1 绪论 1
1.1 跳汰选煤技术的发展及现状 1
1.2 跳汰分选理论综述 4
1.2.1 速度理论 4
1.2.2 重悬浮液理论 6
1.2.3 能量假说 6
1.2.4 概率—统计假说 6
1.3 跳汰分选过程自动化现状及发展 8
1.3.1 跳汰机自动排料系统 8
1.3.2 风阀控制系统 8
1.3.3 给煤量控制 8
1.3.4 精煤灰分在线检测 9
1.4 智能控制 11
1.5 模糊控制 12
1.6 神经网络控制 17
1.7 遗传算法 19
1.8 集成智能控制 21
2 跳汰分选过程 25
2.1 跳汰机基本工作原理 25
2.2 跳汰机简介 26
2.2.1 跳汰机的分类 26
2.2.2 跳汰机的基本结构 28
2.3 跳汰机主要工艺参数 30
2.3.1 原煤入料 30
2.3.2 排料 31
2.3.3 风耗量 32
2.3.4 水耗量 33
2.3.5 跳汰周期 33
2.3.6 跳汰频率与振幅 34
2.4 小结 34
3 跳汰机智能控制结构 36
3.1 原煤性质对跳汰分选效果的影响 36
3.1.1 原煤密度组成及粒度组成对跳汰分选效果的影响 36
3.1.2 原煤入料量对跳汰分选效果的影响 39
3.2 排料对跳汰分选效果的影响 40
3.2.1 产品分离与原煤分层的关系 41
3.2.2 产品分离与跳汰机处理能力的关系 42
3.3 风水操作制度对跳汰分选效果的影响 43
3.3.1 风水操作制度对跳汰脉动水流特性的影响 43
3.3.2 风水操作制度对跳汰床层松散状况的影响 44
3.4 跳汰分选效果的评价 44
3.4.1 跳汰分选效果评价指标 44
3.4.2 跳汰床层的松散机理 46
3.4.3 跳汰分选效果实时在线评价指标 48
3.5 跳汰机智能控制结构 51
3.6 小结 54
4 给料和排矸系统的模糊PID控制 56
4.1 给料、排矸系统控制结构 56
4.1.1 跳汰机给煤量检测 56
4.1.2 跳汰机床层厚度检测 58
4.2 给料、排矸系统模糊PID控制 60
4.2.1 模糊PID控制器 60
4.2.2 给料、排矸系统模糊PID控制器设计 65
4.3 仿真实验 75
4.3.1 PID参数的预整定算法 75
4.3.2 仿真实验 77
4.4 小结 81
5 跳汰机精煤灰分模糊递归神经网络控制 82
5.1 改进的压缩映射遗传算法 82
5.1.1 近亲交叉回避策略 82
5.1.2 压缩映射原理 84
5.1.3 压缩映射遗传算法 85
5.1.4 改进的压缩映射遗传算法 86
5.2 模糊递归神经网络拓扑结构及数学描述 87
5.3 基于模糊递归神经网络的直接反馈控制 89
5.3.1 直接反馈控制的结构 89
5.3.2 基于遗传算法的模糊递归神经网络控制器的权值优化步骤 89
5.4 跳汰机精煤灰分模糊递归神经网络控制 90
5.4.1 跳汰机精煤灰分控制系统的结构 90
5.4.2 仿真实验 92
5.5 小结 93
6 跳汰床层分选状况神经网络自适应内模控制 96
6.1 床层松散状况神经网络软测量 96
6.1.1 软测量 96
6.1.2 床层松散状况神经网络结构及数学描述 97
6.1.3 教师信号即期望值pd(k)的获取 99
6.2 内模控制 102
6.2.1 内模控制结构 103
6.2.2 内模控制性质 103
6.2.3 内模控制的鲁棒性 104
6.3 基于神经网络的多变量非线性系统内模控制 105
6.3.1 NNI的结构、数学描述及算法 106
6.3.2 NNC的结构、数学描述及训练算法 109
6.4 跳汰机松散状况神经网络自适应内模控制 111
6.4.1 控制系统的结构 111
6.4.2 学习机制 113
6.5 仿真 114
6.6 小结 117
7 基于模糊Petri网的专家协调控制 118
7.1 跳汰机智能控制功能组织结构 118
7.1.1 功能组织结构 118
7.1.2 协调控制层 118
7.2 基于模糊Petri网跳汰机协调控制知识表示和推理机制 122
7.2.1 模糊Petri网 122
7.2.2 模糊Petri网的推理过程 123
7.2.3 基于模糊Petri网的跳汰机智能协调模型 125
7.3 跳汰机集成智能控制物理组织结构 129
7.4 小结 131
参考文献 132