硫化镍矿选矿过程模型及优化策略研究

《硫化镍矿选矿过程模型及优化策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第3章模型预测控制策略在旋流器分级控制中的应用⋯⋯⋯⋯⋯243．1引一言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯243．1．1磨矿分级工艺过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯243．1．2磨矿分级工艺控制要求⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯253．2磨矿分级控制总体方案设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯253．3磨矿模型预测控制算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯263．3．1模型预测控制基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯263．3．2DMC控制算法的三个部分⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯273．4基于大滞后磨矿分级系统的动态分

2、支预测转移控制技术⋯⋯⋯⋯⋯⋯323．4．1动态分支预测转移控制技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32V。扣4．4磨矿过程软测量综合模型及优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯494．4．1网络的训练原理、策略及方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯494．4．1．1模型辨识原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯494．4．1．2磨矿过程串级控制系统框图及策略⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯494．4．1．3应用RS理论分析的基本步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯514．4．1．4RBF网络训练⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯524．4．2模型建立及仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

3、⋯⋯⋯⋯⋯⋯⋯⋯⋯534．4．3小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯54第5章磨矿过程模块化并行结构模型及优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯565．1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯565．2磨矿过程模块化概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯565．2．1砂泵池液位控制模块⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯575．2．2水力旋流器分级质量控制⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯575．2．3磨矿过程质量控制⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯575．2．4浮选过程优化控制模块⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯585．3分块建模⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯585．4建立磨矿分级过程一个系列的模块模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯645．5定量分析技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯645．5．1大概率事件优先原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯645．5．2基于Amdahl定律的磨矿过程模块性能⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65VI●6．4．4神经网络调节阀曲线拟合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯746．4．5比例系数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯75‘6．5实验仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯756．6小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

5、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯78总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯79参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯89附录A(攻读学位期间所发表的学术论文目录)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯90附录B(磨矿分级过程有关参数)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯91VII●茸}学7王论文摘要硫化镍矿的磨矿过程是一个复杂系统，耦合性强，且各个环节间的相互影响大，具有一定的相关性。目前，在磨矿过程中，由于缺乏探测球磨机和水力旋流器内部工作状态的仪器设备，磨矿过程的规律至今仍没有被完

6、全认识清楚，而真实磨矿过程的复杂性，很难用数学模型精确表示其整个过程的特性，甚至有许多控制策略是无模型的。本文针对磨矿过程半经验模型，对磨矿整个过程从数据采集处理和软测量技术、多变量动态过程模型辨识技术及先进控制策略等方面进行了相关的一些探索和研究，同时，针对目前控制理论和磨矿过程应用之间的脱节现象，将现代控制理论经过改造移植到选矿过程控制领域中，研究推出从具体磨矿系统的特点出发，寻求对模型要求不高，但在线计算方便，且对环境的不确定性有～定适应能力的实用控制策略和方法。近年来，随着智能技术的迅速发展，以模糊系统、神经网络等为代表的智能技术显示出了对复杂非线性工业系统强大的处理能力，

7、一系列基于智能控制理论及方法的先进控制技术被不断提出和改进，并在对复杂工业对象的控制问题上取得了一些重大的突破和丰硕的成果。但是，由于目前的智能控制技术基础理论发展还不完善，在应用智能控制方法和技术时存在许多值得改进的地方。本文针对目前有关智能方法的先进控制技术提出一些新的参考方法和改进的应用策略，主要创新点有：1、利用RBF神经网络和磨矿过程中可测量信息来预测磨矿过程将来的过程行为，将RBF神经网络和模糊理论结合起来，通过在RBF神经网络隐层增加模糊化层和模糊规则推