一种鲁棒自校正控制器

本文将广义最小方差策略与极点配置策略相结合并采用正则化及相对死区技术提出了一种鲁棒自校正显式算法,并给出了鲁棒性分析,物理实验结果和仿真结果。     

线材轧制冷却过程智能混合控制

由于轧制节奏的变化和与低温步进梁长时间接触,从步进梁式加热炉出来的线材料坯(简称钢坯)温度沿纵向呈现不规则状态分布,这使得线材成品的质量稳定性受到严重影响。限于高速轧制的工艺特点和冷却系统的大滞后特征,钢坯均温处理一直是采用步进式加热的线材轧制过程控制难点。针对高速线材冷却控制特点,提出了一种基于温度分布状态分析的轧制冷却过程智能控制模式。该模式采用RBF网络模型对轧件温度进行提前预测,通过对预测温度的深入分析,辨识每根钢坯的温度状态分布特征(平均温度、水印深度和位置等),并结合冷却系统特性把握设定调整节奏,实现了线材轧制冷却过程的均温和降温控制目标。     

制粉系统智能解耦控制的分布式仿真实验平台

钢球磨煤机制粉系统具有强耦合、非线性、大时滞等综合复杂性,为解决其智能解耦控制技术的工程化验证问题,建立了制粉系统智能解耦控制的分布式仿真实验平台。该实验平台由优化计算机、集散控制系统(DCS),仪表与执行机构的虚拟装置和模拟现场制粉系统的对象计算机组成。在对象计算机上,通过MATLAB和组态软件之间的无缝链接,有效地模拟制粉系统的输入输出特性。该实验平台的所有过程信号与工业现场一致,实验结果表明它可以有效地从工程角度验证智能解耦控制系统的控制性能。     

机器人角速度两种软测量方法的PD控制对比

对比分析了用LPP差分方法和高增益观测器方法估计机器人角速度的有效性,并用这两种角速度估计方法分别形成了机器人两种不同的PD输出反馈控制器·在机器人仿真实验中,对这两种方法产生的动态和稳态估计误差以及闭环系统的动态和稳态跟踪误差进行了对比分析·从这两种方法产生的估计误差及闭环系统跟踪误差的对比结果表明,当角位置测量精确度较高时,利用差分方法估计机器人角速度较理想,而较低时采用观测器方法估计机器人角速度较理想·     

旋流器分级过程的智能控制

旋流器分级过程是二输入三输出系统,难以采用精确的数学模型描述,且存在强耦合、强非线性、边界条件变化频繁等特性.针对上述情况,提出了旋流器分级过程智能控制方法.该方法将建模与控制相集成,将PI控制、模糊控制与规则推理相结合,实现了基于模糊控制算法的泵池液位与旋流器给矿压力串级均匀控制,基于规则推理的异常液位控制,渣浆泵转...     

板坯连铸二次冷却过程动态交互式仿真系统

连铸二次冷却过程控制水平的提高对提高连铸坯的质量和产量具有重要作用。为研究二次冷却设定控制算法,把铸流切片的生命周期模型与凝固传热模型相结合,对非线性热物性参数与凝固潜热进行处理,建立了二次冷却过程的动态仿真模型;并以此为基础研制了动态交互式仿真软件系统。系统由虚拟二次冷却对象、控制算法、监控操作、平台管理四个子系统组成;能够对板坯和方坯在非稳态浇铸工况下铸流的凝固过程进行仿真,得出暂态和稳态全过程的铸流内部温度场、凝固坯壳厚度、凝固终点位置、液相穴形状等的变化过程;给出二次冷却过程对输入与扰动信号的动态响应。系统在仿真过程中的人机交互、可移植性方面做了专门设计,为深入研究和优化二次冷却设定控制算法提供了有力的实验平台。仿真模型与仿真软件系统成功应用于某钢企二次冷却与轻压下设定控制系统的研制、测试与在线运行。     

基于SVM和PSO的烧结工况预报方法

利用滚球算法对在线采集的烧结工况图像进行去噪处理,然后利用大津方法和双快速行进法从去噪后的图像中分割出物料区、火焰区和充分燃烧区等关心区域,再从这些关心区域中提取特征.基于ReliefF-GA方法对特征进行约简,利用PSO优化SVM模型参数,建立烧结工况预报模型,基于该模型进行烧结工况预报.经过大量实验验证,该方法可以较大程度地提高烧结工况的预报率.     

基于多级SVM的回转窑烧结状态识别方法

提出了一种新的基于多级SVM分类器的设计方法,并将该方法应用于回转窑的正常烧结、过烧结和欠烧结3种烧结状态的识别.即首先利用改进的双快速行进法从烧结图像中分割出物料区、黑把子区、火焰区、充分燃烧区等关心区域(ROIs),然后从ROIs中提取颜色、形状与纹理等特征,基于One-Versus-Another方法建立烧结状态预处理分类器模型,进行烧结状态的多类别分类;其次研究预处理分类器出错样本点的分布,将容易混淆的样本点作为一类;最后基于多级SVM方法重新建立分类器模型,进行烧结状态的分类.实验证明该方法快速、准确、推广性强.     

炼钢-连铸过程钢水存储设备脱碳钢包选配方法

炼钢-连铸过程是一个复杂的过程,钢水需要选择符合工艺要求的钢包作为存储设备,并按照生产计划进行.钢包选配时,钢包的属性众多,选配目标相互冲突难以同时满足;钢水的钢种属性众多导致脱碳钢包选配的约束复杂,选配优化是一个具有多冲突目标优化问题.首先,采用一阶规则学习法提取关键属性作为性能指标,包括钢包温度最高、钢包使用次数最多、钢包材质等级最低和钢包下水口数量,以钢包温度、使用次数、钢包材质、钢包水口使用次数、滑板和框架使用次数为约束,建立钢包选配模型.然后,采用最小一般泛化规则学习法提取钢包选配规则,针对多种调度顺序策略和选配优先级组合进行了仿真实验;最后,给出了基于规则优先级的启发式钢包选配方法,并进行了工业应用.结果表明:提高了钢包选配准确度,减少了在线钢包数量和日钢包维护次数,提升了炉次生产效率.     

矿浆中和过程中基于模型预估模糊自适应控制

氢氧化镍钴矿浆用已有的中和过程闭环控制方法，在受到随机干扰影响的情况下，常会造成终点pH值偏离目标值，影响后续工艺过程的矿浆沉淀性能，降低镍钴氢氧化物的产品质量.提出模型预估与模糊自适应相结合的控制方法，通过模型预估控制尽量消除大滞后带来的影响，采用模糊自适应控制可以及时、有效地调整石灰石浆流量的设定值，采用PI控制器跟踪其设定值，从而满足pH值的工业过程控制要求.在国外某大型氢氧化镍钴冶炼厂的成功应用，表明该方法有效地解决了中和过程存在的大滞后时变等问题，使得氢氧化镍钴矿浆中和过程稳定运行，提高镍钴金属成分的回收率.