IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

混合选别浓密过程双速率智能切换控制

已有 910 次阅读 2024-2-27 16:55 |系统分类:博客资讯

引用本文

 

王琳岩, 李健, 贾瑶, 柴天佑. 混合选别浓密过程双速率智能切换控制. 自动化学报, 2018, 44(2): 330-343. doi: 10.16383/j.aas.2018.c160590

WANG Lin-Yan, LI Jian, JIA Yao, CHAI Tian-You. Dual-rate Intelligent Switching Control for Mixed Separation Thickening Process. ACTA AUTOMATICA SINICA, 2018, 44(2): 330-343. doi: 10.16383/j.aas.2018.c160590

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c160590

 

关键词

 

混合选别浓密过程,双速率切换控制,未建模动态补偿,一步最优PI控制 

 

摘要

 

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.

 

文章导读

 

混合选别浓密过程将选别后的精矿矿浆进行浓密处理, 使其底流矿浆浓度达到控制目标规定的范围内[1].该过程是以底流矿浆泵频率为输入, 以矿浆流量为内环输出, 以矿浆浓度为外环输出的串级非线性被控过程.由于底流矿浆流量与底流矿浆浓度具有强非线性, 且难以建立数学模型, 因此如何实现矿浆浓度控制成为研究热点.文献[2]针对美国某金矿单一选别浓密过程, 以矿浆泵频率为输入, 以底流矿浆流量为内环输出, 以底流矿浆浓度为外环输出, 采用串级控制策略, 外环采用专家系统的控制方法, 实现底流矿浆浓度的定值控制.文献[3]针对铜矿单一选别浓密过程, 外环采用模糊控制方法.文献[4]针对铝土矿单一选别浓密过程, 外环采用规则推理控制方法.由于赤铁矿采用磁选-浓密-浮选混合选别过程[5-6], 不合格中矿矿浆和污水返回浓密机, 造成干扰, 若采用文献[2-4]底流矿浆浓度的定值方法, 会造成底流矿浆流量和底流矿浆浓度波动到工艺控制目标规定的范围外.文献[7]提出了区间智能控制, 外环采用静态模型设定和模糊推理切换补偿机制控制方法, 当中矿矿浆和污水波动大时, 静态模型不能准确地给出底流矿浆流量控制器的设定值.文献[8]采用未建模动态补偿一步最优PI控制, 代替了静态模型, 当中矿矿浆和污水干扰大而频繁时, 底流矿浆浓度和流量相互影响, 内环流量处于动态之中, 由于文献[8]中没有考虑内环流量闭环系统的动态特性, 因此不能将底流矿浆浓度和流量控制在目标值范围内, 甚至出现谐振[9].本文设计未建模动态补偿的流量PI控制器, 得到内环流量闭环控制系统, 采用提升技术[10]得到一个采样周期为外环采样周期的外环动态模型, 利用此模型设计混合选别浓密过程双速率智能切换控制器, 可以改善系统的动态性能, 仿真实验的结果表明所提控制方法的有效性.

 1  混合选别浓密过程

 2  混合选别浓密过程双速率智能切换控制结构图

 3  流量设定智能切换控制结构图

 

本文提出的混合选别浓密过程双速率智能切换控制方法由基于未建模动态补偿的流量PI控制和浓度智能切换控制组成.浓度智能切换控制由基于流量闭环特性的浓度动态模型设计的未建模动态补偿的浓度PI控制和基于模糊推理与规则推理的切换机制组成.通过实际数据进行仿真实验, 表明在中矿矿浆和污水大而频繁的干扰下, 本文控制方法可以将底流矿浆浓度、底流矿浆流量和流量变化率控制在目标值范围内.该控制方法为受到大而频繁的随机干扰的非线性串级过程控制提供了新的设计方法.

 

作者简介

 

王琳岩

流程工业综合自动化国家重点实验室硕士研究生.主要研究方向为智能串级控制理论.E-mail:wanglinyan6001@outlook.com

 

贾瑶  

流程工业综合自动化国家重点实验室博士研究生.主要研究方向为复杂工业过程控制理论及技术.E-mail:jiayao_neu@163.com

 

柴天佑  

中国工程院院士, 东北大学教授.IEEE Fellow, IFAC Fellow, 欧亚科学院院士.主要研究方向为自适应控制, 智能解耦控制, 流程工业综合自动化理论, 方法与技术.E-mail:tychai@mail.neu.edu.cn

 

李健  

流程工业综合自动化国家重点实验室助理研究员.主要研究方向为流程工业综合自动化系统技术.本文通信作者.E-mail:lijian@mail.neu.edu.cn



https://blog.sciencenet.cn/blog-3291369-1423273.html

上一篇:一类基于非线性PCA和深度置信网络的混合分类器及其在PM2.5浓度预测和影响因素诊断中的应用
下一篇:《自动化学报》2023年50卷2期目录分享
收藏 IP: 222.131.245.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-3 04:10

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部