CN110928183B - 一种浮选精矿品位的模糊控制方法 - Google Patents

一种浮选精矿品位的模糊控制方法 Download PDF

Info

Publication number
CN110928183B
CN110928183B CN201911104745.1A CN201911104745A CN110928183B CN 110928183 B CN110928183 B CN 110928183B CN 201911104745 A CN201911104745 A CN 201911104745A CN 110928183 B CN110928183 B CN 110928183B
Authority
CN
China
Prior art keywords
grade
flotation concentrate
fuzzy
deviation
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911104745.1A
Other languages
English (en)
Other versions
CN110928183A (zh
Inventor
刘畅
石博强
王汝杰
王宏志
钮展良
刘国义
高锦财
汤佳琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Angang Group Mining Co Ltd
Original Assignee
Angang Group Mining Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Angang Group Mining Co Ltd filed Critical Angang Group Mining Co Ltd
Priority to CN201911104745.1A priority Critical patent/CN110928183B/zh
Publication of CN110928183A publication Critical patent/CN110928183A/zh
Application granted granted Critical
Publication of CN110928183B publication Critical patent/CN110928183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
    • B03D1/00—Flotation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
    • B03D2203/00—Specified materials treated by the flotation agents; specified applications
    • B03D2203/02—Ores

Abstract

本发明涉及一种浮选精矿品位的模糊控制方法，根据原矿品位P指数和综合精矿品位的要求，设定浮选精矿品位的动态目标值；根据实际选矿现场数据得到实际的浮选精矿品位；采用模糊控制算法，根据浮选精矿品位的变化对CaO的用量进行智能调控，从而保证浮选精矿品位在高质量范围内。本发明的目的是为了克服现有浮选流程中存在的难以对CaO用量进行智能调控的缺陷，进而提供一种根据浮选精矿品位变化对CaO用量进行智能调控的浮选精矿品位控制方法。

Description

一种浮选精矿品位的模糊控制方法
技术领域
本发明涉及选矿厂选矿的技术领域，尤其涉及一种浮选精矿品位的模糊控制方法。
背景技术
浮选是指依据矿物表面物理化学性质的差异进行分选的方法。CaO作为石英的活化剂，在提高石英表面疏水性、促进石英与捕收剂的相互作用和提精降尾等方面，都有着很大作用，所以在浮选生产过程中，必须保证CaO适宜用量。然而，浮选精矿品位受到原矿性质、药剂等多种不确定因素的影响，耦合性强，很难建立精确的数学模型。模糊控制策略属于智能控制的范畴，适用于具有非线性、滞后性、强耦合的复杂控制对象。因此适合采用模糊控制策略对其CaO用量进行控制，保证得到良好的浮选精矿品位。
发明内容
本发明提供一种浮选精矿品位的控制方法，综合考虑原矿品位P指数及综合精矿品位要求，设定浮选动态控制目标，通过模糊控制方法进行CaO调节控制，使得浮选精矿品位维持在高质量范围内。
为了实现根据本发明的这些目的，本发明通过以下技术方案实现：
本发明的一种浮选精矿品位的控制方法，其特征在于包括以下步骤：
步骤一，设定浮选精矿品位的动态目标值：
根据原矿品位P指数和综合精矿品位的要求，原矿品位P指数占比60％，综合精矿品位占比40％，得到浮选精矿品位的动态目标值；
步骤二，根据实际选矿现场数据得到实际的浮选精矿品位；
步骤三，根据模糊控制器的输入模糊语言及其隶属度函数，求得偏差e和ec对PB、PM、PS、ZO、NS、NM、NB的隶属度，隶属度函数采用高斯型隶属度函数，如图2和图3所示。对于比例系数修正量△KP，积分系数修正量△Ki采用三角形隶属函数(trimf)，同时为体现定义的7个模糊子集，如图4和图5所示；由偏差e和偏差的变化率ec对输入模糊语言的隶属度，模糊推理得到比例P参数、积分I参数对输出变量语言的隶属度，使用加权平均法实现解模糊化，实时修改PI控制器的比例系数修正量△KP和积分系数修正量△Ki；
步骤四，将原矿品位、氧化亚铁品位、捕收剂用量、淀粉用量等多因素影响浮选精矿品位转化成所控制量(即CaO用量)的函数关系：
y＝y'+f(x)
ye＝f(x)＝y-y'
y'＝α1x1+α2x2+α3x3+α4x4+kδ+b
式中：y为浮选精矿品位的动态目标，y'为影响浮选精矿品位的多因素函数，ye为“当量品位”，即为影响浮选精矿品位的CaO用量函数，x1为原矿品位(单位：％)，x2为氧化亚铁品位(单位：％)，x3为捕收剂用量(单位：g/t)，x4为淀粉用量(单位：g/t)，δ为动态指标(根据实际选矿情况确定)，αi为变量系数(i＝1,2,L,5)，i＝1时，α1＝0.07～0.09，i＝2时，α2＝0.058～0.064，i＝3时，α1＝0.008～0.011，i＝4时，α1＝0.002～0.0023，k为动态指标系数(根据实际选矿情况确定)，b＝63.4～64.1；
步骤五，PI控制器输出控制CaO用量，通过调节CaO用量使浮选精矿品位稳定在高质量范围内；
作为本发明的进一步优化，所述的P指数按表1进行划分，
表1
Figure BDA0002270944920000021
Figure BDA0002270944920000031
作为本发明的进一步优化，所述的模糊控制器包括：模糊化单元、模糊规则库、模糊推理单元和解模糊化单元；
所述模糊化单元输入、输出量由基本论域中的值转换为模糊论域中对应值，浮选精矿品位与浮选精矿品位的动态目标值的偏差e以及偏差变化率ec作为模糊控制器的输入变量，输入输出经过量化因子量化，将偏差e的论域归一到[-2，4]，偏差的微分ec的论域归一到[-1，1]，比例系数修正量△Kp、积分系数修正量△Ki的论域均为[-6，6]；
所述模糊规则库单元由参数KP、Ki对系统输出特性的影响情况归纳得出；
所述模糊推理单元理论采用Mamdani原则的算法，将规则前提隶属度函数与结论输出，隶属度函数做最小运算，得到各条逻辑命题结论的隶属度函数；
所述解模糊化单元采用加权平均法；
使用加权平均法实现解模糊化，实时修改PI控制器比例系数修正量△Kp、积分系数修正量△Ki，加权平均算法如下：
Figure BDA0002270944920000032
作为本发明的进一步优化，所述的PI控制器算法如下：
Figure BDA0002270944920000033
K′p＝Kp+△Kp
K′i＝Ki+△Ki
式中：Kp为比例系数，Ti为积分系数，△KP为比例系数修正量，△Ki为积分系数修正量；
作为本发明的进一步优化，所述模糊规则库单元由参数KP、Ki对系统输出特性的影响情况归纳得出；在被控过程中对于不同的偏差和偏差变化率参数KP、KI的自整定原则：
1.If(e is NB)and(ec is NB)then(KP is PB)(KI is NB)
2.If(e is NB)and(ec is NM)then(KP is PB)(KI is NB)
3.If(e is NB)and(ec is NS)then(KP is PM)(KI is NM)
......
49.If(e is PB)and(ec is PB)then(KP is NB)(KI is PB)。
本发明的有益效果如下：
本发明通过综合考虑原矿品位P指数及综合精矿品位要求，设定浮选动态控制目标，通过模糊控制方法进行CaO调节控制，使得浮选精矿品位维持在高质量范围内；
当原矿P指数或综合精矿品位要求发生变化时，通过模糊控制CaO用量，使浮选精矿品位稳定在高质量范围内。
附图说明
图1为模糊控制方法的整体流程图；
图2为偏差隶属函数图；
图3为偏差变化率隶属函数图；
图4为△KP隶属函数图；
图5为△Ki隶属函数图。
具体实施方式
为了实现根据本发明的这些目的和其它优点，本发明通过以下技术方案实现：
如图1-图5所示，本发明的一种浮选精矿品位的控制方法，其特征在于包括以下步骤：
步骤一，设定浮选精矿品位的动态目标值：
根据原矿品位P指数和综合精矿品位的要求，原矿品位P指数占比60％，综合精矿品位占比40％，得到浮选精矿品位的动态目标值；
本发明所述的P指数按表1进行划分，
表1
Figure BDA0002270944920000041
Figure BDA0002270944920000051
步骤二，根据实际选矿现场数据得到实际的浮选精矿品位；
步骤三，根据模糊控制器的输入模糊语言及其隶属度函数，求得偏差e和ec对PB、PM、PS、ZO、NS、NM、NB的隶属度，隶属度函数采用高斯型隶属度函数，由偏差e和偏差的变化率ec对输入模糊语言的隶属度，模糊推理得到比例P参数、积分I参数对输出变量语言的隶属度，使用加权平均法实现解模糊化，实时修改PI控制器的比例系数修正量△KP和积分系数修正量△Ki；
所述的模糊控制器包括：模糊化单元、模糊规则库、模糊推理单元和解模糊化单元；
所述模糊化单元输入、输出量由基本论域中的值转换为模糊论域中对应值，浮选精矿品位与浮选精矿品位的动态目标值的偏差e以及偏差变化率ec作为模糊控制器的输入变量，输入输出经过量化因子量化，将偏差e的论域归一到[-2，4]，偏差的微分ec的论域归一到[-1，1]，比例系数修正量△Kp、积分系数修正量△Ki的论域均为[-6，6]；
所述模糊规则库单元由参数KP、Ki对系统输出特性的影响情况归纳得出；
根据参数KP、KI对系统输出特性的影响情况，可以归纳出系统在被控过程中对于不同的偏差和偏差变化率参数KP、KI的自整定原则：
1.If(e is NB)and(ec is NB)then(KP is PB)(KI is NB)
2.If(e is NB)and(ec is NM)then(KP is PB)(KI is NB)
3.If(e is NB)and(ec is NS)then(KP is PM)(KI is NM)
......
49.If(e is PB)and(ec is PB)then(KP is NB)(KI is PB)
将以上规则定义成模糊规则控制表，见表2和表3；
表2
Figure BDA0002270944920000061
表3
Figure BDA0002270944920000062
表中：e表示偏差，ec表示偏差变化率，△Kp表示PI控制器比例系数修正量，△Ki表示PI控制器积分系数修正量；
所述模糊推理单元理论采用Mamdani原则的算法，将规则前提隶属度函数与结论输出，隶属度函数做最小运算，得到各条逻辑命题结论的隶属度函数；
所述解模糊化单元采用加权平均法；
使用加权平均法实现解模糊化，实时修改PI控制器比例系数修正量△Kp、积分系数修正量△Ki，加权平均算法和PI控制器算法如下：
Figure BDA0002270944920000063
Figure BDA0002270944920000071
K′p＝Kp+△Kp
K′i＝Ki+△Ki
式中：Kp为比例系数，Ti为积分系数，△Kp为比例系数修正量，△Ki为积分系数修正量；
根据模糊控制器的输入模糊语言及其隶属度函数，求得偏差e和ec对PB、PM、PS、ZO、NS、NM、NB的隶属度，隶属度函数采用高斯型隶属度函数，如图2和图3所示。对于比例系数修正量△KP，积分系数修正量△Ki采用三角形隶属函数(trimf)，同时为体现定义的7个模糊子集，如图4和图5所示；
步骤四，将原矿品位、氧化亚铁品位、捕收剂用量、淀粉用量等多因素影响浮选精矿品位转化成所控制量(即CaO用量)的函数关系：
y＝y'+f(x)
ye＝f(x)＝y-y'
y'＝α1x1+α2x2+α3x3+α4x4+kδ+b
式中：y为浮选精矿品位的动态目标，y'为影响浮选精矿品位的多因素函数，ye为“当量品位”，即为影响浮选精矿品位的CaO用量函数，x1为原矿品位(单位：％)，x2为氧化亚铁品位(单位：％)，x3为捕收剂用量(单位：g/t)，x4为淀粉用量(单位：g/t)，δ为动态指标(根据实际选矿情况确定)，αi为变量系数(i＝1,2,L,5)，i＝1时，α1＝0.07～0.09，i＝2时，α2＝0.058～0.064，i＝3时，α1＝0.008～0.011，i＝4时，α1＝0.002～0.0023，k为动态指标系数(根据实际选矿情况确定)，b＝63.4～64.1；
步骤五，PI控制器输出控制CaO用量，通过调节CaO用量使浮选精矿品位稳定在高质量范围内。
本实施例采用的控制方法基于实际选矿现场数据得到实际的浮选精矿品位的分析获得，可以通过调节CaO用量使浮选精矿品位稳定在高质量范围内；根据模糊控制器的输入模糊语言及其隶属度函数，求得偏差e和ec对PB、PM、PS、ZO、NS、NM、NB的隶属度，隶属度函数采用高斯型隶属度函数，如图2和图3所示。对于比例系数修正量△KP，积分系数修正量△Ki采用三角形隶属函数(trimf)，同时为体现定义的7个模糊子集，如图4和图5所示；通过模糊控制器实时修改PI控制器比例系数修正量△KP和积分系数修正量△Ki，控制上升时间明显缩短,响应速度明显加快,超调量更小,抗干扰能力増强，效果较好。

Claims (4)

1.一种浮选精矿品位的模糊控制方法，其特征在于包括以下步骤：
步骤一，设定浮选精矿品位的动态目标值：
根据原矿品位P指数和综合精矿品位的要求，原矿品位P指数占比60％，综合精矿品位占比40％，得到浮选精矿品位的动态目标值；
步骤二，根据实际选矿现场数据得到实际的浮选精矿品位；
步骤三，根据模糊控制器的输入模糊语言及其隶属度函数，求得偏差e和变化率ec,其偏差e和偏差的变化率ec为浮选精矿品位与浮选精矿品位的动态目标值的偏差e和偏差的变化率ec，对PB、PM、PS、ZO、NS、NM、NB的隶属度，隶属度函数采用高斯型隶属度函数，由偏差e和偏差的变化率ec对输入模糊语言的隶属度，模糊推理得到比例P参数、积分I参数对输出变量语言的隶属度，使用加权平均法实现解模糊化，实时修改PI控制器的比例系数修正量△KP和积分系数修正量△Ki；
步骤四，将原矿品位、氧化亚铁品位、捕收剂用量、淀粉用量多因素影响浮选精矿品位转化成所控制量，即CaO用量的函数关系：
y＝y'+f(x)
ye＝f(x)＝y-y'
y'＝α1x1+α2x2+α3x3+α4x4+kδ+b
式中：y为浮选精矿品位的动态目标，y'为影响浮选精矿品位的多因素函数，ye为“当量品位”，即为影响浮选精矿品位的CaO用量函数，x1为原矿品位，单位：％，x2为氧化亚铁品位，单位：％，x3为捕收剂用量，单位：g/t，x4为淀粉用量，单位：g/t，δ为动态指标，根据实际选矿情况确定，αi为变量系数i＝1,2,3，4，i＝1时，α1＝0.07～0.09，i＝2时，α2＝0.058～0.064，i＝3时，α3＝0.008～0.011，i＝4时，α4＝0.002～0.0023，k为动态指标系数，b＝63.4～64.1；
步骤五，PI控制器输出控制CaO用量，通过调节CaO用量控制浮选精矿品位，使浮选精矿品位稳定在高质量范围内。
2.根据权利要求1所述的浮选精矿品位的模糊控制方法，其特征在于，所述的P指数为，
当P指数＞80时，原矿石性质为优；当P指数在70-80间时，原矿石性质为良；当P指数在60-70间时，原矿石性质合格；当P指数在50-60间时，原矿石性质较差；当P指数在40-50间时，原矿石性质为差；当P指数＜40时，原矿石性质不可选择。
3.根据权利要求1所述的浮选精矿品位的模糊控制方法，其特征在于，所述的模糊控制器包括：模糊化单元、模糊规则库单元、模糊推理单元和解模糊化单元；
所述模糊化单元输入、输出量由基本论域中的值转换为模糊论域中对应值，浮选精矿品位与浮选精矿品位的动态目标值的偏差e以及偏差变化率ec作为模糊控制器的输入变量，输入输出经过量化因子量化，将偏差e的论域归一到[-2，4]，偏差的变化率ec的论域归一到[-1，1]，比例系数修正量△Kp、积分系数修正量△Ki的论域均为[-6，6]；
所述模糊规则库单元由参数比例系数修正量△Kp、积分系数修正量对系统输出特性的影响情况归纳得出；△Ki
所述模糊推理单元理论采用Mamdani原则的算法，将规则前提隶属度函数与结论输出，隶属度函数做最小运算，得到各条逻辑命题结论的隶属度函数；
所述解模糊化单元采用加权平均法：使用加权平均法实现解模糊化，实时修改PI控制器比例系数修正量△Kp、积分系数修正量△Ki，加权平均算法如下：
Figure FDA0003750338910000021
其中：v0为加权平均数，ki为权重，vi为被加权数。
4.根据权利要求1所述的浮选精矿品位的模糊控制方法，其特征在于，所述的PI控制器算法如下：
Figure FDA0003750338910000031
K'p＝Kp+△Kp
Ki'＝Ki+△Ki
式中：Kp为比例系数，Ti为积分系数，△KP为比例系数修正量，△Ki为积分系数修正量，u(t)为输出信号；e(t)为偏差信号；Kp'为修正后的比例系数，Ki'为修正后的积分系数。
CN201911104745.1A 2019-11-13 2019-11-13 一种浮选精矿品位的模糊控制方法 Active CN110928183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911104745.1A CN110928183B (zh) 2019-11-13 2019-11-13 一种浮选精矿品位的模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911104745.1A CN110928183B (zh) 2019-11-13 2019-11-13 一种浮选精矿品位的模糊控制方法

Publications (2)

Publication Number Publication Date
CN110928183A CN110928183A (zh) 2020-03-27
CN110928183B true CN110928183B (zh) 2022-09-16

Family

ID=69852804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911104745.1A Active CN110928183B (zh) 2019-11-13 2019-11-13 一种浮选精矿品位的模糊控制方法

Country Status (1)

Country Link
CN (1) CN110928183B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112517248B (zh) * 2020-10-29 2022-08-09 宜春钽铌矿有限公司 一种锂云母浮选系统液位的智能控制方法
CN116956140B (zh) * 2023-09-19 2023-12-08 保定市佳宇软件科技有限公司 一种智能分拣过程中参数动态预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT101568A (pt) * 1994-08-30 1996-03-29 Fernando De Oliveira Durao Sistema de controlo vago (fuzzy) de um processo de flutuacao em coluna
WO2013169140A1 (en) * 2012-05-10 2013-11-14 Outotec Oyj Method and apparatus for controlling the flotation process of pyrite - containing sulphide ores
CN106292292A (zh) * 2016-10-17 2017-01-04 鞍钢集团矿业有限公司 基于案例推理的铁矿浮选药剂用量优化设定方法及系统
CN206631774U (zh) * 2017-04-11 2017-11-14 淮南矿业(集团)有限责任公司 一种浮选自动加药系统
CN109569887A (zh) * 2018-11-23 2019-04-05 鞍钢集团矿业有限公司 一种基于尾矿品位的铁矿浮选药剂用量自动控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT101568A (pt) * 1994-08-30 1996-03-29 Fernando De Oliveira Durao Sistema de controlo vago (fuzzy) de um processo de flutuacao em coluna
WO2013169140A1 (en) * 2012-05-10 2013-11-14 Outotec Oyj Method and apparatus for controlling the flotation process of pyrite - containing sulphide ores
CN106292292A (zh) * 2016-10-17 2017-01-04 鞍钢集团矿业有限公司 基于案例推理的铁矿浮选药剂用量优化设定方法及系统
CN206631774U (zh) * 2017-04-11 2017-11-14 淮南矿业(集团)有限责任公司 一种浮选自动加药系统
CN109569887A (zh) * 2018-11-23 2019-04-05 鞍钢集团矿业有限公司 一种基于尾矿品位的铁矿浮选药剂用量自动控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于泡沫、品位分析的浮选优化控制;孙静等;《现代矿业》;20150930(第09期);第73-77，80页 *
浮选过程模糊控制器比例因子的仿真研究;吴克明等;《武汉科技大学学报(自然科学版)》;19990330;第22卷(第01期);第21-23页 *

Also Published As

Publication number Publication date
CN110928183A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN110928183B (zh) 一种浮选精矿品位的模糊控制方法
CN108001447A (zh) 一种智能车辆路径跟踪前轮转角补偿控制方法
CN106527119B (zh) 基于模糊控制的微分先行pid控制系统
CN111176115B (zh) 基于模糊神经网络和仿人智能控制的阀位控制方法
CN111812968B (zh) 基于模糊神经网络pid控制器的阀位串级控制方法
Zhao et al. The fuzzy PID control optimized by genetic algorithm for trajectory tracking of robot arm
CN109491248B (zh) 基于rbf-arx模型和拉盖尔函数的磁悬浮球位置预测控制方法
CN108181802A (zh) 一种性能可控pid控制器参数优化整定方法
CN110531614B (zh) 新颖的无刷直流电机模糊神经网络pi控制器
CN111007716A (zh) 基于预测函数的交流伺服电机变论域模糊pi控制方法
CN110193427B (zh) 一种铜浮选流程石灰添加量的自动控制方法
CN106054616B (zh) 模糊逻辑优化pid控制器参数的钛带卷连续酸洗活套高度控制方法
Yang et al. A new type of adaptive fuzzy PID controller
CN106468879A (zh) 一种液位‑流量非线性区域控制方法
CN110647186A (zh) 一种基于模糊神经网络的氯乙烯精馏温度控制方法
CN112180733B (zh) 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法
CN111077771A (zh) 一种自整定模糊pid控制方法
CN108227476A (zh) 一种agv小车的控制方法
Jing Application and study of expert PID intelligent control
Yong–xiao et al. An Improved Control Algorithm for Ship Course Keeping Based on Nonlinear Feedback and Decoration
CN113655718A (zh) 基于滑模控制的自动驾驶车辆间距自适应控制方法
CN108776431A (zh) 电液关节负载敏感自适应模糊滑模控制方法
Keerthana et al. Comparison of PI controller, model reference adaptive controller and fuzzy logic controller for coupled tank system
Xie et al. A two-layer optimization and control strategy for zinc hydrometallurgy process based on RBF neural network soft-sensor
Li et al. Optimization control for the looper’s height on continuous pickling titanium plates and strips by microwave heating

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant