基于生成对抗网络的浮选加药过程建模

针对矿物浮选过程中浮选药剂添加量与泡沫图像特征之间关系复杂且难以准确建模的问题,提出一种基于生成对抗网络的浮选加药过程智能建模方法.利用生成对抗网络的样本对抗思想,通过判别器计算加药过程中泡沫图像变化前后的特征差异,生成器学习到不同药剂添加量情况下的泡沫图像特征.利用工业现场采集的浮选加药数据进行实验验证,结果表明,所提浮选加药过程建模方法能够有效构建加药量和泡沫图像之间的关系,在不同工况下模型得到的加药后泡沫图像特征均与实际的加药后泡沫图像一致.     

浮选加药自动化研究

以某选煤厂浮选入料为研究对象,通过系统的浮选试验研究,在现有浮选工艺和设备的要求下,寻求合理的浮选加药制度。并在此基础上,针对传统浮选过程的不足,把浮选加药自动控制和可视化有机结合起来,通过PLC控制和组态界面实时监控,设计研究了浮选加药的自动控制系统,从而在保证精煤灰分指标合格的前提下,实现药剂制度优化,达到提高精煤产率、降低生产成本的目的。     

射流火焰温度场广义随机分布模型的迭代学习控制

为实现射流火焰温度场的控制性能,采用随机分布控制理论实现了射流火焰温度场的建模及其迭代学习控制. 采用高斯函数作为输出概率密度函数逼近的基函数,用广义系统状态空间模型建立系统模型,模型的独立状态数量与系统实际的动态阶次一致. 采用随机分布预测控制算法实现单批次的控制,在每个批次控制完成后,采用牛顿法优化基函数参数,给出了射流火焰温度场迭代学习控制的仿真结果. 通过迭代学习优化了广义随机分布系统模型参数,提高了火焰温度场分布控制性能指标.      

基于Laguerra函数模型的预测控制算法

在简述基于Ｌａｇｕｅｅｒａ函数近似模型的自适应预测控制原理,算法及其特点的基础上,将现有的多步预测,单步优化的控制算法扩展为多步预测,多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作为比较研究,结果表明基于Ｌａｇｕｅｒｒｅ函数模型的预测控制方法对变时延,变阶次被控对象的控制鲁棒性明显优于广义预测控制。     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

量子鱼群算法优化RBF网络的浮选预测模型

传统的浮选过程分析主要依靠人工化验,其采样化验周期较长,难以满足控制要求,使得浮选精矿品位偏低,因此建立浮选精矿品位预测模型是必要的。利用神经网络在非线性复杂系统研究中的优势,在分析浮选过程工艺指标相关影响因素的基础上建立了一种基于量子鱼群算法优化的RBF神经网络预测模型。仿真结果表明,提出的模型能准确地对浮选过程的经济指标进行全局预测,满足优化浮选药剂添加的计算要求。     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

给水厂混凝剂智能投加模型构建与应用

选取华东地区某给水厂生产中积累的数据建立加药量预测模型,以求在给水厂中实现混凝剂的智能投加。在数据清洗时,针对水厂运行实际情况,结合局部离群因子（LOF）算法、K最近邻插补（KNN）算法与平滑滤波算法对随机误差进行处理。同时在建模前使用灰色关联度分析评估了各原水指标与混凝剂加药量的联系,对联系较为紧密的原水指标进行混凝机理的分析。模型选用BP神经网络,并使用贝叶斯优化算法对模型的参数寻优,建立了多个模型进行评估,其中最优模型在测试集6万个样本上的平均绝对误差为3.66 L/h,结果表明最优模型能够准确预测混凝剂加药量。在此基础上,展望将建立的智能投加模型应用于水厂加药系统中,帮助水厂加药系统的智能化改造方案的实施。     

矿井水处理设备监控系统设计

本监控系统用于矿井水处理设备的分散数据采集及混凝加药自动控制.根据流动电流值测试原水混凝效果,由控制器调节变频器输出频率控制加药量,实现澄清池混凝加药自动控制,并由上位工控机及组态软件监控,从而使矿井水处理后的水量和水质得到保证.     

广义预测控制在特殊Wiener型非线性系统的应用研究

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

一种多步递推广义预测自适应控制

提出了一种基于多步递推预测的广义预测自适应控制算法。由于本算法是利用在线辩识参数直接递推求解控制律，从而大大减少了计算量，便于在微机上用汇编语言实现。     

时滞系统的自抗扰广义预测控制的性能分析

为了实现对时滞系统的高性能控制,提出1种自抗扰广义预测控制算法。首先阐述自抗扰广义预测控制算法的设计原理,得到算法的闭环反馈结构。然后利用频域分析法推导出算法的频域特性,分析并总结时滞系统自抗扰广义预测控制算法的参数整定原则。最后对自抗扰广义预测控制算法以及传统的广义预测控制算法的动态性能进行比较。研究结果表明:自抗扰广义预测控制算法无需在线辨识被控对象精确的数学模型,可以离线求得丢番图方程的解析解,算法的在线计算量大大减少;相比于传统的广义预测控制算法,自抗扰广义预测控制算法具有更好的动态性能。     

一种基于CARMA模型的直接预测控制算法

预测控制一般都建立在输出预测模型基础上，以一个最优化性能指标来求解未来的控制量，使得求解过程变得复杂。介绍一种基于CARMA模型的直接预测控制算法，并对其控制量进行了反馈校正和滚动优化，从而使得求解过程变得简便、快捷。     

某矿山浮选尾矿无氰提金技术研究与应用

某矿山采用无氰提金药剂,对浮选尾矿进行炭浆法浸出工艺,回收其中无法通过浮选工艺回收的金资源。对比氰化钠进行了试验研究,确定了适宜的温度、加药量、加药方式等工艺条件,获得了与氰化钠相当的工艺指标,针对1.1g/t左右的浮选尾矿,可以得到30%左右的浸出率。并应用于工业生产。表明该无氰提金药剂可以取代氰化钠。     

一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型,使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题,进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型,采用非线性预测控制,并引入了模型误差项,增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析,确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果比较,结果证明了基于RBF神经网络非线性预测控制方法的有效性。     

基于遗传算法的约束广义预测控制

广义预测控制要求控制对象必须是线性无约束的，优化的性能指标也必须是二次型形式，因此，广义预测控制的工业应用存在很大局限性．本文尝试用遗传算法来解决存在约束的广义预测控制的优化问题，给出了基于遗传算法的广义预测控制算法的实现方法，并通过工业过程对象的仿真，验证了该方法的有效性，且控制效果良好．     

纸张定量的自校正广义预测控制

本文提出采用自校正广义预测控制的方法实现纸张的定量控制，推导了有色噪声情况下的广义预测控制算法，利用增广最小二乘参数估计实现纸张定量的自校正广义预测控制，经对纸机不同工况的模型仿具计算，得到了鲁棒性强，控制性能好的满意结果。     

基于小脑模型的广义预测控制快速算法

从状态空间的角度推导出广义预测控制算法,并利用小脑模型(CMAC)提出了一种新型广义预测控制快速算法,解决了传统GPC算法计算量大的问题.仿真结果表明该算法的有效性.     

多变量系统的变时滞无模型自适应单值预测控制

针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.