磨矿分级系统溢流浓度的模糊智能控制.pdf

第 3 3卷第 9期 1 9 9 9年 9月 西 安交 通大学学 报 J 0URN A L OF XI A N儿=y 、C lNG UNI V ER S I TY V0 1 3 3 N 0 9 S e D 1 9 9 9 。一-I 磨矿分级系统溢流浓度的模糊智能控制 于军琪，昊涛 黄永宣，胡保生 弋西安交通大学，7 1 0 0 4 9，西安)j L 摘要：提 出一种二维模糊智能控制器的算法，辅以基于规则的 自学 习环节，对具有诸 多不确定 因 素、非线性、时变、难以建立精确数学模型的磨矿 系统的溢流隶度进行控 制 建造工艺专家 系统，借 助工业局域网络，综合不同性质的原矿石的要求和工艺专家知识，优化控制系统的给定参数 整个 控制系统有较好的鲁棒性和稳定性，经过捡_刹实际生产性能指标，溢流琅度的稳态误差不超过 2 0 且入 磨矿石 处理 量提 高 了 5 7 董 詈 芸 墅查 墨 学 习秩糊 捏 中 国 图 书 资 料 分 类 法 分 类 号：TP 2 7 3 1 I Fu z z y-I nt e l l i g e n t Co nt r o l f o r Ov e r f l o w De ns i t y o f M i l l i ng-Cl a s s i f i c at i o n Op e r a t i o n S y s t e m Yu J u n q i，Wu T o o，Hu a n g Yo n g x u a n，Hu B a o s h e n g X a n i a o t Un iv e r s h y Xi 柚 7 B 3 0 4 9，C h ln a】Ab s t r a c t：Al g o r i t h m o f t wo-d i me n s i o n f u z z y i n t e l l i g e n t c o n t r o l l e r a n d t h e r u l e b a s e d s e l f l e mmi n g s y s t e r n a r e u s e d t 0 o：)n t r o l t h e o v e r n o w d e n s i t y o f mi l l i n g c l a ssi f i c a t i o n s y s t e m Un c e r t a i n t y f a c t o r s a n d n o n-l i n e a r，t i me-v a r i a t i o n，h o we v e r，p r e v a i l；t h e y i n t r o d u c e d i f f i c u l t i e s t o ma t h e ma t i c a l mo d e l l i n g B y a p p!y i n g t h e m i ll in g e x p e r t s y s t e m w i t h m in e r a l p r o p e r t y t h e o o n t m l le d s y s t e m s s e t t i n g p a r a m e t e r s ma y b e o p t i mi z e d i n a d d i t i o n t o i mp r o v i ng t h e s y s t em s t a b i l i t y P e r f o r ma n c e o f i n d u s t r i a l p r o c e s s i s i mp r o v e d b y 5 7 wh i l e s t a b l e s t a t e e r r o r o f o v e r f l o w d e n s i t y i S l e s s t h a n 2 0 k e y wo r d s：mi l l i n g-c l a s s c a t i o n s y s t e m；f u z z 3 i n t e l l i g e n t；。伽d e n s i t y；s e l e a r n i n g 磨矿分级系统是 矿冶生产 中的主要大型设备，对它们的良好控制可以稳定磨矿 及后续生产 流程，提高磨矿效率，节能降耗，为提高选矿厂的效益创造 有利条件，因而倍加受到世界选矿行业的重视 由于 溢流浓度和磨矿给矿量、球磨与返砂给水、磨矿充填 率、排矿浓度之间存在非线性与不确定关系 故此增 加了控制的难度 利用模糊智能控制技术，依据有关 现场操作人员和专家的经验知识或者操作数据，可 以将数据信息和语言信息统一于工程系统【r，利用 规则的评价函数及在线 自学习环节，实时修正规则 的权值，使控制器具有更高的智能 收稿E l 期：1 9 9 8 1 0 1 2 作者简介：于军琪，男 1 9 7 0年 1月生，博士生；黄永宣(联系人)，男，工程与科学研究院系统工 程研究所，教授，博士生导师 基金项 目：国家 自然科学基金资助项 目(6 9 7 7 5 叫2)维普资讯 http:/ 第 9期 于军琪 等：磨矿分级系统溢流浓度 的模糊智能控制 1 工业过程描述 通常，实际工业过程可以表示为图 1的形式 图 中溢流浓度 d=f(I，”2，m，f I，d 1)，其 中 W1 为 球磨给水流量，2为排矿水流量，m 是 给矿量，r】是返砂量，d 表示排矿浓度 采用精度较 高的核 子 称检测给矿量，G Z系列电磁振动给料机用来稳定矿 量，用 L D型电磁流量计实时检测水管中的流量。以 F B一2 3 o o F系列微机式工业浓度计检测溢流浓度，以 Z DL P型电动调节闻实现 水流量调节 一般铁 矿 石经过球磨机，通过控制 w 的流量，保证排矿浓度 在 7 0-7 5 之间，通过控制 2的流量，把溢流浓 度稳定在 3 0 3 5 之间 由图 1知，d和多种 参 变量有关，而且磨矿生产过程机理复杂，系统 内部变 量之间关联严重，存在着非 线性、时变性，以及工业 现场环境的多种干扰，因此设计 了如图 2所示 的控 制系统原理图 m，图 1 磨矿分级 系统示意 图 在图 2中，控制溢流浓度的内、外环决策都采用 了模糊智能控制 的算法。下面将 以外环为主来说明 其设计 u 和 u 分别为矿量和溢流浓度 的给定 值，来 自选矿工艺专家系统 2 控制算法简介 2 1 模糊化输入 二维模糊智能控制器的输人为溢流浓度的误差 及误差变化率 c，为此首先要找出误差及其变化率 所对应的模糊集的隶属度L _ 2-通过 K=x ，K=3：，可求出 和c的量化 因子，然后再把基本 论域连续的 和 分别 离散 化为模糊 集论域 和 上的值 根据控制要 求，z =5，=1，量化档 数=6，因此 k =1、2，=6 取离散论域上 z 和。的模糊子集语言变 量为 P L，P M，P S，Z E，N S，NM，NL ，考虑对论域 的覆盖程度和灵敏度 与 鲁棒性原则，以三角形为隶属函数 曲线E 2-。如 图3所 示，其 中 P代表正，N代表负，Z E代表零，s、M、L分 别代表小、中、大 用计 算机控制 时，和 c分别 为(k)和 c(k)，计算方法如下(k)：()一Y o (1)c(k)=(P(k)一P(k一1)T (2)式中：y o 为设定值；Y(k)为本时刻采样值；T 为采 样周期 当得到 P(k)和 c(k)的值后，分别乘以 K 和 K，将其离散化为模糊集论域 卜 6，一5，5，6 中的对应值，然后得 出在对应模糊集 中的隶属度 2 2 模糊规则推理 由于推理机制是控制器的中心，因而可报 据操 作者和专家的经验 知识建立产生式知识库，并作为 语言规则 其形式为 i f E a n d c|t h e n Uo (3)j，J 图 2 磨矿分级系统智能控制原理 框图 维普资讯 http:/ 西安变通大学学报 第 3 3卷 工(a-c j 图 3 模糊集隶属 函数 曲线 式中：J、J为标集，分别表示模糊集的数 目；E，、C 、分别为；P L，P M，P S，Z E，N S，NM，NL t 中的任一 元素 因为每个输人可量化为 7级模糊子集，则理论 上应有 4 9条规则就可全部覆盖论域_ 3 _3 根据工程隐 含，只有 4 5条规则在实际 中出现，每条规则对应 一 个模糊关 系，其控制状态列于表 1，则总的模糊关 系 为 R=R1 U R2 U U R4 5 (4)由式(4)可得 出总的模 糊关系矩阵 R，其隶 属 函数记作【，】(I f，“)=，(p E (P)(c)(“)j (5)式中：E 、G、U 为具有式(3)所示关 系的模糊集；e、f、分别为模糊集 E 、C 、L 中的元素 因此，当 已知输人模糊集 E和 c时，则输出的控制量模糊集 为 U=(E C)-R(6)即控制量输出论域 中的某一元素“属于该模糊 集 的隶属度 C U(“)为 表 1 控制状态表 C E P L P M P S Z E NS NS NM Z E P M P M P M P M NM Z E Z E P M PL PL PL NL Z E Z E P M PL PL PL u()=(，)A(P)A c(f)c C (7)工程上常采用 眦 x mi n算子求得相应 的输 出模 糊 集：2 对于输人的模糊集 E1 和 c1，其对应后件输 出 为 U】=(El C1)R u1=U (B n )(8)其中：B =(B B i)；B =s u p：l(P)，()；B =s u p 】(c)，c(c)E1、cl 通常为模糊单集，准确的输出通过对 U 的模糊决策得到 2 3 反模糊化 溢流浓度外环模糊控制器根据 U 和浓度计的 反馈输出，决策得到的0 5 v之间的电压信号经小 闭环调节电动阀的开度，从而通过控制水流量来稳 定溢流浓度 经过模糊规则推理后得 出的是控制量 隶属于论域上不同模糊子集 的隶属度，反模糊化就 是研究如何根据模糊量决策 出精确 的控制 电压，一 般使 用加 权 平 均 的 C OG法 来 求 取 精 确 控制 量“(k)，表示 为 ()U()“(k)(9)式中：U()为第 条规则结论部分隶属 函数的特 征值(对于三角形的隶属 函数，u()为其隶属函数 的中心值)；(”)是相对第 条规则的输出控制量 模糊 集 的隶 属度 实 际生 产 过程 中，控制 量是 在=1 V的变化范围进 行调整，所 以可以得出控 制量 的比例因子 K=1 6=0 1 7，控制量 的基本论域为 一1，+1 ，其模糊集论域为 一6，一 5，一，5，6 因 而，通过使用 C OG反模糊化法得到的模糊集论域中 的(k)乘以 K，便可 以得到控制量基 本论域中的 对应值 又因为控制器 以增量 u(k)=Kl 1 (k)的形式输 出控制量，总输出以“积分”的方式作用于 调节机构，所 以 U(k)=U(k 1)+AU(k)为防 止控制输 出饱和，对 U(k)进行上、下 限限幅，设其 上、下限为 U 和 U如果 U(k)Um 找，则 U【k)U，当 U(k)U 时，U(k)=U，以这 样输 出的控制量在工作点附近调节整个系统 3 基于规则的自学习环节 在解决无法建立数学模型的被控对象的控制问 题中，人们探索出能够在控制过程中实时学习 自动 获取知识，更新和完善知识库，修改和优化控制规则 的算法，达 到了改善系统控制性 能的 目的 针对 磨矿溢流的要求，采取动态权系数的学 习方法 在线 判断本时刻控制量 u(k)的好 与坏 若本时刻有减 少误差的好趋势，则对产生导致这一变化的控制规 则乘以大于 1的加权系数，使其控制量 增强；反之，M M M M E S S 统 统 儿 维普资讯 http:/ 第 9期 军琪，等：磨矿分级系统溢流浓度的模糊智能控制 乘以小于 1的加权系数，使其控制作用减弱 如图 4 所示恒值控 制的响应曲线，其 中 e(k)和 c(k)的值 可根据式(1)和(2)求出，不难看出，图中响应曲线的 B C和 E F段，控 制量 有减少 误差 的好趋 势，而在 C D 和 F G段 呈 现误 差增加 的坏 趋势 即 图 4 恒值控制 的响应曲线 B C段：e(k)0 E F段：e(k)0，c(k)0，f(k)0 F G段：e(k)0 c(k)0 取评价 函数 P(k)=e(k)f(k)，当 p(k)0时，减少其权 系数 构造另一个 函数为 f(k)=1 (1 0)对于磨矿溢流浓度控制器 而言，其输人为(k)和 C(k)，若系统时延为 d个采样周期，那么 a、b分别 是e(k)、e(kd-)处 于该模式区间时，其端点参数 绝对值 的最大值 由分析可知，0 e(k)I (n+b)1，所 以通过在线修正规则 的加权系数，可对控制 量随环境和控制效果的变化做 出修正，其学 习算 法如 下：(1)取被控 系统的纯滞后拍数为 Z，时延 d=Z +1：(2)在 k时刻，从数据库读取 e(k)、f(k)、e(k d)；(3)从数据库中读取“(k)、“(kd)所使用的 规则序号 n u m(k)，n u m(kd)；(4)根据 n u m(kd)，从数据 中读取相应规则 的加权系数 r l u r l n_(kd)；(5)判断 e(k)所处的模式 I P S，P M，P L，取 n=r l l t x e(k)所处模式区间端点参数的绝对值 ；(6)判断 e(kd)所处的模式，取 b=ma x e(k d)所处模式区间端点参数的绝对值；(7)计算评价函数 P(k)=e(k)c(k)；(8)如果 P(k)=0，转项(1 3)，如果 P(k)0，转项(1 1)；(9)计算 f(k)：1+e(k)I (n+b)；(1 O)n 果第一次修正 n u m(kd)，则取 n t l m(k d)=f(k)，否则取 n u m(kd)=min n u m(kd)原有值，f(k)；(1 1)计算 f(k)=1 一I e(k)I (n+；(1 2)如果第一次修正n u m(k d)，则取 r n u m (k d)=f(k)，否则取 n t lm(kd)=m a x n u m(kd)原有值，f(k)；(1 3)本次学习结束 此时的控制输出为 ()r u()“(k)对某一被控对象，某一规则的加权系数 r的学 习过程是收敛 的，并且具有在线学习效果，可 自动保 存知识，供下一次控制使用 4 运行结果 此种模糊智能控制器已在酒泉钢铁公司选矿厂 的一个系列磨矿溢流浓度控制 中运行 了一年 事实 证明，它能够稳定生产，减少误差，提高磨矿的台何 处理量 分别取同一球磨机人 工手动操作 和模糊智 能控制的溢流浓 度技术数据，在溢流浓度给定值为 3 5 时，同一 班次的连 续 1 5个数据(取样 间隔为 1 rai n)列于表 2 图 5和图6分别给出了采用此种算 采样数 目 4 圈 5 前 的运行曲线 采样数 目 叶 图 6 采用此算法后 的运行 曲线 维普资讯 http:/ 西安交通太学学报 第 3 3卷 表 2一段球磨的溢流浓度 取样数 目，个 1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 l 4 1 5 手动操作溢液浓 度 2 9 2 3 2 7 3 5 1 4 l 2 3 0 4 3 7 2 3 5 3 3 0 3 3 9 1 3 2 4 2 9 8 3 3 2 3 8 4 2 8 1 3 3 4 智能控制溢漉浓度 3 2 9 3 3 1 3 6 3 3 5 1 3 4 2 3 7 1 3 4 2 3 3 2 3 5 6 3 4 3 3 3 4 3 6 7 3 6 5 3 5 2 3 5 2 法前、后实际系统的运行特性曲线 5 结论 针对生产 中磨矿溢流浓度 的特性，采用二维模 糊智能控制算法，辅以 自学习环 节，解决 了实际 问 题 因而 此种算法对具有非线性、时变、不确定性类 的被控对象，具有广泛 的应用前景和推广意义 参考文献：1 Z a d e hLA F u z z ylo g i c，n e u r a l n e t w o r k s a n d s o f t c o r n。p u t i n g J o u r n a l o t l Au t c rn a d c C o n t r o l，1 9 9 5 1 3(2)：2 1 2 3 2 8 J a n gRNe u r a l f u z z y r a e d d t i n g a n d c a t ml P M t h e I E E E，1 9 9 5，8 3(3)：3 7 8-4 0 3 Z a d e h I J _Fu z z y l o g i c=c o r o u t i n g wi t h wo r d s I E EE T r a n s S y s t，1 9 9 6，4(2)：1 0 3-1 1 1 4 R u s s o F F u z z y s y s t e r r i n f u z z y g n a l p r o c e s s i n g I E E E T r a n s I n s t r u m Me a s 1 9 9 6，4 5(2)：6 8 3 6 8 9 5 金晓明，荣冈，王骥程 自适应模糊控制的新进展 信 息与控制，1 9 9 6，2 5(4)：2 1 7 2 2 3 6 张天平，冯纯伯 一娄不确定动态系统 的输出反馈模糊 变结构 控 制 控 制 理 论 与 应 用，1 9 9 6，1 3(4)：4 3 2 4 3 9 (编辑荆树蓉)(上接第 1 7页)从表 1 可看出，相同病变 的超声 图像具有大体 相近的分形指数，而不同病变的超声图像 的分形指 数有明显差异 4 结论(1)本 文提 出 的局 部 分 形指 数 小 渡 分 析 法 L F W _ M，对分析肝脏组织超声 图像 的局部分形指 数和研究该分形体的构造规则是有效的(2)局部分形指数的研究有可能 为局部病变 的 识别和图像的分割提供基础 参考文献：1 G a r aB S，Kr a me r BHT h e v a l u e o f s o n o g r e p h i c t e x t u r e a n a l v s L l t r a s o n i c l n g i n g1 9 9 31 5：2 6 7-2 8 5 R i g a o t J P A u t o h a t e d i ma g e g 即日 l t a t i 0 n b y r n a t h e ma t i c a l r n o r p h o t e g y a n d f r a c t a l g e o me t r y J Mi c r o s c o p y，1 9 8 8，1 5 0(1)：2 1 3 1 P e ml a n d A P S h a d i n g i n t o t e x t u r e Ar t I n t e l l，1 9 8 6，2 9：1 4 7 l 7 u S a r k a r NAn e f fi c i e n t a p p c h t ot i r n a t e f r a c t a l d i me n s i o n o f t e x t u r a l i ma g e s P a t t e r n Re c o g n i t i o n，1 9 9 2，2 5(9)：1 0 3 5 1 0 4 1 Ga b o r D Th e o r y o fr mn u n _c a t i J I n s t E 1 E n g，1 9 4 69 3：4 2 94 5 7 Ume r M，Al d r o u b i A，E d e n MOn t h en p o t i c(2 o i3 一 v e r g e n c e o f B-s p l i n e wa v e e t t o Ga b 0 r f u n c t i o n s I E EE T mr】s I T，1 9 9 2，3 8(2)：8 6 4 8 7 2 Ur et e r M Te x t u r e c c a t|0 n a n d s e g me n t a t i o n u s i n g wa v e le t f r a me s I EEETr a n s o nI ma g eP r o c e s s i n g，1 9 9 5，4(1 1)：1 5 4 9 1 5 6 0(编辑荆树蓉)维普资讯 http:/