一种氧化铝双流法溶出过程入口矿浆和碱液的配比优化方法

    公开(公告)号:CN105271335A

    公开(公告)日:2016-01-27

    申请号:CN201510784242.9

    申请日:2015-11-16

    申请人: 中南大学

    IPC分类号: C01F7/06

    摘要: 一种氧化铝双流法溶出过程入口矿浆与碱液配比优化方法,本发明针对氧化铝溶出过程复杂,生产给入矿浆和所需碱液配比依靠人工经验设定,能耗高、技术指标不稳定的问题,建立了一水硬铝石溶出过程反应动力学与物料平衡的氧化铝溶出率计算模型;建立了以溶出过程生产原料和能耗总成本为优化目标,以工艺参数、技术指标及其计算模型为约束的矿浆和碱液配比优化模型;采用状态转移算法求解获得矿浆和碱液的最优配比。采用实际生产数据进行验证,优化后,在保证期望技术指标的情况下,生产投入的矿浆流量增加了1.5%-3%,碱液用量减少了0.5%-1.5%,新蒸汽用量减少了10%以上,生产成本降低了0.5%-1.3%,达到节能降耗的目的。

    一种磨矿过程智能优化控制方法

    公开(公告)号:CN115291519A

    公开(公告)日:2022-11-04

    申请号:CN202210980614.5

    申请日:2022-08-16

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种磨矿过程智能优化控制方法,包括:S1:获取过去H小时的磨音和磨机功率数据作为样本数据,运用改进的模糊‑C均值聚类算法计算样本数据聚类中心,并将当前时刻t初始化为0;S2:根据聚类中心更新模糊控制器输入变量的论域和隶属函数参数;S3:获取时刻t的磨音和功率数据,提取磨音趋势,计算磨音偏差;S4:将磨音偏差、磨音趋势、磨机功率输入模糊控制器,得到给矿量和给水量的设定值;S5:经过一个控制周期T后,t=t+T;S6:判断t是否小于H;若是,则返回S3;若否,则返回S1。用实际生产数据进行测试,结果表明本发明比人工控制下磨矿过程平稳,矿石处理量提高了4.3%。

    一种磨矿分级过程的NMPC-PI控制方法及系统

    公开(公告)号:CN114733617A

    公开(公告)日:2022-07-12

    申请号:CN202210231605.6

    申请日:2022-03-10

    IPC分类号: B02C17/18 B02C25/00 B04C11/00

    摘要: 本发明涉及一种磨矿分级过程的NMPC‑PI控制方法和系统,通过确定磨矿分级过程控制的被控变量与控制变量,建立磨矿分级过程的非线性状态空间模型,对模型中的未知状态进行估计,获得状态变量估计值,从非线性状态空间模型中提取NMPC控制器的预测模型,并将状态变量估计值作为NMPC控制器进行预测的初始条件,结合优化性能指标对被控变量进行优化控制,以及在控制回路中加入PI控制,利用NMPC与PI的线性切换组合控制泵池补加水将泵池液位维持在安全范围内,解决了现有磨矿分级过程控制效果不佳的技术问题,能对泵池液位进行精准控制,同时减少了算法计算量,且本发明可保证生产安全,减少能耗,提高磨矿产量、稳定产品细度。

    一种基于磨音信号的矿石球磨过程负荷识别方法

    公开(公告)号:CN112686144A

    公开(公告)日:2021-04-20

    申请号:CN202011595567.X

    申请日:2020-12-29

    申请人: 中南大学

    摘要: 本发明公开一种基于磨音信号的矿石球磨过程负荷识别方法,首先对采集到的原始信号进行预处理,包括消除直流分量、滤波,然后提出基于自回归(AR)谱估计的几何谱减法抑制噪声信号,提高信噪比;其次基于集合经验模态分解(EEMD)方法将磨音信号分解为K个本征模态分量IMF,利用排列熵选取可靠性高的模态分量进行磨音信号重构;接着计算每种负荷类型下重构信号的盒分形维数,并作为最终负荷分类依据;最后建立基于模糊C均值聚类的Bagging和极限学习机的负荷识别模型,实现负荷识别。本发明对国内某多金属选厂实际生产负荷进行识别,结果表明该识别模型能够准确地识别不同磨机负荷状态,具有良好的泛化性能和识别精度。

    一种pH值在线检测装置及其控制和校准预判方法

    公开(公告)号:CN109856220B

    公开(公告)日:2020-06-05

    申请号:CN201910173279.6

    申请日:2019-03-07

    申请人: 中南大学

    IPC分类号: G01N27/36 G01N27/38 G01N31/16

    摘要: 本发明公开了一种pH值在线检测装置及其控制和校准预判方法,该装置包括检测槽、清洗槽、保养槽、控制单元、升降平移装置、pH测量电极和pH显示分析仪器;所述检测槽、清洗槽和保养槽并排设置在升降平移装置下方;所述pH测量电极固定在升降平移装置上;所述控制单元控制升降平移装置运动,从而带动pH测量电极作升降和平移运动,实现浸入或移出检测槽、清洗槽和保养槽。本发明通过升降平移装置,实现检测、清洗、保养功能高速准确地切换,延长电极寿命,保证其灵敏度。另外,本发明通过连续标准滴定法,解决pH计何时校准的问题,从而优化pH计的校准周期,降低人工成本,最终实现溶液的pH值在线高精度检测。

    一种铝土矿浮选过程矿浆酸碱度的在线预测方法

    公开(公告)号:CN106546697B

    公开(公告)日:2018-11-23

    申请号:CN201610968376.0

    申请日:2016-10-28

    申请人: 中南大学

    IPC分类号: G01N31/22

    摘要: 一种铝土矿浮选过程矿浆酸碱度在线预测方法,针对铝土矿浮选矿浆酸碱度调整剂添加点到酸碱度检测点存在较大时滞使酸碱度控制滞后,且酸碱度人工检测效率低的问题,本发明首先建立矿石与碱反应造成的矿石耗碱量回归模型;再根据未与矿石反应的碱在水中水解,和碱性循环水对水解平衡的影响,建立酸碱度机理预测模型;根据酸碱度实测值与机理模型预测值构成的误差时间序列建立误差补偿模型;根据工况变化基于专家规则对误差补偿方向进行修正,利用修正后的补偿值对机理模型进行补偿得到矿浆酸碱度预测值。本发明用于实际生产过程矿浆酸碱度的预测,均方根误差为0.0935,最大相对误差为2.83%,90%的测试样本相对误差位于±2%以内。

    一种氧化铝生产蒸发过程在线数据协调方法及系统

    公开(公告)号:CN108595518A

    公开(公告)日:2018-09-28

    申请号:CN201810251631.9

    申请日:2018-03-26

    申请人: 中南大学

    IPC分类号: G06F17/30 G06F17/50

    摘要: 本发明实施例提供了一种氧化铝生产蒸发过程在线数据协调方法及系统,包括:获取蒸发过程中的各测量变量的在线数据,将在线数据输入预设多模态分层数据协调模型;预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型,且多个预设单模态分层数据协调模型与蒸发过程的多个生产模态相对应;获取在线数据属于各生产模态的多个概率和在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果,根据多个概率和对应的所述多个第一协调结果,得到在线数据的第二协调结果,即实现对在线数据的数据协调。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况,使得数据协调结果更为准确。

    氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法

    公开(公告)号:CN104331622B

    公开(公告)日:2017-02-15

    申请号:CN201410620090.4

    申请日:2014-11-06

    申请人: 中南大学

    IPC分类号: G06F19/00

    摘要: 本发明公开一种氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法,包括如下步骤:步骤一,基于物料平衡求得机理模型预测值;步骤二,再根据当前工况中温度和压差的变化量,基于模糊专家规则对机理模型预测值进行修正,求得修正后的机理模型预测值;步骤三,根据苛性比值实测值与修正后的机理模型预测值所构成的历史误差时间序列建立基于最小二乘支持向量机的误差时间序列预测模型,利用预测模型得到下一时刻的误差预测值,用误差预测值对修正后的机理模型预测值进行补偿得到溶出液苛性比值的预测值。本发明预测出口溶出液的苛性比值相对误差均在±2%内,最大绝对误差小于0.025。

    铝酸钠溶液连续碳酸化分解过程智能控制系统

    公开(公告)号:CN101339408A

    公开(公告)日:2009-01-07

    申请号:CN200810032082.2

    申请日:2008-08-15

    申请人: 中南大学

    IPC分类号: G05B13/02 C01F7/14

    摘要: 本发明以控制合适的分解梯度与合格的末槽分解率为目标,发明了铝酸钠溶液连续碳酸化分解过程智能控制系统。采用产生式规则建立了基于专家经验的分解率梯度专家控制模型,利用神经网络建立的预测模型预测末槽分解率的下一时刻输出,利用末槽分解率来评价工况,获得修正因子,利用预测值和当前时刻与上时刻的末槽分解率对专家控制模型输出反馈修正,有效地克服了大滞后因素的影响,实现了分解过程的优化控制。本发明系统稳定优化地运行,分解率合格率提高了4%,平均分解率提高了0.95%。