基于ANFIS的磨矿过程控制算法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊1): 231-234.

基于ANFIS的磨矿过程控制算法

齐一名¹, 孔德刚², 臧雪柏¹, 赵桓衡¹

1. 吉林大学计算机科学与技术学院, 长春 130012;
2. 长春工程学院软件职业技术学院, 长春 130012

收稿日期:2011-03-20 出版日期:2011-09-01 发布日期:2011-09-01
通讯作者: 臧雪柏(1963 ),女,研究员.博士.研究方向:网格计算与智能系统.E-mail: xbzang@yahoo.com.cn. E-mail: xbzang@yahoo.comcn
作者简介:齐一名(1982 ),男,博士研究生.研究方向:智能信息系统.E-mail:yimingq@ sohu.com.
基金资助:
“十一五”国家科技支撑计划项目(2006BAC21B01);鞍钢集团科技攻关计划项目(2007-科A23)

Grinding process control algorithm based on ANFIS

QI Yi-ming¹, KONG De-gang², ZANG Xue-bai¹, ZHAO Yuan-heng¹

1. Department of Computer Science and Technology, Jilin University, Changchun 130012, China;
2. School of Software Professional Technology, Changchun Institute of Technology, Changchun 130012, China

Received:2011-03-20 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要：

磨矿过程是选矿作业中的关键环节,其影响参数多,投入成本大,耗能高,其输出的矿石粒度是影响后续工序的重要指标。本文针对磨矿过程的特点,总结模糊控制规则,并对模糊控制规则进行分类,建立了自适应神经模糊推理系统(ANFIS),并对磨矿过程中不同的控制对象使用ANFIS建立了控制模型。该模型算法具有自适应调节特点,能够对控制参数总动调节,适应多变量、动态变化的控制环境。通过仿真实验结果对比,本文设计的控制算法在提高控制精度的同时,也提高了控制的实时性,具有良好的控制效果。

关键词: 神经网络, 模糊控制, 自适应神经模糊推理系统(ANFIS), 自适应控制, 磨矿过程

Abstract:

Grinding process is a key link of mineral process,which costs the large investment,occupies more resources,and the ore size which is its output is an important indicator of the follow-up process.This paper is concentrating on characteristic and the development status of grinding process,concluding the classification of fuzzy control rules,and establishes the different control model for control objects by the ANFIS.Also setting a control model in using the ANFIS on controlling different objects in grinding process.Self adjusting,adjusting control parameters,accommodating in a variable condition and a control circumstance in a dynamic changing had been occurred too.By comparing simulation results,This Algorithm can not only use the existing control rules,but also automatically adjust the parameters by adaptive features,that improve the control precision and the real-time of the control.

Key words: neural network, fuzzy control, ANFIS, adaptive control, grinding process

中图分类号:

TP274

齐一名, 孔德刚, 臧雪柏, 赵桓衡. 基于ANFIS的磨矿过程控制算法[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 231-234.

QI Yi-ming, KONG De-gang, ZANG Xue-bai, ZHAO Yuan-heng. Grinding process control algorithm based on ANFIS[J]. 吉林大学学报(工学版), 2011, 41(增刊1): 231-234.

参考文献

[1] Tie M,Yue H,Chai T Y.A hybrid intelligent softsensor model for dynamic particle size estimation ing rinding circuits
[J].Lecture Notes in Computer Science,2005,3498:871-876.

[2] Cilek E C.Application of neural networks to predictl ocked cycle flotation test results
[J].Mineral Engineering,2002,15(2):1095-1104.

[3] Hsu Chun-Fei,Lin Chin-Teng.New techniques fori ntelligent control
[C] ∥Proceedings of the2004I EEE International Symposium on Intelligent Control,2004:13-18.

[4] 毛益平,陈炳辰,高继森。球磨机有功功率和磨矿效率影响因素研究
[J].矿冶工程,2000,20(4):49-51.M ao Yi-ping,Chen Bin-chen,Gao Ji-sen.Factors affecting ball mill′s active power and grinding efficiency
[J].Mining and Metallurgical Engineering,2000, 20(4):49-51.

[5] 蔡自兴,陈海燕,魏世勇。智能控制工程研究的进展
[J].控制工程,2003,10(1):1-5.C ai Zi-xing,Chen Hai-yan,Wei Shi-yong.Recent advances in research of intelligent control engineering
[J].Basic Automation,2003,10(1):1-5.

[6] Li Meng-qing,Zhang Chun-liang,Yang Shu-zi,et al.I ntelligent recognition using fuzzy neural networkf or trend & jump pattern in control chart
[J].ChinaM echanical Engineering,2004,15(22):1998-2000.

[7] Ruan Jiu-hong,Fu Meng-yin,Li Yi-bin,et al.Research of intelligent vehicle lateral control algorithms imulation based on fuzzy logic and GA
[J].Journalo f System Simulation,2004,16(10):2248-2256.

[8] Hsu Chun-Fei,Lin Chin-Teng.New techniques fori ntelligent control
[J].Proceedings of the 2004 IEEEI nternational Symposium on Intelligent Control, 2004:13-18.

[9] Yianatos J B,Lisboa M A.Grinding capacity enhancement by solid concentration control of hydrocyclone under flow
[J].Minerals Engineering,2002, 15(5):317-323.

[10] 刘璨,陈统坚,彭永红,等。基于粗集理论的模糊神经网络建模方法研究
[J].中国机械工程,2001,12 (11):1256-1259. Liu Can,Chen Tong-jian,Peng Yong-hong,et al.Research on fuzzy neural network modeling method based on rough set theory
[J].China Mechanical Engineering,2001,12(11):1256-1259.

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[3]	顾万里,王萍,胡云峰,蔡硕,陈虹. 具有H_∞性能的轮式移动机器人非线性控制器设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1811-1819.
[4]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[5]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[6]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[7]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[8]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[9]	谢志江, 吴小勇, 范乃吉, 郭宗环, 袁岳军, 王康. 神光-III精密装校平台运动学分析[J]. 吉林大学学报(工学版), 2017, 47(5): 1504-1511.
[10]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[11]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.
[12]	李志慧, 夏英集, 曲昭伟, 任景琛. 视频监控的数据驱动背景模型[J]. 吉林大学学报(工学版), 2017, 47(4): 1286-1294.
[13]	王丽, 刘昕晖, 王昕, 陈晋市, 梁燚杰. 装载机数字液压传动系统换挡策略[J]. 吉林大学学报(工学版), 2017, 47(3): 819-826.
[14]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[15]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed