锑浮选过程加药量自适应迭代学习控制
李中美1
黄梦哲2
桂卫华3
1.华东理工大学信息科学与工程学院,上海2002372.纽约大学工学院,美国纽约112013.中南大学自动化学院,湖南长沙410083
摘要：针对现有的加药量控制方法需要浮选过程动态模型或是鲁棒性不足的问题,提出一种数据驱动的浮选过程加药量自适应迭代学习控制方法.首先,将药剂量控制问题转化为两级优化问题(问题1和问题2).其中,基于前馈控制原理求解问题1得到前馈补偿分量以抑制外界扰动.然后,采用基于值迭代的ADP算法,仅通过工业现场工业运行数据求解问题2以得到最优反馈增益,从而设计一个最优的加药量控制策略使最终的生产指标(精矿品位和尾矿品位)跟踪给定值,且药剂量消耗最少.最后,通过工业生产数据进行仿真验证,证明所提方法的收敛性和稳定性.
关键词：浮选过程自适应控制最优控制抑制扰动
资助基金：国家重点研发计划(2018YFB1701103)国家自然科学基金(61890930–3)国家自然科学基金(61925305)上海市青年科技英才"扬帆计划"项目(20YF1411000)上海市自然科学基金(17ZR1406800)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 2123-2133 )
英文信息