数据驱动的浮选过程运行反馈解耦控制方法

浮选过程是利用矿物本身的亲水或疏气性质或经药剂处理得到的亲水或疏气性质进行矿物分离的物理过程.本文通过建立以矿浆液位和矿浆流量为输入，以浮选过程的精矿品位与尾矿品位为输出的多变量、强耦合、非线性、时变的运行过程模型，利用未建模动态前一拍可测的特点，提出了包括矿物品位运行过程控制器驱动模型、PID控制器、反馈解耦控制器、未建模动态补偿器的数据驱动的一步最优未建模动态补偿PID解耦控制方法，实现了消除稳态误差、静态解耦与未建模动态的补偿，通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.     

3自由度旋翼飞行机械臂系统动力学建模与预测控制方法

旋翼飞行机械臂(rotorcraft aerial manipulator,RAM)系统是安装在飞行机器人上的可操作型机械臂,悬停模式下执行准确的空中操作时旋翼无人机与所加机械臂之间存在相对扰动,通过分离机械臂与飞行机器人进行动力学建模并不能有效消除这种扰动.本文基于对相互扰动力学作用的分析建立整体动力学模型,并在悬停飞行模式下将其简化为线性控制参考模型.进而对旋翼系统控制延时所引起的动力学扰动进行补偿,同时设计预测控制器来消除末端执行器的位置和姿态误差.最后,在存在内部和外部扰动的情况下,设定销钉插入操作任务进行控制方法的对比仿真.末端执行器位姿偏差的仿真结果表明了模型结构与控制方法的有效性.     

机器人的鲁棒预测控制

本文提出基于误差预测的机器人鲁棒控制器。考虑到机器人的动力学建模误差影响其控制性能,本文建立机器人的误差模型,给出预测建模误差对运动轨迹偏差的作用的有效方法,并提出建模误差的鲁棒性补偿。本文分别在关节空间和直角空间针对冗余机器人和非冗余机器人提出鲁棒预测控制器设计,其有效性由仿真例子检验。     

非线性CSTR过程预测控制器设计

针对非线性CSTR(continuously stirred tank reactor)过程,提出一种新的预测控制的设计与仿真实现.在对一类特殊非线性过程分析的基础上,从系统的输入输出数据出发,基于子空间辨识算法建立双线性系统模型来近似描述被控系统;设计新的预测控制算法实现对CSTR过程的跟踪控制;为补偿模型失配以消除控制中的稳态误差,将积分作用包含在预测控制器的设计中,实现对控制输出的良好跟踪性能;最后通过一个仿真实例验证算法的有效性.     

基于grey Markov--支持向量机的电弧炉终点参数预报

考虑电弧炉终点参数既受定量因素的影响,又受非定量因素的影响.将灰色马尔可夫 (grey Markov)与支持向量机 (SVM)相结合.建立了电弧炉终点参数grey Markov-SVM预报模型,其中grey Markov模型反映非定量因素对电弧炉终点参数预测值的影响,SVM模型反映电弧炉各种定量输入对终点参数预测值的影响.建立grey Markov-SVM模型的方法是:首先建立反映非定量因素的GM (1,1)模型,然后用Markov链修正其预测值:由于grey Markov模型对定量输入的影响无法准确反映,因此grey Mar-kov模型必然存在预测偏差,此预测偏差通过建立反映定量输入与终点参数预测偏差之间关系的SVM模型方法加以补偿,并采用粒子群算法 (PSO)对SVM的参数进行寻优,最终得到电弧炉终点参数的预报值,同时实现滚动预测.仿真实验表明grey Markov-SVM模型与grey-SVM模型、Markov-SVM相比较,具有很高的终点预报精度.     

基于卷取温度预测的层流冷却优化控制模型

卷取温度对带钢的金相组织影响很大,是决定成品带钢加工性能、力学性能、物理性能的重要工艺参数之一;层流冷却过程具有强非线性、不确定性、时变的特点,采用传统的基于传热机理和统计分析的建模方式难以满足卷取温度优化控制要求;针对某钢铁企业热轧板厂卷取温度控制过程中存在的问题,建立了基于神经网络的卷取温度预测模型,综合考虑多种因素对卷取温度的影响,将该模型预测值与目标卷取温度值的偏差作为原有前馈模型的输入,以提高前馈补偿的控制精度;仿真结果表明,模型预测精度高,具有在线应用前景.     

基于预测函数模型的APF补偿电流控制研究

为了有效地改善电网电流中因接入非线性负载所引入的谐波分量和削弱控制系统的延时特点,提出了一种基于预测函数模型的有源电力滤波器(APF)补偿电流控制方法,由当前时刻采样数据和最近历史时刻的数据进行构建预测函数模型,实现了有源滤波器谐波补偿电流的预测控制.仿真结果表明:该控制方法不仅对负载电流有精确的预测能力,且对系统电流中谐波电流具有较好的抑制效果和补偿精度.     

基于滚动时域优化的机场起降动态调度

为了减少作战时军用飞机实际起降时刻与计划起降时刻产生的偏差,提出一种基于滚动时域优化原理的动态机场起降调度策略,分析军用飞机起降过程中的时间窗口约束和尾流间隔约束。对进入每个预测窗口内的飞机队列,以加权提前/延误时间和最小作为目标函数,将军用飞机起降调度模型转换为带到达时间的单机加权E/T调度模型。设计一种针对自然数域的离散粒子群算法,并应用该算法进行模型求解。通过仿真实验确定了算法的参数,仿真结果说明了模型和算法的有效性。     

基于泡沫图像特征的浮选槽液位智能优化设定方法

浮选生产过程中浮选槽液位通常根据经验人工设定,具有主观随意性﹑液位波动大,使精/尾矿品位不满足要求.为此,提出一种基于浮选泡沫图像多特征的浮选槽液位智能优化设定的方法.在浮选槽工作原理以及液位与泡沫图像特征间关系的分析基础上,将基于案例推理的浮选槽液位预设定﹑基于多泡沫图像特征的改进LS-SVM（Least squares support vector machine）品位预测及基于BP神经网络的自学习模糊推理智能补偿等模型有机集成,提出了充分利用泡沫图像特征的液位智能优化设定方法.将该方法在某铝土矿浮选生产过程进行应用验证,可使粗选槽液位波动减小,提高了粗选精/尾矿品位合格率、总精矿品位合格率及回收率.     

基于多源数据的铝土矿浮选生产指标集成建模方法

在长流程浮选过程中,生产指标难以在线检测,造成操作不及时,影响系统的稳定运行.本文提出了一种基于多源数据的铝土矿浮选过程生产指标集成建模方法.首先结合浮选机理和现场工人经验,分析影响和反映生产指标的多源数据(生产数据和泡沫图像特征数据);然后分别建立各生产指标预测子模型和同步误差补偿子模型;最后采用信息熵和智能协调策略分别构建精矿品位和尾矿品位的集成预测模型.工业验证和工况分析表明,本文集成建模方法具有良好的预测性能和较强的泛化性,为基于生产指标的浮选过程操作参数控制和全流程优化奠定基础.     

一种基于混合神经网络的浮选pH值预测模型

矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量。目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值。为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立pH值预测模型。最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率。     

大屯选煤厂浮选自动控制系统改造

针对大屯选煤厂浮选系统因采用人工调节方式而存在浮选效果差、药剂含量大、成本高等问题,提出了浮选自动控制系统的改造方案,主要介绍了系统中浮选自动加药控制系统和絮凝剂自动添加系统2个部分的实现。实践表明,改造后的浮选自动控制系统减少了吨煤消耗的浮选药剂量,提高了浮选尾矿的灰分和浮选精煤回收率,并大大减少了工人的劳动量。     

一类工业过程运行反馈优化控制方法

为了克服流程工业运行优化中控制回路闭环系统的动态误差对运行优化性能的影响,本文针 对一类工业过程提出了使运行指标实际值与目标值偏差和控制回路输出与设定值跟踪误差的二次性能 指标极小化的运行优化反馈控制方法. 该方法由运行层设定值反馈控制和回路控制层设定值跟踪控制组成,其中设定值反馈控制采用基于LMI的 模型预测控制,回路控制采用衰减率可调的带有积分项的状态反馈调节律. 本文给出了保证运行优化反馈控制闭环系统渐近稳定的充分条件,并开展了浮选过程运行优化反馈控制仿 真实验,实验结果表明所提方法的有效性.     

一种基本单元层码率控制的改进算法

由于JVT-G012在基本单元层采用线性预测MAD的方法,且使用相同的QP量化,带来运算量大且不够精确的问题。为此,提出一种基于基本单元层码率控制的改进算法。首先,用时空加权模型来预测MAD;然后,采用宏块层码率控制策略来分配目标比特;最后,依然采用JVT-G012中的二次R-Q模型计算QP。仿真结果显示,采用改进算法的H.264编码器,在取得更低比特率的同时,有效地提高了PSNR。     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

泡沫图像特征驱动的锑粗选加药控制策略

锑粗选工序的加药控制直接影响精选与扫选的性能.通常由人工观察泡沫手动调节药剂.这种方式,存在控制滞后、主观随意性大、易导致浮选性能不稳定甚至恶化的问题.对此,我们提出一种泡沫图像特征驱动的锑粗选加药控制策略.利用概率支持向量回归方法建立基于锑粗选关键泡沫图像特征与加药量的入矿品位估计模型;在此基础上,采用操作模式匹配方法实现加药量的预设定,快速满足入矿品位类型变化后新的控制要求;并采用基于区间II型模糊系统的加药反馈控制器减小泡沫状态与期望的偏差.工业验证结果表明,该方法能有效代替人工加药并改善了锑浮选性能.     

基于异方差高斯过程的时间序列数据离群点检测

时间序列数据在测量过程中通常受到事物内在可变性以及外界干扰等因素的影响，针对各个时间点上数据受影响程度不同的情况，提出一种基于高斯过程预估模型的时间序列数据离群点检测方法。将监测数据分解为标准值和偏差项两个部分，除了对理想情况下的标准值建模，还再次使用高斯过程实现对异方差偏差项的有效描述，通过变分推断解决引入偏差项后的后验概率求解问题，将后验分布中设定的容差区间用于离群点判定。使用雅虎公司公开的网络流量时序数据进行验证，模型输出的容差区间在不同时间点上的变化趋势与标注的正常数据偏差情况相符，并在对比实验中异常检测性能指标F1-score优于自回归积分滑动平均模型、一类支持向量机以及基于密度并伴随噪声的空间聚类算法。实验结果表明，该模型能够有效描述各个时间点上正常数据的分布情况，取得误报率和召回率两方面的综合权衡，而且可以避免模型参数设置不当导致的性能问题。     

钴,镍萃取平衡数学模型及串级萃取过程最优化计算

本文把ＣｏＣｌ２－ＮｉＣｌ２－Ｈ２Ｏ－Ｒ３Ｒ’ＮＣｌ萃取平衡体系的实验数据关联为数学模型，对萃取过程进行串级模拟和最优化计算，并在日处理０．９Ｍ＾３料液的生产性试验中得到验证。计算得到的主要工艺参数，两相出口的主要指标，各组分浓度及分配比的逐级分布都与试验结果基本相符。     

A novel experimental setup for gas microflows

A new experimental setup for flow rate measurement of gases through microsystems is presented. Its principle is based on two complementary techniques, called droplet tracking method and constant-volume method. Experimental data on helium and argon isothermal flows through rectangular microchannels are presented and compared with computational results based on a continuum model with second-order boundary conditions and on the linearized kinetic BGK equation. A very good agreement is found between theory and experiment for both gases, assuming purely diffuse accommodation at the walls. Also, some experimental data for a binary mixture of monatomic gases are presented and compared with kinetic theory based on the McCormack model.