源消耗。目前,铅锌烧结配料过程作为稳定和优化生产的首要环节,其作用尚未得到充分发挥,存在着配料准确率和经济性不高的问题。同时由于铅锌烧结配料过程控制水平较低,导致了生产成本高、烧结块质量差、产量低,一方面造成了能源浪费,另一方面造成了环境污染。针对上述问题,本文主要围绕铅锌烧结配料过程智能集成建模与优化控制策略开展研究,取得的研究成果主要包括以下五个方面:(1)烧结块成分智能集成预测模型针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和灰色系统理论的烧结块成分智能集成预测模型。该模型首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的优点,分别对铅锌烧结块成分进行预测,然后从信息论的观点出发,提出一种熵值方法,重新定义预测误差序列的变异程度,从而获得各个预测模型的加权系数,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果。结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求。(2)烧结返粉量智能集成预测模型针对烧结返粉量变化趋势复杂,受多个因素影响,难以用单一预测模型进行有效预测的问题,提出一种基于改进灰色系统和支持向量机的智能集成预测模型。首先利用改进灰色系统和支持向量机两个单一预测模型分别对烧结返粉量进行预测;然后基于预测精度的数学期望和标准差,以其数学期望最大化和标准差最小化为目标函数,通过求取最优加权系数,建立烧结返粉量智能集成预测模型进行返粉量预测。结果表明,该集成预测模型能够获得更高的的预测精度,能有效地对返粉量进行预测,预测结果为确定烧结返粉配比提供了数据支持。(3)一次配料定性定量智能集成优化算法针对传统配料方法中存在的成本高和准确率低的问题,提出一种定性定量智能集成优化算法。在对烧结主要原料特性和经济性进行分析以及建立烧结块成分集成预测模型的基础上,首先以成本最小为目标建立烧结配料优化模型,分别采用专家推理策略和免疫遗传算法对烧结配料进行优化;然后,在对免疫遗传算法进行改进的基础上,从系统论的观点出发,采用定性定量综合集成方法,把过程神经网络技术、灰色系统理论与专家推理策略、改进免疫遗传算法有机结合,实现了烧结配料的进一步优化,提高了配料的准确率,降低了烧结成本,取得了可观的经济效益。(4)基于烧结工况综合评价的二次配料智能优化策略在对烧结生产全流程各参数间关系进行分析的基础上,提出了基于烧结工况综合评价的二次配料智能优化策略,建立了烧结生产工况综合评价模型,并提出了基于聚类分析的操作参数匹配优化算法。首先,通过建立烧结返粉量、烧结块含铅量、含锌量以及含硫量预测模型,将这些模型的输出作为烧结生产工况优劣的综合评价因素,利用烧结生产工况综合评价模型,采用模糊综合评价法,实现对烧结生产工况的综合评价;其次,根据对烧结生产工况综合评价的结果,在利用加权模糊C均值聚类算法对优化样本数据集进行聚类的基础上,通过操作参数匹配优化算法,获得二次配料过程具体的操作参数优化值,作为实现二次配料过程过程优化控制的操作指导。结果表明:该方法可显着改善工况波动,减少了由于操作盲目性造成的生产工况不稳定,进而提高了烧结块的产量和质量。(5)烧结配料过程智能集成控制策略由于烧结配料过程中的物料流量受许多不确定因素的影响而波动很大,具有很强的非线性和大滞后等特性,难以建立确切的数学模型,其控制问题很难用传统的控制理论和方法解决。为了提高配料的准确度和稳定性,结合模糊控制和PID控制的特点,提出一种基于加权因子的烧结配料模糊自适应PID智能集成控制策略,分别设计了模糊控制器和自适应PID控制器。利用加权因子将模糊控制器的输出和自适应PID控制器的输出进行加权集成,使得控制器在误差较大时,主要由模糊控制器起作用,具有较快的响应能力;而在误差较小时主要由自适应PID控制器起作用,具有较高的控制精度,实现了模糊控制器和自适应PID控制器输出的连续平滑切换。
段平, 吴敏, 徐辰华[2]2007年在《基于多目标智能优化的铅锌烧结生产全流程协调控制》文中认为针对铅锌烧结过程具有关联复杂、多目标多约束的特点,首先集成主成分分析、神经网络、灰色关联分析等多种方法,建立烧结矿产量指标和质量指标与工艺参数、操作参数之间的关系模型,得到烧结生产全流程协调优化控制的目标函数,然后采用多目标协调进化算法获得最优的操作参数,并设计模糊专家协调控制器进行协调和推理,给出操作优化指导。基于多目标智能优化的铅锌烧结生产全流程协调控制技术具有高效性和实用性,实现了高产、优质的综合生产目标,取得了较好的工业控制效果。
彭亮[3]2012年在《铅锌烧结给料过程的神经内模控制》文中提出烧结是铅锌冶炼工艺的重要环节,是将不同成分的原料、燃料和溶剂等按一定比例混合配料形成烧结混合矿。烧结的基本要求是给料准确,即按照计算所确定的配比,连续稳定地给料,把实际下料量的波动值控制在允许的范围内,避免引起烧结矿强度与还原性发生变化。基于烧结给料过程的现场工艺详细分析及模型研究,建立了给料对象的传递函数。由于烧结给料过程的固有特性以及受到现场许多不确定因素的影响,决定了烧结给料过程具有非线性大时滞、模型参数变化的特点。针对这些特点,提出了神经内模控制器,它具备对偶稳定性、理想控制器和零稳态偏差特性,可以很好的抵抗干扰和处理模型失配的问题,同时它还能很好的处理纯滞后对烧结给料控制系统的不利影响。并利用单神经元的特性,对内模控制器的滤波器时间常数进行实时调节,这一方法增强了内模控制对被控对象变化的适应能力。通过仿真实验证明了采用神经内模控制策略的有效性,它不仅具有良好的动、静态性能,还有很强的鲁棒性和自学习能力。开发了烧结给料自动化控制系统,实现了对给料过程参数与工艺流程的实时监控,通过对给料过程的优化控制,保证了烧结过程的平稳运行,提高了烧结块质量和产量,降低了现场操作人员的劳动强度。
孙良君[4]2008年在《基于透气性预测的铅锌烧结配料过程优化研究》文中研究指明铅锌烧结过程是密闭鼓风炉还原熔炼的原料准备过程,其目的是为还原熔炼提供成分合适、具有一定机械强度和还原性的烧结块。烧结配料过程是铅锌烧结生产的首道工序,是烧结炉料的准备过程。烧结配料过程优化是针对配料过程的两个操作参数,二配配比和混合料水分值的优化设定问题而提出的。二配配比和混合料水分值同烧结过程的状态参数透气性具有密切联系。而透气性是烧结过程的一个重要状态参数,影响着烧结生产的产量和质量。因此优化烧结配料过程对烧结生产具有重要的意义。针对烧结配料过程的二配配比和混合料水分人工调节的滞后性和盲目性的问题,探讨了基于集成预测模型与遍历优化搜索算法的配料过程优化操作方法。首先,从烧结过程工艺出发,详细地分析了烧结配料过程同烧结料层透气性之间的关系,同时分析了影响烧结过程透气性的一些重要因素。然后,针对烧结过程大滞后特性,采用加权组合优化方法,将基于工艺参数的BP神经网络预测模型与基于时间序列的灰色系统理论预测模型集成,建立了综合透气性集成预测模型,有效地提高了透气性状态的预测精度,为烧结配料优化奠定基础。在铅锌烧结配料优化过程中,直接的优化目标是烧结过程透气性,采取的优化措施是调整二配配比与混合料水分设定值。由于烧结过程透气性的优劣单由透气性预测值无法准确的表达,因此结合能够判断透气性优劣的其它一些烧结过程状态参数,利用模糊综合评判方法,来定量评价当前透气性的优劣。然后通过遍历优化搜索算法,获取最优的透气性状况评判值,进而间接获得二配配比和混合料水分优化设定值。通过仿真实验表明,该方法能够对烧结配料过程起到优化作用,同时也为铅锌烧结生产全流程协调与优化控制奠定基础。
王春生, 吴敏, 曹卫华[5]2007年在《基于集成预测模型与专家推理策略的铅锌烧结配料优化方法》文中研究表明针对传统铅锌烧结配料方法成本高和准确率低的问题,提出基于烧结块成分集成预测模型与专家推理策略的烧结配料优化综合集成方法。首先,在建立专家经验机理模型和神经网络模型的基础上,提出了一种既可保证预测精度又能满足配料计算对数据完备性要求的铅锌烧结块成分预测智能集成模型;其次,以成本最小为目标建立烧结配料优化模型,采用专家推理优化策略和定性定量综合集成方法,将上述模型综合集成,从而实现烧结配料的优化,仿真结果验证了该方法的有效性。
参考文献：
[1]. 铅锌烧结配料过程的智能集成建模与优化控制策略研究[D]. 王春生. 中南大学. 2008
[2]. 基于多目标智能优化的铅锌烧结生产全流程协调控制[C]. 段平, 吴敏, 徐辰华. 第二十六届中国控制会议论文集. 2007
[3]. 铅锌烧结给料过程的神经内模控制[D]. 彭亮. 中南大学. 2012
[4]. 基于透气性预测的铅锌烧结配料过程优化研究[D]. 孙良君. 中南大学. 2008
[5]. 基于集成预测模型与专家推理策略的铅锌烧结配料优化方法[C]. 王春生, 吴敏, 曹卫华. 第二十六届中国控制会议论文集. 2007