金氰化浸出过程实时优化

本文以某湿法冶炼厂金氰化浸出过程为背景,建立了动态机理模型,为提高模型参数辨识精度,提出了基于Tikhonov正则化思想利用含噪声的浓度测量数据估计动力学反应速度的策略.为减小模型与实际过程不匹配对实时优化结果的影响,提出了基于对数–线性闸–罚函数和输出反馈的直接输入自适应方法,加入闸–罚函数后,该方法可以解决含有不等式约束的优化问题,将其应用到金氰化浸出过程实时优化中,仿真结果表明在输出测量值无噪声时,该方法能很快地局部收敛到实际过程的最优设定点;而当测量噪声较小或对目标函数影响较小时,该方法也显示出了优越的性能,而且只需要过程标称模型和实际输出,不需要求实际过程数据梯度,受测量噪声影响较小,更易于实际实施,这为湿法冶金全流程优化控制的顺利实施奠定了重要基础.     

精炼炉终点硫容量预报模型的研究

硫容量是衡量合成渣脱硫能力的关键参数,是如何选择渣系的重要依据。目前,国内外预测硫容量的模型主要以机理模型为主,但是由于许多参数无法测量,经常使得预测无法进行,或者预测值与实际值有较大误差。应用改进的LS-SVM对精炼过程的渣系终点硫容量进行预测,它克服了冶炼现场数据量小,参数难以准确测量等问题,仿真结果表明该方法可以大幅度提高预测的准确度。     

应用阶数自学习自回归隐马尔可夫模型对控制过程异常数据的在线检测

针对过程工业中强噪声环境下实时采集的控制过程海量数据难以在线精确检测的问题,提出了基于阶数自学习自回归隐马尔可夫模型(ARHMM)的工业控制过程异常数据在线检测方法.该算法采用自同归(AR)模型对时间序列进行拟合,利用隐马尔科夫模型(HMM)作为数据检测的工具,避免了传统检测方法中需要预先设定检测阈值的问题,并将传统的...     

基于小波隐马尔科夫模型的控制过程异常数据检测方法

针对小波异常信号检测原理的局限性,提出了适用于过程数据的基于小波隐马尔可夫模型（W-HMM）的异常数据检测方法．首先在一定尺度下对检测信号进行分解,将频率组分不同于其他大部分信号的信号作为异常信号;然后通过计算待检测信号的小波系数与正常信号小波系数的相似概率,并利用求取隐马尔可夫模型（HMM）最优状态链的Viterbi算法对数据进行最终判断;最后通过数值验证和应用表明了所提出的检测算法的有效性和实用性．     

基于分段Lyapunov 函数的Hammerstein-Wiener 非线性预测控制

针对输入和输出受约束的Hammerstein-Wiener型非线性系统,建立T-S模糊模型,并提出一种基于分段Lyapunov函数的非线性预测控制算法.通过构造分段二次Lyapunov函数,分析非线性系统的稳定性,降低普通二次Lyapunov函数的保守性;通过离线设计分段反馈控制律,在线实施符合条件的反馈控制律,极大程度地提高了在线计算效率.仿真结果验证了该方法的有效性.     

基于非线性偏鲁棒M-回归的萃余液pH值软测量

提出了一种径向基函数网络(Radial basis function networks, RBFNs)与偏鲁棒M-回归(Partial robust M-regression, PRM)相结合的非线性PRM (Nonlinear PRM, NLPRM)建模方法, 用以解决鲁棒非线性系统建模问题. 该方法首先通过RBF变换获得扩展的输入数据矩阵; 接下来PRM算法通过反复迭代计算, 自适应地为变换后的数据分配不同的连续权值, 用以克服离群点对模型的影响. 本文通过仿真实验, 验证了方法的有效性; 并将其应用于湿法冶金萃取过程萃余液pH值软测量建模问题, 获得了相比于偏最小二乘法(Partial least squares, PLS)、PRM以及RBF-PLS方法更高的预测精度.     

交流电弧炉电弧功率软测量模型

电弧功率对于电弧炉冶炼时间、吨钢电耗有着直接的影响,所以对电弧功率进行在线监测是十分重要的。但是由于现阶段检测技术的限制,对电弧功率进行直接测量比较困难,因此建立电弧功率软测量模型有着十分重要的现实意义。电弧功率软测量模型是以三相不平衡电路计算为基础,选择电炉变压器二次侧出口线电压和相电流作为辅助变量,从而实现了对电弧功率的在线测量。通过与实测数据进行对比,说明了模型具有较好的精度,可以用于对电弧功率进行在线监测。     

基于G-SVM的电弧炉终点预报研究

 在电弧炉(EAF)冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量。准确预报电弧炉的终点参数对降低冶炼成本,提高生产效益具有重要意义。考虑到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GM与LS SVM结合,建立了G SVM预报模型。GM反映炉体自身变化等非定量因素对系统的影响,LS SVM反映各种定量因素的影响,提高了预报精度。该方法具有模型结构简单,建模所需样本数据少,速度快等优点。实践证明,预报结果接近实际值,该方法是切实可行并有效的,可以用于电弧炉炼钢终点预报。     

真空感应炉终点碳含量预报

针对冶炼过程中碳含量不能直接测定的不足。采用RBF神经网络对真空感应炉的终点碳含量进行预报,在第一次预报时,初步计算出冶炼到达终点的时间和终点的碳含量;经过二次预报进行误差校正,使结果更加精确,结合现场120组数据进行学习和预报,预报命中率较高．实验结果表明,采用该方法预报碳含量可以取得良好的效果。