锑浮选过程加药量自适应迭代学习控制

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.