【摘要】：在選煤過程中,重介分選由于分選粒度范圍寬、分選精度高、適應(yīng)性強且易于實現(xiàn)自動化等優(yōu)點,逐漸成為選煤的主要分選方式。作為重介選煤過程中最重要的影響因素,懸浮液密度的變化直接影響精煤產(chǎn)品的質(zhì)量及分選效率,因此對懸浮液密度的控制尤為重要。懸浮液密度控制系統(tǒng)是一個高度非線性、時變、強耦合、大時滯的過程,很難建立被控對象的精確模型,傳統(tǒng)的控制算法在控制速度及控制精度方面逐漸顯現(xiàn)出了不足。同時,隨著原煤性質(zhì)等參數(shù)的變化,密度的設(shè)定值也必須隨之改變以確保精煤產(chǎn)品符合要求。針對上述問題,本文分別從懸浮液密度控制和設(shè)定值預測兩方面進行研究。論文首先介紹了重介選煤的工藝流程,并詳細闡述了重介旋流器精選過程及其主要影響因素。在分析輸入輸出關(guān)系的基礎(chǔ)上,根據(jù)試驗采集到的數(shù)據(jù),采用機理知識與試驗數(shù)據(jù)相結(jié)合的混合法對重介懸浮液密度控制系統(tǒng)進行建模,并設(shè)計了重介懸浮液密度控制系統(tǒng)整體方案。在控制系統(tǒng)整體方案中,懸浮液密度的控制采用不依賴于數(shù)學模型的無模型自適應(yīng)控制(MFAC)算法。在介紹MFAC基本理論知識的基礎(chǔ)上,對懸浮液密度控制系統(tǒng)中的MFAC控制器進行設(shè)計與開發(fā),并與常用的PID及模糊PID控制算法進行仿真對比。針對MFAC在滯后情況下存在的問題,設(shè)計了抗滯后MFAC(ADMFAC)控制器,并與標準MFAC在標稱模型及滯后增加的情況下分別進行仿真對比。在MFAC算法中步長序列kr和權(quán)重因子l是影響系統(tǒng)性能的主要參數(shù),然而,對于MFAC參數(shù)的整定尚缺乏完善的理論方法。為此,本文在分析蟻群算法基本原理、參數(shù)影響以及算法優(yōu)缺點的基礎(chǔ)上,選擇使用最大最小螞蟻系統(tǒng)(MMAS)對ADMFAC參數(shù)進行整定,得到步長序列kr和權(quán)重因子l的最優(yōu)組合使ADMFAC控制性能達到最優(yōu)。針對懸浮液密度設(shè)定值的預測問題,利用極限學習機(ELM)算法對預測模型進行訓練。首先介紹了影響密度設(shè)定值的因素,然后簡述了ELM算法的基本知識,建立了懸浮液密度設(shè)定值的預測模型,最后對建立的模型進行預測并與實際值對比。
[Abstract]:In the process of coal preparation, heavy medium separation has gradually become the main separation method because of the advantages of wide particle size range, high separation accuracy, strong adaptability and easy to realize automation. As the most important factor in the process of heavy medium coal preparation, the change of suspension density directly affects the quality and separation efficiency of coal concentrate products, so it is particularly important to control the density of suspensions. The suspension density control system is a highly nonlinear, time-varying, strongly coupled and time-delay process. It is difficult to establish an accurate model of the controlled object. At the same time, with the change of raw coal properties and other parameters, the density setting value must be changed to ensure that the clean coal products meet the requirements. In order to solve the above problems, the control of suspension density and the prediction of the set value are studied in this paper. In this paper, the process of heavy medium coal preparation is introduced, and the cleaning process of heavy medium cyclone and its main influencing factors are described in detail. Based on the analysis of the relationship between input and output, a hybrid method combining mechanism knowledge with experimental data is used to model the density control system of heavy media suspension. The whole scheme of density control system of heavy medium suspension is designed. In the overall scheme of the control system, the (MFAC) algorithm of model-free adaptive control is used to control the suspension density. On the basis of introducing the basic theoretical knowledge of MFAC, the design and development of MFAC controller in suspension density control system are carried out, and the simulation results are compared with the usual PID and fuzzy PID control algorithms. An anti-lag MFAC (ADMFAC) controller is designed to solve the problem of MFAC in the case of lag, and compared with the standard MFAC in the case of nominal model and the increase of lag. In the MFAC algorithm, step size sequence kr and weight factor l are the main parameters that affect the system performance. However, there is no perfect theoretical method for MFAC parameter tuning. Therefore, on the basis of analyzing the basic principle of ant colony algorithm, the influence of parameters and the advantages and disadvantages of the algorithm, this paper chooses to use the maximum and minimum ant system (MMAS) to adjust the ADMFAC parameters. The optimal combination of step size sequence kr and weight factor l is obtained to optimize the control performance of ADMFAC. Aiming at the prediction of suspension density, the prediction model is trained by (ELM) algorithm. This paper first introduces the factors influencing the density setting, then introduces the basic knowledge of the ELM algorithm, establishes the prediction model of the suspension density setting value, and finally forecasts the established model and compares it with the actual value.
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TD94

【相似文獻】

相關(guān)期刊論文 前10條

1 周興國;;重介洗煤廠降低介耗的討論[J];河北煤炭;2011年05期

2 M.C.阿伯萊希特 ,俞炳銓;重介選過程的有效控制[J];選煤技術(shù);1992年04期

3 王正書,彭驤,李雪勤;重介分選槽的使用及存在問題[J];露天采煤技術(shù);2000年03期

4 李樹軍;;淺談介質(zhì)粒度對重介分選的影響[J];山西焦煤科技;2011年09期

5 周全柱;重介管路系統(tǒng)的改進[J];選煤技術(shù);1980年05期

6 澤基·阿克坦,杜淑鳳,李文英;土耳其粉煤的重介離心浮沉分選[J];煤質(zhì)技術(shù);2000年05期

7 牛紀元,魯晏,崔俐,郭大林;重介懸浮液分流量的計算[J];選煤技術(shù);2002年04期

8 鐘小偉;;淺析重介洗煤中磁鐵礦粉的要求與控制[J];科技情報開發(fā)與經(jīng)濟;2007年03期

9 ;談?wù)剦K煤重介選的幾個問題[J];選煤技術(shù);1973年03期

10 楊建國,張文軍,歐澤深,胡軍,曹之傳,李明海,方慶洲,黃大河;降低介耗　提高塊煤重介選效率[J];選煤技術(shù);1998年04期

相關(guān)會議論文 前4條

1 王迪業(yè);;煤礦井下重介淺槽排矸系統(tǒng)的設(shè)計與應(yīng)用[A];2013年全國選煤技術(shù)交流會論文集[C];2013年

2 吳茹英;李俊斌;;重介懸浮液穩(wěn)定性的影響因素及改進措施[A];2011年全國選煤學術(shù)交流會論文集[C];2011年

3 彭陽;;內(nèi)蒙古能源公司中心選煤廠重介主再選工藝磁鐵礦粉粒度的選擇[A];2011年全國選煤學術(shù)交流會論文集[C];2011年

4 艾杰廉;;任家莊洗煤廠中煤再洗研究與探討[A];2013年全國選煤技術(shù)交流會論文集[C];2013年

相關(guān)重要報紙文章 前10條

1 通訊員　王洪濤 孔繁鋒 記者　常素莉;我國首個洗選高變質(zhì)程度無煙煤重介洗煤廠投產(chǎn)[N];河北經(jīng)濟日報;2007年

2 王洪濤 孔繁鋒;重介洗煤廠技改 精煤回收率提5%[N];中國煤炭報;2007年

3 崔懷綱　趙運京;金能集團：3000萬重介洗煤[N];中國現(xiàn)代企業(yè)報;2007年

4 王洪濤邋施玉奇;創(chuàng)新理念 技術(shù)挖潛 實施全過程節(jié)能減排[N];科技日報;2008年

5 李保平 王箐;李風勁吹風帆啟[N];山西經(jīng)濟日報;2007年

6 霍鵬淵　孔繁鋒;冀中能源四年造就四個“第一”[N];中國企業(yè)報;2010年

7 通訊員 王明科　本報記者 常素莉;冀中股份技改不停步 “廢”煤變“肥”煤[N];河北經(jīng)濟日報;2011年

8 本報記者 孫衛(wèi)東;介質(zhì)粉的長途之旅[N];六盤水日報;2011年

9 李仁堂;技改 生存 市場[N];中國煤炭報;2000年

10 孔繁鋒　記者 張立寬;章村礦 積極打造礦山生態(tài)工業(yè)園[N];中國企業(yè)報;2009年

相關(guān)碩士學位論文 前10條

1 薛東彪;重介密度控制算法及介質(zhì)回收系統(tǒng)參數(shù)優(yōu)化方法研究[D];太原理工大學;2016年

2 李停;基于無模型自適應(yīng)的重介懸浮液密度控制[D];中國礦業(yè)大學;2016年

3 張睿;濃密旋流器對重介懸浮液性質(zhì)的優(yōu)化研究[D];中國礦業(yè)大學;2016年

4 馬秀文;懸浮液組成對細粒煤重介分選影響研究[D];中國礦業(yè)大學;2016年

5 孫武峰;差壓式重介懸浮液密度與粘度一體化測量方法研究[D];清華大學;2010年

6 王波;重介懸浮液密度自動控制系統(tǒng)的設(shè)計與開發(fā)[D];太原理工大學;2011年

7 朱博;重介分選機鏈傳動系統(tǒng)設(shè)計與動力學分析[D];遼寧工程技術(shù)大學;2012年

8 姜華;基于PLC控制系統(tǒng)重介質(zhì)洗選煤方法的研究與實現(xiàn)[D];內(nèi)蒙古科技大學;2015年

9 姚海生;太原選煤廠重介一期工藝設(shè)計與工程實踐[D];太原理工大學;2003年

10 丁晴晴;淮北選煤廠重介中煤再選試驗研究[D];中國礦業(yè)大學;2014年

，

本文編號：2413617