-
题名基于WOA-GRU模型的煤泥浮选智能控制研究
- 1
-
-
作者
窦治衡
王然风
秦新凯
柴宇青
李品钰
刘舒通
-
机构
太原理工大学矿业工程学院
-
出处
《工矿自动化》
北大核心
2025年第4期153-159,168,共8页
-
基金
国家自然科学基金项目(52274157)
“科技兴蒙”行动重点专项项目(2022EEDSKJXM010)。
-
文摘
由于浮选过程机理复杂,难以满足先进过程控制的需求,基于系统辨识方法进行建模,并针对传统辨识方法拟合度较低的问题,提出了一种基于鲸鱼优化算法(WOA)与门控循环单元(GRU)(WOA-GRU)的系统辨识模型。该模型利用GRU有效应对浮选过程中存在的时滞特性,通过WOA对GRU网络参数进行优化,进一步提高了模型的辨识精度。考虑到现有选煤厂普遍使用单输入单输出的PID控制器,难以应对多输入多输出系统,将模型预测控制(MPC)引入实际生产现场,以更好地解决浮选过程中多变量耦合问题。基于代池坝选煤厂的生产数据,分别对WOA-GRU和NARX 2种辨识模型进行了MPC仿真,结果表明,WOA-GRU模型的拟合精度较NARX模型高51.84%,引入MPC后,WOA-GRU模型可将灰分波动控制在设定值的±4%内,优于NARX模型。现场试运行结果表明,灰分波动幅度位于5%~10%的数据较引入MPC前占比减少了10.8%,大于10%的数据占比则减少了3.9%,说明WAO-GRU模型不仅具备更高的精度与稳定性,而且能够减小灰分的波动,为煤泥浮选过程的智能化控制与应用提供了参考。
-
关键词
煤泥浮选
系统辨识
模型预测控制
鲸鱼优化算法
门控循环单元
煤泥灰分
-
Keywords
coal slime flotation
system identification
model predictive control
Whale Optimization Algorithm(WOA)
Gated Recurrent Unit(GRU)
coal slime ash content
-
分类号
TD948
[矿业工程—选矿]
-
