CN111229444A - 基于模糊控制的磨机控制方法 - Google Patents

基于模糊控制的磨机控制方法 Download PDF

Info

Publication number
CN111229444A
CN111229444A CN202010082983.3A CN202010082983A CN111229444A CN 111229444 A CN111229444 A CN 111229444A CN 202010082983 A CN202010082983 A CN 202010082983A CN 111229444 A CN111229444 A CN 111229444A
Authority
CN
China
Prior art keywords
mill
control
control method
fuzzy
rule base
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.)
Pending
Application number
CN202010082983.3A
Other languages
English (en)
Inventor
陈睿
王雁飞
曾令楚
郭泰�
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.)
China ENFI Engineering Corp
Original Assignee
China ENFI Engineering Corp
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 China ENFI Engineering Corp filed Critical China ENFI Engineering Corp
Priority to CN202010082983.3A priority Critical patent/CN111229444A/zh
Publication of CN111229444A publication Critical patent/CN111229444A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B02CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02CCRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C25/00Control arrangements specially adapted for crushing or disintegrating

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Feedback Control In General (AREA)

Abstract

本公开是关于一种基于模糊控制的磨机控制方法,该磨机控制方法包括:建立模糊控制规则库;获取磨机生产运行的目标实时数据;对获取的所述目标实时数据进行模糊化处理;根据所述规则库对模糊化处理后的目标实时数据进行分析;对分析后的目标实时数据进行解模糊处理;根据解模糊处理后的目标实施数据调整磨机生产运行状态。本公开提供的基于模糊控制的磨机控制方法,减小控制过程的受控参数波动范围,在磨矿粒度稳定在一个合格水平的前提下维持尽可能高的给矿量。

Description

基于模糊控制的磨机控制方法
技术领域
本公开涉及磨机控制技术领域,具体而言,涉及一种基于模糊控制的磨机控制方法。
背景技术
磨矿是有色金属生产过程中的首要环节,磨机是磨矿过程的核心设备。在磨矿过程中,需要严格控制磨机的运行功率,功率过高容易损坏磨机,功率过低则是对产能的浪费,理想状态下,磨机应该维持在较高功率下稳定运转,即在安全平稳运行状态下能够保持尽可能高的给矿量。
在实际生产过程中,磨机的稳定运行受到多方面因素的影响,包括矿石块度、矿石硬度、给料机的转速等等。同时,作为磨矿过程中的核心设备,磨机通过影响泵池中矿浆的浓度对后续旋流器溢流浓度造成间接影响,对磨机的控制需要考虑对多个生产环节的影响,从而达到系统整体运行效率最佳。
目前主要依据PID控制器对磨机进行控制,这种方法能够对系统运行异常做出响应并进行调节,但调节过程存在较大的惯性和滞后性,往往导致受控参数在较大范围内上下波动,为安全生产带来隐患。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种基于模糊控制的磨机控制方法,能够减小控制过程的受控参数波动范围,在磨矿粒度稳定在一个合格水平的前提下维持尽可能高的给矿量。
根据本公开的一个方面,提供了一种基于模糊控制的磨机控制方法,该磨机控制方法包括:
建立模糊控制规则库;
获取磨机生产运行的目标实时数据;
对获取的所述目标实时数据进行模糊化处理;
根据所述规则库对模糊化处理后的目标实时数据进行分析;
对分析后的目标实时数据进行解模糊处理;
根据解模糊处理后的目标实施数据调整磨机生产运行状态。
在本公开的一种是示例性实施例中,所述目标实时数据包括磨机的运行电流、运行功率以及运行电流的变化率、运行功率的变化率。
在本公开的一种是示例性实施例中,建立模糊控制规则库,包括:
在所述规则库下建立节点;
在所述节点下再建立子节点,所述子节点为球磨机自身需要监控以及测量的变量。
在本公开的一种是示例性实施例中,建立模糊控制规则库,还包括:
为所述子节点配置参数表,所述参数表包括控制磨机所要考虑的外部磨矿过程中需要控制的变量以及控制脚本中产生的中间变量。
在本公开的一种是示例性实施例中,建立模糊控制规则库,还包括:
为需要进行模糊化处理的参数定义隶属度函数。
在本公开的一种是示例性实施例中,所述隶属度函数为三角形隶属度函数。
在本公开的一种是示例性实施例中,所述监控变量包括给矿量、给料机转速、溢流浓度。
在本公开的一种是示例性实施例中,所述测量变量包括磨机功率、主皮带轴压、矿石重量以及矿石块度。
在本公开的一种是示例性实施例中,所述外部磨矿过程中需要控制的变量包括:泵池液位、浓度、旋流器压力。
在本公开的一种是示例性实施例中,所述规则库中的脚本彼此逻辑上互为补充,执行时互不干扰。
本公开提供的基于模糊控制的磨机控制方法,将针对现有PID控制过程存在的问题,对磨机的控制过程进行优化,通过模糊控制方法,一方面将操作工的操作经验转化为模糊控制逻辑,另一方面对受控变量以及控制逻辑单元的输出量进行模糊处理,使控制过程从原来的标准化设定值控制转化为模糊化设定范围控制,降低了系统整体的波动幅度;优化了磨矿过程的基础回路控制,减小控制过程的受控参数波动范围,在磨矿粒度稳定在一个合格水平的前提下维持尽可能高的给矿量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本公开的一种实施例提供的基于模糊控制的磨机控制方法的流程图;
图2为本公开的一种实施例提供的最小逻辑单元结构的示意图;
图3为本公开的一种实施例提供的三角形隶属度函数运算的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
申请人发现,磨矿分级过程具有多变量、强非线性、强耦合、大时滞以及工况多变性等综合复杂特征,而且现场应用中往往存在特殊干扰因素。在实际生产过程中,要想达到最佳的生产效果往往需要同时结合理论与操作工现场的生产经验,仅通过设定值进行某一回路控制而不考虑系统整体运行状态容易对其它回路造成不良影响;设定值的存在使得控制回路在调节过程中容易出现实际值在设定值上下反复波动、阀门频繁开关、给料机转速忽快忽慢等情况,这些都会为安全稳定生产带来隐患,而且凭空增加设备的损耗;此外,依据设定值的PID控制方法在调节过程中也难以控制调节尺度,超调现象频繁发生,对控制逻辑单元的调节过于粗放。
本示例实施方式中首先提供了一种基于模糊控制的磨机控制方法,如图1所示,该磨机控制方法包括:
步骤S100、建立模糊控制规则库;
步骤S200、获取磨机生产运行的目标实时数据;
步骤S300、对获取的所述目标实时数据进行模糊化处理;
步骤S400、根据所述规则库对模糊化处理后的目标实时数据进行分析;
步骤S500、对分析后的目标实时数据进行解模糊处理;
步骤S600、根据解模糊处理后的目标实施数据调整磨机生产运行状态。
本公开提供的基于模糊控制的磨机控制方法,将针对现有PID控制过程存在的问题,对磨机的控制过程进行优化,通过模糊控制方法,一方面将操作工的操作经验转化为模糊控制逻辑,另一方面对受控变量以及控制逻辑单元的输出量进行模糊处理,使控制过程从原来的标准化设定值控制转化为模糊化设定范围控制,降低了系统整体的波动幅度;优化了磨矿过程的基础回路控制,减小控制过程的受控参数波动范围,在磨矿粒度稳定在一个合格水平的前提下维持尽可能高的给矿量。
下面,将对本示例实施方式中的基于模糊控制的磨机控制方法的各步骤进行进一步的说明。
本公开的最小逻辑单元结构如图2所示,其中测量的参数包括磨机的运行电流、运行功率以及运行电流的变化率、运行功率的变化率。为了在磨机上实施模糊控制方法,通过控制系统设计后台的控制逻辑,系统内含基本的模糊计算公式,支持手动编辑控制逻辑并配置控制变量。系统本身支持通过OPC协议与DCS进行通讯,在执行控制的过程中,系统先读取DCS中的生产运行实时数据,然后依据编辑好的控制逻辑进行运算,运算后的结果再反馈给DCS,通过DCS实现对底层PLC的控制。其中,对模糊控制器的设计首要的环节是对模糊化接口的设计,实际就是定义语言变量。
在生产过程中,对于某一受控变量,PID控制的逻辑只有高、低、等于,对变量实际值与设定值的相差范围没有逻辑上的“语言”进行描述。在模糊控制过程中,本公开通过定义磨机的受控变量名称、论域以及语言值(语言值是定义在变量论域上的一个模糊集合),并结合理论与操作工经验定义每个模糊集合的隶属度函数(即每个模糊集合在不同值域上的语言算子)。
模糊控制器的工作是依据规则库完成的,按照IF...AND...THEN...ELSE...的形式表达。模糊推理的依据就是这些设定好的规则,得到的输出值再经过清晰化接口转化为精确的控制量。
具体的,本公开实现的模糊控制系统可以通过OPC协议与DCS服务器进行通信,在系统中配置好DCS服务器的IP即可通过位号获取每个采集点的数据。在本实例中共采集了磨矿过程各模块的温度、压力、震动频率、流量等超过6000个观测数据。
以给矿量控制过程为例,受控对象选取实际给矿量与理想给矿量的偏差e以及误差变化ec,控制量为给矿皮带的转速u。当从DCS上采集到数据时,一次模糊化控制过程如下:
模糊化运算:设定给矿量偏差e的实际取值范围为[-300,300],模糊论域定义为X=[-3,-2,-1,0,1,2,3],即n=3,当e的取值为30时,模糊化处理后的值为e*Ke=30*n/Xe=30*3/300=0.3,则对应语言值为正小,对应模糊控制规则为“给矿量偏高”;给矿量的变化趋势ec为采集前后两次给矿量的差值,设定给矿量变化ec的取值范围为[-10,10],模糊论域定义为Y=[-3,-2,-1,0,1,2,3],当ec取值为-8时,模糊化处理后的值为ec*Kec=(-5)*n/Yec=-2.4,对应语言值为负大,对应模糊控制规则为“给矿量快速减少”,本实例中在进行模糊化运算时选择的隶属度函数为三角形隶属度函数。
规则库分析:模糊化运算的结果需要依据规则库进行推理,规则库为根据生产经验提前定义好的多重条件语句,可以表示为从误差论域到控制量论域的模糊关系矩阵R,通过误差的模糊向量E和误差变化的模糊向量EC与模糊关系R的合成进行模糊推理,得到控制量的模糊向量,然后采用解模糊将模糊控制向量转换为精确量,对上述实例进行分析,当e=30,ec=-8时,系统将判定磨机“给矿量偏高”且“给矿量快速减少”,此时依据定义好的规则库,系统做出的响应为“缓慢增加给矿皮带转速”,此处原理为在当前状态下磨机给矿量将在未来时间中快速下降,而当前给矿量实际并没有很高,皮带转速稍低,稍微增加皮带转速能避免给矿量大幅波动至负小。
根据模糊集合和模糊关系理论,对于不同类型的模糊规则可用不同的模糊推理方法,以常用的if A then B类型的模糊规则的推理为例,若已知输入为A,则输出为B,若现在已知输入为A',则输出B'用合成规则求取B'=A'OR,其中模糊关系R定义为:
μR(x,y)=min[μA(x),μB(y)]
由于系统的控制规则库是由若干条规则组成的,对于每一条推理规则都可以得到一个相应的模糊关系,n条规则就有n个模糊关系,R1,R2,...,Rn,对于整个系统的全部控制规则所对应的模糊关系及可对n个模糊关系Ri(i=1,2,...n)取并操作得到:
Figure BDA0002380959800000071
解模糊运算:通过规则库分析得到的结果时一组模糊集合,在模糊控制系统中,需要一个确定的值作为控制信号控制或驱动执行机构,也就是解模糊。本实施例中解模糊过程也依据了三角形隶属度函数进行运算,如图3所示。
当规则库分析结果为“缓慢增加给矿皮带转速”时,隶属度函数落在了上图的紫色区域[(0,0,0),(0.5,1.0),(0.5,1.0),(0.5,0.0)],则此时给矿皮带转速逐渐开始增加,三角形的斜边反映了皮带转速的变化率。由于最终皮带转速不仅仅由一条规则控制,而是受到多个规则同时作用的结果,本实例中采用重心法来得到解模糊运算的结果,计算公式为:
Figure BDA0002380959800000072
例如u'=0.1/2+0.8/3+1.0/4+0.1/6,
则u=(2*0.1+3*0.8+4*1+5*0.8+6*0.1)/0.1+0.8+1.0+0.8+0.1=4。
输出控制变量:解模糊化后的U,经过比例因子可以转化为实际作用于控制对象的控制量u,这种转换需要依据模糊控制输入量的量化等级E,EC与输出量即系统控制量的量化等级U之间的关系确定模糊控制表,设实际的控制量u的变化范围为[a,b],量化等级为(-n,-n+1,...o,,,,.n-1,n),则实际的控制量应为:
Figure BDA0002380959800000073
示例的,在windows环境下安装控制软件并为磨机创建规则管理库,配置数据库服务器监听的端口以及扫描率,确认配置信息中OPC client的IP为本机IP,然后配置OPCserver的IP并测试连接,若数据库服务器与OPC服务器通讯正常,将在界面上显示OPC服务器的点表以及位号。
启动控制软件执行程序,在规则库下新增节点,命名为“球磨机”;“球磨机”节点下再创建子节点,这些子节点为球磨机自身需要监控以及测量的变量,监控变量包括给矿量、给料机转速、溢流浓度,测量变量包括磨机功率、主皮带轴压、矿石重量以及矿石块度;
然后为子节点配置参数表,其中包括为了控制球磨机所要考虑的外部磨矿过程需要控制的变量(例如泵池液位、浓度、旋流器压力等等)以及控制脚本中产生的所有中间变量;
最后为需要进行模糊化处理的参数定义隶属度函数。在本公开的实施例中,模糊化过程的论域定义为[0,1](对测量值进行归一化处理),变量的语言值定义为“低低、低、适中、高、高高”。
将所有参数实例化之后,可以在控制系统后台编辑逻辑脚本,所有脚本均可配置扫描周期、触发事件以及定时任务,规则库中的脚本彼此逻辑上互为补充,但执行时互不干扰。
本公开中创建的磨机控制脚本转化为自然语言包括如下内容:
磨机轴压低且不增加,快速增加磨机给矿量;
磨机轴压低且不增加,快速增加磨机给矿浓度;
磨机轴压低且不增加,增加磨机粗颗粒比率;
磨机轴压低且快速增加,缓慢减少磨机给矿量;
磨机轴压低且快速增加,快速降低磨机浓度;
磨机轴压低且快速增加,快速减少粗颗粒比率;
磨机轴压正常且降低,增加磨机给矿量;
磨机轴压正常且降低,增加磨机给矿浓度;
磨机轴压正常且降低,增加磨机粗颗粒比率;
磨机轴压正常且稳定,缓慢增加磨机给矿量;
磨机轴压正常且稳定,缓慢增加磨机给矿浓度;
磨机轴压正常且稳定,缓慢增加磨机粗颗粒比率;
磨机轴压正常且增加,缓慢减少磨机给矿量;
磨机轴压正常且增加,缓慢降低磨机给矿浓度;
磨机轴压正常且增加,缓慢减少磨机粗颗粒比率;
磨机轴压高且稳定,减少磨机给矿量;
磨机轴压高且稳定,减少磨机给矿浓度;
磨机轴压高且稳定,减少磨机粗颗粒比率;
磨机轴压高且增加,快速减少磨机给矿量;
磨机轴压高且增加,快速降低磨机给矿浓度;
磨机轴压高且增加,快速减少磨机粗颗粒比率;
磨机轴压非常高且不降低,快速减少磨机给矿量;
磨机轴压非常高且不降低,快速降低磨机给矿浓度;
磨机轴压非常高且不降低,快速减少磨机粗颗粒比率;
磨机轴压突然非常高,减少磨机给矿量;
磨机过载,快速减少磨机给矿量;
磨机过载,快速降低磨机给矿浓度;
磨机过载,快速减少磨机粗颗粒比率;
磨机复位,增加给矿量;
磨机复位,跟踪设定值;
磨机循环负荷高,减少磨机给矿量;
磨机循环负荷高,增加磨机给矿浓度;
磨机循环负荷高且不降低,增加磨机粗颗粒比率;
本公开开发的控制系统执行的所有操作都会在后台以日志的形式输出,日志文件保存在指定目录下支持按时间轴查询浏览,规则库中的所有脚本以及参数模板都可以导出到txt文件中。
本公开提供的基于模糊控制的磨机控制方法,模糊控制法通过构建规则库,在控制过程中引入了操作专家对磨机的控制经验,相比于高减低增的PID控制,模糊控制更加灵活,更能保证磨矿系统整体的高效稳定运行;相比于传统的PID控制,模糊控制在应对具有大惯性、大滞后的复杂系统时的动态性能更好,调节效率更高,基本不存在超调现象;模糊控制引入了隶属度的概念,在控制过程中对系统的变化趋势有了判断,通过动态调整控制变量的设定值,使得受控参数变化曲线更加平滑,避免了阀门的反复开关。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种基于模糊控制的磨机控制方法,其特征在于,包括:
建立模糊控制规则库;
获取磨机生产运行的目标实时数据;
对获取的所述目标实时数据进行模糊化处理;
根据所述规则库对模糊化处理后的目标实时数据进行分析;
对分析后的目标实时数据进行解模糊处理;
根据解模糊处理后的目标实施数据调整磨机生产运行状态。
2.根据权利要求1所述的磨机控制方法,其特征在于,所述目标实时数据包括磨机的运行电流、运行功率以及运行电流的变化率、运行功率的变化率。
3.根据权利要求1所述的磨机控制方法,其特征在于,建立模糊控制规则库,包括:
在所述规则库下建立节点;
在所述节点下再建立子节点,所述子节点为球磨机自身需要监控以及测量的变量。
4.根据权利要求3所述的磨机控制方法,其特征在于,建立模糊控制规则库,还包括:
为所述子节点配置参数表,所述参数表包括控制磨机所要考虑的外部磨矿过程中需要控制的变量以及控制脚本中产生的中间变量。
5.根据权利要求4所述的磨机控制方法,其特征在于,建立模糊控制规则库,还包括:
为需要进行模糊化处理的参数定义隶属度函数。
6.根据权利要求5所述的磨机控制方法,其特征在于,所述隶属度函数为三角形隶属度函数。
7.根据权利要求3所述的磨机控制方法,其特征在于,所述监控变量包括给矿量、给料机转速、溢流浓度。
8.根据权利要求3所述的磨机控制方法,其特征在于,所述测量变量包括磨机功率、主皮带轴压、矿石重量以及矿石块度。
9.根据权利要求4所述的磨机控制方法,其特征在于,所述外部磨矿过程中需要控制的变量包括:泵池液位、浓度、旋流器压力。
10.根据权利要求1所述的磨机控制方法,其特征在于,所述规则库中的脚本彼此逻辑上互为补充,执行时互不干扰。
CN202010082983.3A 2020-02-07 2020-02-07 基于模糊控制的磨机控制方法 Pending CN111229444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010082983.3A CN111229444A (zh) 2020-02-07 2020-02-07 基于模糊控制的磨机控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010082983.3A CN111229444A (zh) 2020-02-07 2020-02-07 基于模糊控制的磨机控制方法

Publications (1)

Publication Number Publication Date
CN111229444A true CN111229444A (zh) 2020-06-05

Family

ID=70878240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010082983.3A Pending CN111229444A (zh) 2020-02-07 2020-02-07 基于模糊控制的磨机控制方法

Country Status (1)

Country Link
CN (1) CN111229444A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114522793A (zh) * 2021-12-31 2022-05-24 浙江艾领创矿业科技有限公司 选矿细磨控制方法及其选矿细磨控制系统
CN114733617A (zh) * 2022-03-10 2022-07-12 中南大学 一种磨矿分级过程的nmpc-pi控制方法及系统
CN115245854A (zh) * 2022-06-23 2022-10-28 合肥中都机械有限公司 基于模糊控制的辊压机控制方法及低成本高效率的辊压机

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02122848A (ja) * 1988-11-02 1990-05-10 Mitsubishi Mining & Cement Co Ltd 竪型ミルの制御方法及びその装置
CN102681439A (zh) * 2012-05-23 2012-09-19 昆明理工大学 一种用于横机的模糊自适应气动伺服控制系统
CN102761133A (zh) * 2012-07-26 2012-10-31 南方电网科学研究院有限责任公司 基于模糊控制的微网电池储能系统调频控制方法
CN103028480A (zh) * 2012-12-10 2013-04-10 上海凯盛节能工程技术有限公司 一种基于模糊pid算法的立磨智能控制系统
CN106950836A (zh) * 2017-04-20 2017-07-14 华新水泥股份有限公司 水泥磨喂料量模糊控制方法及系统
CN107247412A (zh) * 2017-06-20 2017-10-13 武汉理工大学 水泥磨选粉系统模糊控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02122848A (ja) * 1988-11-02 1990-05-10 Mitsubishi Mining & Cement Co Ltd 竪型ミルの制御方法及びその装置
CN102681439A (zh) * 2012-05-23 2012-09-19 昆明理工大学 一种用于横机的模糊自适应气动伺服控制系统
CN102761133A (zh) * 2012-07-26 2012-10-31 南方电网科学研究院有限责任公司 基于模糊控制的微网电池储能系统调频控制方法
CN103028480A (zh) * 2012-12-10 2013-04-10 上海凯盛节能工程技术有限公司 一种基于模糊pid算法的立磨智能控制系统
CN106950836A (zh) * 2017-04-20 2017-07-14 华新水泥股份有限公司 水泥磨喂料量模糊控制方法及系统
CN107247412A (zh) * 2017-06-20 2017-10-13 武汉理工大学 水泥磨选粉系统模糊控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王占楼等: "模糊控制在磨矿自动化中的应用", 《矿山机械》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114522793A (zh) * 2021-12-31 2022-05-24 浙江艾领创矿业科技有限公司 选矿细磨控制方法及其选矿细磨控制系统
CN114733617A (zh) * 2022-03-10 2022-07-12 中南大学 一种磨矿分级过程的nmpc-pi控制方法及系统
CN115245854A (zh) * 2022-06-23 2022-10-28 合肥中都机械有限公司 基于模糊控制的辊压机控制方法及低成本高效率的辊压机
CN115245854B (zh) * 2022-06-23 2023-05-26 合肥中都机械有限公司 基于模糊控制的辊压机控制方法及低成本高效率的辊压机

Similar Documents

Publication Publication Date Title
CN111229444A (zh) 基于模糊控制的磨机控制方法
AU765540B2 (en) Method and apparatus for automatic synthesis of controllers
Farouk et al. Application of self-tuning fuzzy PID controller on the AVR system
Veinović et al. Optimized four-parameter PID controller for AVR systems with respect to robustness
Cupertino et al. On-line genetic design of anti-windup unstructured controllers for electric drives with variable load
Singh et al. Performance comparison of optimized controller tuning techniques for voltage stability
Herreros et al. MRCD: a genetic algorithm for multiobjective robust control design
CN110568761A (zh) 基于模糊控制的进给速度在线优化方法
Martin et al. Internal model control based on a neurofuzzy system for network applications. a case study on the high-performance drilling process
Gopi et al. Dynamic behavior and stability analysis of automatic voltage regulator with parameter uncertainty
Yang et al. A new type of adaptive fuzzy PID controller
Keane et al. Automatic synthesis using genetic programming of an improved general-purpose controller for industrially representative plants
CN110374789B (zh) 一种水轮机组调速器pid参数切换方法及装置
Alawad et al. Design of (FPID) controller for Automatic Voltage Regulator using Differential Evolution Algorithm.
Palma et al. Takagi-Sugeno-Kang fuzzy PID control for DC electrical machines
Busetto et al. Meta-learning for model-reference data-driven control
CN111682590B (zh) 基于模糊pi-pd下垂控制的孤岛电网优化功率分配方法
Gopi et al. Performance and robustness analysis of V-Tiger PID controller for automatic voltage regulator
Arghavani et al. On-line rule weighting for PID-type fuzzy logic controllers using extended Kalman filter
Palma et al. Mamdani type sliding mode fuzzy control of non-affine nonlinear systems
Machmoed et al. Performance analysis in PID controller of turbine governor load frequency control using PSO algorithm and fuzzy logic at nickel smelting plant
Tsydenov et al. Advancement of automatic generation control in power systems with large share of variable energy resources
CN116111614B (zh) 一种基于模糊pid的电解铝负荷参与孤网调频的方法
Abbassi Fuzzy PID controller parameters optimized by genetic algorithms
Nguyen et al. Controlling diversity of evolutionary algorithms

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200605

RJ01 Rejection of invention patent application after publication