基于PSO算法的生料浆配料过程的优化控制

针对烧结法氧化铝生产流程中的生料浆配料过程的工艺特点,将PSO算法应用在配料过程中的原料分配优化问题中,并构造了惩罚函数来处理配料过程中的各种约束条件.基于PSO算法的优化控制不仅可以保证生料浆的各项工艺指标达到设定值,同时可以保证配料成本最低.在某氧化铝厂的应用结果表明,该优化控制可以取代传统的人工配料生产方式,提高了生料浆各项工艺指标的合格率,降低了配料成本,实现了优化配料,取得了显著的应用效益.     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

烧结法配料过程计算机控制系统

针对烧结法配料过程的工艺特点及技术要求，提出了实现综合生产指标优化的配料过程计算机控制系统，讨论了由过程控制、过程管理二层结构组成的计算机控制系统的结构、功能及优化控制策略，基于人工智能方法实现了过程控制。该系统成功应用于某氧化铝厂烧结法配料生产过程，磨机产能和生料浆一次配料合格率得到了大幅度提高，实现了配料过程的优化控制、优化运行、优化管理，取得了显著的应用成效。     

OPC技术在氧化铝生料浆配料优化专家系统中的应用

针对烧结法氧化铝生料浆配料过程的专家优化系统开发过程,通过分析控制系统结构和现场状况,采用OPC技术实现优化机与现场设备之间的实时数据通信.本文详细介绍了OPC服务器的配置方法,以及在VC开发环境下OPC客户端的开发方法,并将其应用到氧化铝生料浆配料过程的专家优化系统中,达到了实时优化控制的目的.     

基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．     

从数据中提取生料浆配料过程运行控制的模糊规则

将减法聚类、神经网络、最相邻原则、对提取后的规则进行调整等方法相结合,从过程数据中自动提取出模糊规则,从而实现在氧化铝生料浆配料过程中将生料浆的各项质量指标控制在目标值范围内.某氧化铝厂的应用结果表明,所提取的模糊规则不仅具有良好的完备性和可解释性,同时可根据工况的变化自动调整各个控制回路的设定值,实现了该过程的优化运行.     

生料浆配料过程磨机负荷的混合智能控制

针对在氧化铝生料浆配料过程中难以采用常规方法来控制磨机负荷状态的问题,提出了由负荷状态估 计模型和负荷调整模型组成的磨机负荷混合智能控制方法．负荷状态估计模型根据磨机的振动与电流信号,采用规 则推理方法估计出磨机的负荷状态．负荷调整模型采用案例推理方法自动调节磨机给料量,将负荷控制在合适范围 内．该方法成功应用于某氧化铝厂生料浆配料过程中,长期运行结果表明,提高了磨机台时产能,减少了“堵磨”故 障发生次数,提高了生产效率并节能降耗．     

基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．

     

氧化铝生料浆制备过程的智能优化控制方法

生料浆制备过程由配料和调槽两个子过程组成.针对该过程的工艺特点以及不确定性大、原料成分波动等过程特性,提出一种智能优化控制方法.将生料浆制备过程的优化目标分解为两个子过程的优化目标,采用模型预设定、指标在线预报、基于模糊规则的前馈和反馈补偿方法实现了配料子过程的优化控制,采用粒子群算法实现了调槽子过程的优化控制,从而最终实现了生料浆制备过程的优化控制.工业应用的结果表明了所提出方法的有效性.     

改进遗传算法在烧结法氧化铝生料浆优化调配中的应用

由于烧结法氧化铝配置生料浆过程中不确定性因素多，成分分析滞后，造成生料浆出磨合格率低，一般需经调配使生料浆质量指标符合工艺要求。本文建立生料浆调配过程的优化模型，针时模型中的多目标函数以及非线性约束特点，提出一种结合惩罚策略的改进遗传算法进行寻优。工业应用表明应用该算法能快速有效求得最优调配方案。     

A two-stage intelligent optimization system for the raw slurry preparing process of alumina sintering production

The raw slurry preparing is a key process to guarantee product for alumina sintering production. To obtain the qualified raw slurry in the presence of uncertainty, a two-stage intelligent optimization system, which weakens uncertainty effects through optimization of raw material proportioning and re-mixing operation, is developed. At the first stage, an integrated model combining the first principle with neural networks is built to predict the raw slurry quality, and a multi-objective hierarchical expert reasoning strategy is proposed to determine an optimal set point of raw slurry proportioning. At the second stage, an optimal scheduling model with uncertainty is built to provide an optimal combination of selected tanks for the mixing of raw slurry in full-filled tanks. The practical running results show that the eligibility rate of raw slurry is effectively improved, and the raw slurry preparing process is successfully simplified and the energy consumption is also obviously reduced.     

Stochastic optimization for real-time operation of alumina blending process

In this paper, the stochastic optimization blending operation is applied to the alumina production in this paper. A new binomial distribution based stochastic scenario optimization used together with the sample selection approach is utilized to design the optimal set point for control, under which the probability of quality indices of the raw slurry being within the tolerance region is high enough in the presence of uncertainties caused by fluctuation of the raw material and disturbances. Through practical industrial experiments, it is observed that the proposed stochastic optimization method is effective and the computational cost is low.     

基于微粒群算法的生料浆调配多目标满意优化

氧化铝生料浆优化调配是一个多目标、多约束且非线性的0-1组合优化问题。首先给出了该问题的数学描述,然后根据调配过程判断生料浆质量是否达标的不同满意标准,基于满意度原理,将带约束的多目标优化问题转换为求多目标和多约束综合满意度最大的满意优化问题,最后提出一种改进的离散微粒群算法对该问题进行求解。实例仿真和工业应用证明了模型与算法的有效性     

基于满意优化的氧化铝生料浆调配方法

提出了基于多目标满意优化的生料浆调配智能优化方法.该方法以满意度函数反映决策者对性能指标的评价,以综合满意度函数反映决策者对多目标协调的要求,构建氧化铝生料浆调配的满意优化模型,并通过自适应调整交叉概率和变异概率的改进遗传算法求解满意优化问题.所得优化结果更能反映决策者对实际工艺指标的评价,大幅度提高计算效率,减少生料浆质量指标的波动.基于工业运行数据的计算结果表明了该方法的有效性和实用性.     

基于不确定性信息的水泥生料配料过程智能优化系统

针对水泥生料配料过程原料质量不稳定和检测环节大滞后所引入的诸多信息不确定性,结合目前广泛应用的干法水泥生产工艺,提出了一种生料配料过程两级智能优化系统,即首先对生料配料过程进行率值的优化控制,一定程度地减弱不确定信息对生料质量的影响,然后采用改进性遗传算法求解生料最优调配方案,配制出优质水泥生料,以此达到生料质量的优化...