铝粉氮气雾化分级过程集成优化控制系统研究
|
摘要
铝粉氮气雾化生产工艺具有细粉率高，铝粉活性好，球形铝粉成型率高，生产安全等优点，为很多企业所采用。铝粉氮气雾化和分级工艺过程是一个复杂的工业过程，包括很多物理变化、化学反应以及一些动力学过程，具有强烈的非线性、强耦合、大滞后和不确定性等特点。生产过程中的关键控制变量雾化炉铝液温度用常规控制方法效果很差，直接影响了铝粉的细粉率和产量。作为生产质量指标的铝粉粒度分布无法直接实时地测量，给过程建模和优化控制带来了极大的困难。目前铝粉氮气雾化分级过程控制技术落后、自动化水平很低，过程优化控制问题成为提高氮气雾化铝粉细粉率和产品质量的一个瓶颈。本文以吉化集团高碳醇厂的铝粉生产装置改造项目为背景，在对铝粉氮气雾化和分级过程的机理深入分析的基础上，提出利用集成优化控制技术来实现铝粉氮气雾化分级过程的实时有效的控制和过程优化，并研制一套铝粉氮气雾化分级过程集成优化控制系统并成功应用于工业现场。本文的研究内容如下：
1．在分析铝粉氮气雾化分级过程机理特性和工艺流程特点的基础上，提出了以铝粉粒度分布为目标的铝粉氮气雾化分级过程集成优化控制系统的整体方案设计，采用IPC工控机+PLC+现场总线I／O模块的形式，利用工业以太网技术，组成三层分布式控制系统，实现了铝粉雾化、氮气循环、铝粉分级等全过程的集成优化控制，保证了生产过程的安全运行，减少了氮气和燃料气的消耗，应用实施结果验证了设计方案的有效性。
2．由于雾化炉铝液温度受许多不确定因素的影响波动很大，具有很强的非线性和大滞后等特性，难以建立确切的数学模型，其控制问题很难利用传统的控制理论和方法解决。本文针对雾化炉的铝液温度变化特性，结合模糊控制器和PID控制器的特点，设计了一种模糊-PID复合控制器，利用加权因子，将模糊控制器的输出和PID控制器的输出加权综合，使得控制器在误差较大时，主要由模糊控制器起作用，具有较快的响应能力，而在误差较小时主要由PID控制器起作用，具有较高的控制精度，实现了模糊控制器和PID控制器输出的连续平滑切换，在现场应用中取得了较好的控制效果。
3．铝粉氮气雾化生产过程中，作为质量指标和控制目标的铝粉粒度分布很难用传统的方法在线实时测量。本文提出利用RBF神经网络，通过测量与铝粉粒度分布有直接影响的其它变量，建立起铝粉粒度分布的软测量模型，实现了铝粉粒度分布的实时在线预测，为实施铝粉雾化过程优化控制提供了建模基础。
4．铝粉氮气雾化生产过程中，工况条件是不断变化的，根据专家经验得出的各工艺参数设定点不一定能保证雾化效果达到最优，因此需要对铝粉氮气雾化过程实施优化
For the nitrogen atomizing technology is characterized by higher fine powder proportion, the reactive feature of aluminum powder, higher spherical shaped proportion of aluminum powder, safer producing process and many other advantages, the production technics has been widely adopted by many aluminum powder enterprises. The process of aluminum powder nitrogen atomizing and classifying is a complex industrial process. It includes many physical and chemical reactions and some dynamics processes, and it has characteristics of strong nonlinear, strong coupling, large lag, uncertainty and so on. The melted aluminum's temperature in the atomization furnace is the key control variable of the atomizing process, which has a great effect on the fine powder proportion and the production of the aluminum powder. This temperature cannot be controlled well by the conventional control methods. As the production quality index, the distribution of the particle size of the aluminum powder cannot be measured directly, and it brings great difficulties to the process modeling and control optimization. At present, for the aluminum powder nitrogen atomizing and classifying process control technology is outdated and the level of automation is low, the optimal control technology turns into the important method of improving aluminum power quality. In this paper, by taking the reconstruction of the aluminum powder production lines in High Alcohol Plant of CNPC Jilin Chemical Group as the backdrop, the mechanism of the aluminum powder nitrogen atomizing and classifying processes is analyzed comparatively and deeply. The author proposes the aluminum powder nitrogen atomizing and classifying process intelligent integrated optimal control system for the first time, and has put it into use successfully. The content of the research in this paper is as follows:
1. Based on the analysis of the mechanics of the aluminum powder nitrogen atomizing process and the technological characteristics, taking aluminum powder particle size distribution as the optimal control objective, the project of the integrated optimal control system of the aluminum powder nitrogen atomizing and classifying process are proposed. In this project, the 3-layer distributed control system is presented by assembling PLC, industrial PC, field bus I/O modules and the industrial ethernet, and realizes the integrated optimal control of the aluminum powder nitrogen atomizing and classifying process. The application of this integrated optimal control system guarantees safe operation of aluminum powder
1．在分析铝粉氮气雾化分级过程机理特性和工艺流程特点的基础上，提出了以铝粉粒度分布为目标的铝粉氮气雾化分级过程集成优化控制系统的整体方案设计，采用IPC工控机+PLC+现场总线I／O模块的形式，利用工业以太网技术，组成三层分布式控制系统，实现了铝粉雾化、氮气循环、铝粉分级等全过程的集成优化控制，保证了生产过程的安全运行，减少了氮气和燃料气的消耗，应用实施结果验证了设计方案的有效性。
2．由于雾化炉铝液温度受许多不确定因素的影响波动很大，具有很强的非线性和大滞后等特性，难以建立确切的数学模型，其控制问题很难利用传统的控制理论和方法解决。本文针对雾化炉的铝液温度变化特性，结合模糊控制器和PID控制器的特点，设计了一种模糊-PID复合控制器，利用加权因子，将模糊控制器的输出和PID控制器的输出加权综合，使得控制器在误差较大时，主要由模糊控制器起作用，具有较快的响应能力，而在误差较小时主要由PID控制器起作用，具有较高的控制精度，实现了模糊控制器和PID控制器输出的连续平滑切换，在现场应用中取得了较好的控制效果。
3．铝粉氮气雾化生产过程中，作为质量指标和控制目标的铝粉粒度分布很难用传统的方法在线实时测量。本文提出利用RBF神经网络，通过测量与铝粉粒度分布有直接影响的其它变量，建立起铝粉粒度分布的软测量模型，实现了铝粉粒度分布的实时在线预测，为实施铝粉雾化过程优化控制提供了建模基础。
4．铝粉氮气雾化生产过程中，工况条件是不断变化的，根据专家经验得出的各工艺参数设定点不一定能保证雾化效果达到最优，因此需要对铝粉氮气雾化过程实施优化
For the nitrogen atomizing technology is characterized by higher fine powder proportion, the reactive feature of aluminum powder, higher spherical shaped proportion of aluminum powder, safer producing process and many other advantages, the production technics has been widely adopted by many aluminum powder enterprises. The process of aluminum powder nitrogen atomizing and classifying is a complex industrial process. It includes many physical and chemical reactions and some dynamics processes, and it has characteristics of strong nonlinear, strong coupling, large lag, uncertainty and so on. The melted aluminum's temperature in the atomization furnace is the key control variable of the atomizing process, which has a great effect on the fine powder proportion and the production of the aluminum powder. This temperature cannot be controlled well by the conventional control methods. As the production quality index, the distribution of the particle size of the aluminum powder cannot be measured directly, and it brings great difficulties to the process modeling and control optimization. At present, for the aluminum powder nitrogen atomizing and classifying process control technology is outdated and the level of automation is low, the optimal control technology turns into the important method of improving aluminum power quality. In this paper, by taking the reconstruction of the aluminum powder production lines in High Alcohol Plant of CNPC Jilin Chemical Group as the backdrop, the mechanism of the aluminum powder nitrogen atomizing and classifying processes is analyzed comparatively and deeply. The author proposes the aluminum powder nitrogen atomizing and classifying process intelligent integrated optimal control system for the first time, and has put it into use successfully. The content of the research in this paper is as follows:
1. Based on the analysis of the mechanics of the aluminum powder nitrogen atomizing process and the technological characteristics, taking aluminum powder particle size distribution as the optimal control objective, the project of the integrated optimal control system of the aluminum powder nitrogen atomizing and classifying process are proposed. In this project, the 3-layer distributed control system is presented by assembling PLC, industrial PC, field bus I/O modules and the industrial ethernet, and realizes the integrated optimal control of the aluminum powder nitrogen atomizing and classifying process. The application of this integrated optimal control system guarantees safe operation of aluminum powder
引文
[1] 陈仕奇，黄柏云．金属粉末气体雾化制备技术的研究现状与进展．粉末冶金技术，2004，22(5)：297-302．
[2] Gurganus T. B. Aluminum Powder Applications. Advanced Materials & Processes, 1995, 148(2): 57-59.
[3] 运美生，徐青海，孟庆仲．氮气保护法在微细铝粉生产中的应用．武警学院学报，2002，18：32-33．
[4] 丁国陆，李华伦，勾宏图等．铝合金低压气雾化技术研究．粉末冶金技术，1996，14(2)：96-101．
[5] 赵麦群，王迪功，孙俊图．铝粉雾化过程影响因素的研究．粉末冶金技术，1995，13(4)：268-270．
[6] 石广福，牟文祥，宋晓辉．影响雾化铝粉生产过程的因素．轻合金加工技术，2003，31(3)：47-48．
[7] 李鑫，王永祥．气雾化工艺参数对金属粉末粒度影响的研究．江西有色金属，2002，16(3)：27-29．
[8] 贝多．雾化法生产金属粉末．北京：冶金工业出版社，1985．
[9] 翟秀静，金哲男．超细粉制备．沈阳：东北大学出版社，2002．
[10] 库恩，劳利．粉末冶金工艺新技术及其分析．北京：冶金工业出版社，1982．
[11] Cho S. S., Chun B. S., Won C. W., et al. Rapidly solidified aluminum alloy powder. Advanced Materials & Processes, 1997, 151 ( 1): 29-31.
[12] Jones H. Gas-atomised aluminium alloy powders and their products: An update 1996-2001. Materials Science and Engineering A, 2004, 375-377(1-2 SPEC. ISS.): 104-111.
[13] 舒见义．微细铝粉生产工艺的设计．湖南有色金属，2001(4)：16-17．
[14] Unal A. Surface area of inert gas atomised aluminium alloy powders. Powder Metallurgy, 1989, 32(1): 31-34.
[15] Unal A. Production of rapidly solidified aluminium alloy powders by gas atomisation and their applications. Powder Metallurgy, 1990, 33(1): 53-64.
[16] 李凤生，白华萍．超细粉体湿法分级技术研究．化工进展，1997(6)：16-19．
[17] 裴重华，李凤生，宋洪昌等．超细粉体分级技术现状及进展．化工进展，1994(5)：1-5．
[18] 王京刚，陈炳辰．超细粉体气力分级设备的现状与发展．国外金属矿选矿，1997(3)：14-19．
[19] 郑水林．我国超细粉碎和精细分级技术进展．非金属矿，2000，23(6)：5-8．
[20] 吴其胜，张少明．超细分级技术的现状与发展．硅酸盐通报．1997，16(6)：45-49．
[21] 张宇，刘家祥，杨儒．涡流空气分级机回顾与展望．中国粉体技术，2003，9(5)：37-42．
[22] 钱海燕，叶旭初等．离心气力分级机的流场分析和性能研究．硅酸盐通报，2002，21(5)：33-36．
[23] 朱恒利．FQZ500离心式分级机的应用．化工装备技术，1994，15(4)：12-14．
[24] 陶珍东，郑少华．粉体工程与设备．北京：化学工出版社，2003．
[25] 徐政，盖国胜．窄粒度分布粉体产品分级的影响因素．中国粉体技术，1999，5(2)：39-40．
[26] 陶珍东，郑少华．用旋风分离器进行微细粉分级的可行性．化工装备技术，1995，16(1)：14-16．
[27] 田志鸿，孙国刚，时铭显．离心式细粉分级器的设计及工业应用．石油炼制与化工，1999．30(8)：46-49．[28] 曲迎东，崔成松，陈善本等．智能控制技术在喷射成形工艺中的应用．粉末冶金技术，2002，20(02)：113-115．
[29] 王京刚，陈炳辰．转子气力分级机分级粒径的推算．国外金属矿选矿，1998，35(11)：43-44．
[30] 韩力群．机电系统智能控制技术．北京：机械工业出版社，2003．．
[31] 俞金寿．过程控制系统和应用．北京：机械工业出版社，2003．．
[32] 李少远，席裕庚，陈增强等．智能控制的新进展(Ⅰ)．控制与决策，2000，15(1)：1-5．
[33] 蔡自兴，陈海燕，魏世勇．智能控制工程研究的进展．控制工程，2004，11(01)：9-13．
[34] 孙增圻．智能控制理论与技术．北京：清华大学出版社，1992．．
[35] 吴麒，高黛陵．控制系统的智能设计．北京：机械工业出版社，2003．．
[36] 桂卫华，阳春华，吴敏等．智能集成优化控制技术及其在工业中的应用．有色冶金设计与研究，2003，24(S1)：6-14．
[37] 张俊，刘成，张井歧．炼油生产过程的神经网络智能优化控制．仪器仪表学报，2005，26(8)：841-844．
[38] 赵大勇，岳恒，周平等．基于智能优化控制的磨矿过程综合自动化系统．山东大学学报(工学版)，2005，35(03)：119-124．
[39] 桂卫华，阳春华，吴敏等．智能集成优化控制技术及其在工业中的应用．有色冶金设计与研究，2003，24(S1)：6-11．
[40] 涂序彦．人工智能及其应用．北京：电子工业出版社，1988．．
[41] 马宪民．人工智能的原理与方法．西安：西北工业大学出版社，2002．．
[42] 王耀南．智能控制系统—模糊逻辑 专家系统 神经网络控制．长沙：湖南大学出版社，1996．．
[43] 王立新．模糊系统与模糊控制教程．北京：清华大学出版社，2003．．
[44] 李士勇．模糊控制 神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998．．
[45] 刘曙光，王志宏，费佩燕等．模糊控制的发展与展望．机电工程，2000，17(01)：26-28．
[46] 蔡自兴．递阶智能控制系统的一般结构．控制与决策，1999，14(06)：610-615．
[47] 席庆彪，袁冬莉，闫建国．导航系统多模变结构智能控制研究．西安电子科技大学学报，2004，31(04)：644-647．
[48] 李智斌，吴宏鑫，解永春等．航天器智能控制实验平台．自动化学报，2001，27(05)：395-399．
[49] 杜玉晓．铅锌烧结过程智能集成优化控制技术及其应用研究：(博士学位论文学位论文)．长沙：中南大学，2004
[50] 张志檩．国外流程工业控制领域信息技术应用进展．数字石油和化工，2006(Z1)：17-20．
[51] 张浩，谭克勤，朱守云．现场总线与工业以太网络应用技术手册(第一册)．上海：上海科学技术出版社，2001．．
[52] 费敏锐，郎文鹏．开放型工业控制技术及系统．上海：上海大学出版社出版，2000．．
[53] 屠昌炎，魏学成，张兆胜．Genius总线在岸桥FCS控制系统中的应用．港口装卸，2005(06)：16-19．
[54] 魏巍，高素萍，王飞宇．GeinusI／O总线技术在水泥厂DCS系统中的应用．水泥技术，2005(01)：84-86．
[55] 王春莉，张广渊，胡俊辉．多类型现场总线在工业自动化控制中的综合应用．机械设计与制造，2003(01)：52-54．[56] 张国旺．超细粉碎设备及其应用．北京：冶金工业出版社，2005．．
[57] Neikov O. D., Krajnikov A. V. Water atomized powders of aluminium and its alloys. Materials Science Forum, 1996, 217-222(pt 3): 1649-1654.
[58] Michail Petrov. Fuzzy PID control of nonlinear plants. 2002 First International. IEEE Symposium "Intelligent Systems", 2002: 30-35.
[59] Wang Wei, Qiang Wenyi, Yu Shanghe. An intelligent multiple control algorithm and its application. Proceedings of 3rd World Congress on Intelligent Control and Automation, 2000: 396-400.
[60] Akifumi Otsubo, et al. Fuzzy hybrid control using simplified indirect inference method. Fuzzy Sets and Systems 99, 1998: 265-272.
[61] 吴东月，田国胜．模糊PID控制算法在磁悬浮系统中的应用．煤矿机械，2004(6)：103-105．
[62] Tolosa R., Ochoa M., Nunez C. Quantitative shape analysis of aluminum powder by stereology. Advanced Powder Technology, 1999, 299(3): 300-307.
[63] 俞金寿．过程控制系统和应用．北京：机械工业出版社，2003．．
[64] 黄凤良．软测量思想与软测量技术．计量学报，2004，25(3)：284-288．
[65] 李海青，黄志尧．软测量技术原理及应用．北京：化学工业出版社，2000．．
[66] 王桂增，王诗宓，徐博文等．高等过程控制．北京：清华大学出版社，2003．．
[67] Chen S., Cowan C. F. N., Grant P. M. Orthogonal least squares learning algorithm for radial basis function networks. IEEE Transactions on Neural Networks, 1991, 2(2): 302-309.
[68] 杨尔辅，周强，胡益锋等．基于PCA-RBF神经网络的工业裂解炉收率在线预测软测量．系统仿真学报，2003，13(Suppl．)：194-197．
[69] 田野，李平，李杜生．用RBF神经网络建立航空煤油密度软测量模型．石油化工自动化，1999(4)：20-22．
[70] 田野，李平，张爱新．神经网络在软测量技术中的应用．抚顺石油学院学报，1998，18(3)：60-64，77．
[71] 刘瑞兰，苏宏业，褚健．模糊神经网络的混合学习算法及其软测量建模．系统仿真学报，2005，17(12)：2878-2881．
[72] 庄利锋，杨慧中，张志强等．一种分布式模糊神经网络在熔融指数软测量中的应用．化工自动化及仪表，2004，31(04)：16-18．
[73] 程留恩，常玉清，蔺田等．基于模糊神经网络的软测量结果评价方法．冶金自动化，2002，26(03)：15-16，30．
[74] 刘敏，王宁会，刘钟阳．基于混合神经网络的臭氧浓度软测量．计算机测量与控制，2003，11(09)：1-3．
[75] 白明，吴彦，王宁会．基于BP-ANN放电等离子体脱硫过程建模及优化控制．化工自动化及仪表，2003，30(05)：15-18．
[76] Haykin Simon．神经网络原理(原书第2版)．北京：机械工业出版社，2004．．
[77] 王军平，敬忠良，王安．基于随机模糊神经网络的刀具磨损量软测量技术．信息与控制，2002，31(06)：534-537．
[78] 刘瑞兰，苏宏业，褚健．基于改进模糊神经网络的软测量建模方法．信息与控制，2003，32(04)：367-370．[79] 罗健旭，张兆宁，邵惠鹤．应用基于粗集的模糊神经网络进行软测量建模的研究．化工自动化及仪表，2003，30(02)：14-18．
[80] 杨红卫，李柠，侍洪波．聚酯酯化率软测量技术研究．自动化仪表，2005，26(10)：13-15．
[81] 孙剑飞，曹福洋，崔成松等．金属雾化过程中气体流场动力学行为．粉末冶金技术，1994，20(2)：79-81．
[82] Unal A. Influence of Atomizing Conditions on Structure of Aluminium Powders. Aluminium Technology '86, Proceedings of the International Conference. London, Engl, 1986: 673-678.
[83] 陈晓芳，桂卫华，岑丽辉．基于遗传规划的复杂过程优化控制策略．中南工业大学学报(自然科学版)，2003，34(4)：331-334．
[84] 杨洪山，汤晶，陈家训．应用神经网络和遗传算法实现多变量离散系统优化．计算机仿真，2005，22(12)：118-120．
[85] 李云飞，姜晓峰．基于遗传算法的热塑材料生产过程优化控制系统的实现．微电子学与计算机，2004，21(12)：61-63．
[86] 周明，孙树栋．遗传算法原理及应用．北京：国防工业出版社，1999．．
[87] DeJong K. A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems: (Ph.D dissertation). Michigan: University of Michigan, 1975
[88] 刘晓芳，赵万生，迟关心等．基于改进遗传算法的工艺过程优化设计．中国机械工程，2003，14(2)：138-140．
[89] 冯明琴，孙政顺．一种大工业过程稳态优化控制方法．清华大学学报(自然科学版)，2000，40(7)：70-73．
[90] 杨鹏，赵琦，孔鑫等．工业以太网的发展及其技术特点．微计算机信息，2006，22(2-1)：32-33，28．
[91] 管迪，陈乐生，李明林．用MATLAB设计遗传算法软件．电脑开发与应用，2004，17(09)：12-13，16．
[92] 熊均泉，戴果华，余致廷等．基于MATLAB的退火炉温度模糊PID控制的仿真研究．中国仪器仪表，2005(05)：80-82．
[93] 郭庆武，张湜，林锦国．Matlab神经网络工具箱及其在软测量建模中的应用．东南大学学报(自然科学版)，2003，33(S1)：209-212．
[94] 余佑官，龚国芳，胡国良．应用ActiveX的模糊PID控制及其在监控组态中的应用．现代制造工程，2006(04)：41-42．
[2] Gurganus T. B. Aluminum Powder Applications. Advanced Materials & Processes, 1995, 148(2): 57-59.
[3] 运美生，徐青海，孟庆仲．氮气保护法在微细铝粉生产中的应用．武警学院学报，2002，18：32-33．
[4] 丁国陆，李华伦，勾宏图等．铝合金低压气雾化技术研究．粉末冶金技术，1996，14(2)：96-101．
[5] 赵麦群，王迪功，孙俊图．铝粉雾化过程影响因素的研究．粉末冶金技术，1995，13(4)：268-270．
[6] 石广福，牟文祥，宋晓辉．影响雾化铝粉生产过程的因素．轻合金加工技术，2003，31(3)：47-48．
[7] 李鑫，王永祥．气雾化工艺参数对金属粉末粒度影响的研究．江西有色金属，2002，16(3)：27-29．
[8] 贝多．雾化法生产金属粉末．北京：冶金工业出版社，1985．
[9] 翟秀静，金哲男．超细粉制备．沈阳：东北大学出版社，2002．
[10] 库恩，劳利．粉末冶金工艺新技术及其分析．北京：冶金工业出版社，1982．
[11] Cho S. S., Chun B. S., Won C. W., et al. Rapidly solidified aluminum alloy powder. Advanced Materials & Processes, 1997, 151 ( 1): 29-31.
[12] Jones H. Gas-atomised aluminium alloy powders and their products: An update 1996-2001. Materials Science and Engineering A, 2004, 375-377(1-2 SPEC. ISS.): 104-111.
[13] 舒见义．微细铝粉生产工艺的设计．湖南有色金属，2001(4)：16-17．
[14] Unal A. Surface area of inert gas atomised aluminium alloy powders. Powder Metallurgy, 1989, 32(1): 31-34.
[15] Unal A. Production of rapidly solidified aluminium alloy powders by gas atomisation and their applications. Powder Metallurgy, 1990, 33(1): 53-64.
[16] 李凤生，白华萍．超细粉体湿法分级技术研究．化工进展，1997(6)：16-19．
[17] 裴重华，李凤生，宋洪昌等．超细粉体分级技术现状及进展．化工进展，1994(5)：1-5．
[18] 王京刚，陈炳辰．超细粉体气力分级设备的现状与发展．国外金属矿选矿，1997(3)：14-19．
[19] 郑水林．我国超细粉碎和精细分级技术进展．非金属矿，2000，23(6)：5-8．
[20] 吴其胜，张少明．超细分级技术的现状与发展．硅酸盐通报．1997，16(6)：45-49．
[21] 张宇，刘家祥，杨儒．涡流空气分级机回顾与展望．中国粉体技术，2003，9(5)：37-42．
[22] 钱海燕，叶旭初等．离心气力分级机的流场分析和性能研究．硅酸盐通报，2002，21(5)：33-36．
[23] 朱恒利．FQZ500离心式分级机的应用．化工装备技术，1994，15(4)：12-14．
[24] 陶珍东，郑少华．粉体工程与设备．北京：化学工出版社，2003．
[25] 徐政，盖国胜．窄粒度分布粉体产品分级的影响因素．中国粉体技术，1999，5(2)：39-40．
[26] 陶珍东，郑少华．用旋风分离器进行微细粉分级的可行性．化工装备技术，1995，16(1)：14-16．
[27] 田志鸿，孙国刚，时铭显．离心式细粉分级器的设计及工业应用．石油炼制与化工，1999．30(8)：46-49．[28] 曲迎东，崔成松，陈善本等．智能控制技术在喷射成形工艺中的应用．粉末冶金技术，2002，20(02)：113-115．
[29] 王京刚，陈炳辰．转子气力分级机分级粒径的推算．国外金属矿选矿，1998，35(11)：43-44．
[30] 韩力群．机电系统智能控制技术．北京：机械工业出版社，2003．．
[31] 俞金寿．过程控制系统和应用．北京：机械工业出版社，2003．．
[32] 李少远，席裕庚，陈增强等．智能控制的新进展(Ⅰ)．控制与决策，2000，15(1)：1-5．
[33] 蔡自兴，陈海燕，魏世勇．智能控制工程研究的进展．控制工程，2004，11(01)：9-13．
[34] 孙增圻．智能控制理论与技术．北京：清华大学出版社，1992．．
[35] 吴麒，高黛陵．控制系统的智能设计．北京：机械工业出版社，2003．．
[36] 桂卫华，阳春华，吴敏等．智能集成优化控制技术及其在工业中的应用．有色冶金设计与研究，2003，24(S1)：6-14．
[37] 张俊，刘成，张井歧．炼油生产过程的神经网络智能优化控制．仪器仪表学报，2005，26(8)：841-844．
[38] 赵大勇，岳恒，周平等．基于智能优化控制的磨矿过程综合自动化系统．山东大学学报(工学版)，2005，35(03)：119-124．
[39] 桂卫华，阳春华，吴敏等．智能集成优化控制技术及其在工业中的应用．有色冶金设计与研究，2003，24(S1)：6-11．
[40] 涂序彦．人工智能及其应用．北京：电子工业出版社，1988．．
[41] 马宪民．人工智能的原理与方法．西安：西北工业大学出版社，2002．．
[42] 王耀南．智能控制系统—模糊逻辑 专家系统 神经网络控制．长沙：湖南大学出版社，1996．．
[43] 王立新．模糊系统与模糊控制教程．北京：清华大学出版社，2003．．
[44] 李士勇．模糊控制 神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998．．
[45] 刘曙光，王志宏，费佩燕等．模糊控制的发展与展望．机电工程，2000，17(01)：26-28．
[46] 蔡自兴．递阶智能控制系统的一般结构．控制与决策，1999，14(06)：610-615．
[47] 席庆彪，袁冬莉，闫建国．导航系统多模变结构智能控制研究．西安电子科技大学学报，2004，31(04)：644-647．
[48] 李智斌，吴宏鑫，解永春等．航天器智能控制实验平台．自动化学报，2001，27(05)：395-399．
[49] 杜玉晓．铅锌烧结过程智能集成优化控制技术及其应用研究：(博士学位论文学位论文)．长沙：中南大学，2004
[50] 张志檩．国外流程工业控制领域信息技术应用进展．数字石油和化工，2006(Z1)：17-20．
[51] 张浩，谭克勤，朱守云．现场总线与工业以太网络应用技术手册(第一册)．上海：上海科学技术出版社，2001．．
[52] 费敏锐，郎文鹏．开放型工业控制技术及系统．上海：上海大学出版社出版，2000．．
[53] 屠昌炎，魏学成，张兆胜．Genius总线在岸桥FCS控制系统中的应用．港口装卸，2005(06)：16-19．
[54] 魏巍，高素萍，王飞宇．GeinusI／O总线技术在水泥厂DCS系统中的应用．水泥技术，2005(01)：84-86．
[55] 王春莉，张广渊，胡俊辉．多类型现场总线在工业自动化控制中的综合应用．机械设计与制造，2003(01)：52-54．[56] 张国旺．超细粉碎设备及其应用．北京：冶金工业出版社，2005．．
[57] Neikov O. D., Krajnikov A. V. Water atomized powders of aluminium and its alloys. Materials Science Forum, 1996, 217-222(pt 3): 1649-1654.
[58] Michail Petrov. Fuzzy PID control of nonlinear plants. 2002 First International. IEEE Symposium "Intelligent Systems", 2002: 30-35.
[59] Wang Wei, Qiang Wenyi, Yu Shanghe. An intelligent multiple control algorithm and its application. Proceedings of 3rd World Congress on Intelligent Control and Automation, 2000: 396-400.
[60] Akifumi Otsubo, et al. Fuzzy hybrid control using simplified indirect inference method. Fuzzy Sets and Systems 99, 1998: 265-272.
[61] 吴东月，田国胜．模糊PID控制算法在磁悬浮系统中的应用．煤矿机械，2004(6)：103-105．
[62] Tolosa R., Ochoa M., Nunez C. Quantitative shape analysis of aluminum powder by stereology. Advanced Powder Technology, 1999, 299(3): 300-307.
[63] 俞金寿．过程控制系统和应用．北京：机械工业出版社，2003．．
[64] 黄凤良．软测量思想与软测量技术．计量学报，2004，25(3)：284-288．
[65] 李海青，黄志尧．软测量技术原理及应用．北京：化学工业出版社，2000．．
[66] 王桂增，王诗宓，徐博文等．高等过程控制．北京：清华大学出版社，2003．．
[67] Chen S., Cowan C. F. N., Grant P. M. Orthogonal least squares learning algorithm for radial basis function networks. IEEE Transactions on Neural Networks, 1991, 2(2): 302-309.
[68] 杨尔辅，周强，胡益锋等．基于PCA-RBF神经网络的工业裂解炉收率在线预测软测量．系统仿真学报，2003，13(Suppl．)：194-197．
[69] 田野，李平，李杜生．用RBF神经网络建立航空煤油密度软测量模型．石油化工自动化，1999(4)：20-22．
[70] 田野，李平，张爱新．神经网络在软测量技术中的应用．抚顺石油学院学报，1998，18(3)：60-64，77．
[71] 刘瑞兰，苏宏业，褚健．模糊神经网络的混合学习算法及其软测量建模．系统仿真学报，2005，17(12)：2878-2881．
[72] 庄利锋，杨慧中，张志强等．一种分布式模糊神经网络在熔融指数软测量中的应用．化工自动化及仪表，2004，31(04)：16-18．
[73] 程留恩，常玉清，蔺田等．基于模糊神经网络的软测量结果评价方法．冶金自动化，2002，26(03)：15-16，30．
[74] 刘敏，王宁会，刘钟阳．基于混合神经网络的臭氧浓度软测量．计算机测量与控制，2003，11(09)：1-3．
[75] 白明，吴彦，王宁会．基于BP-ANN放电等离子体脱硫过程建模及优化控制．化工自动化及仪表，2003，30(05)：15-18．
[76] Haykin Simon．神经网络原理(原书第2版)．北京：机械工业出版社，2004．．
[77] 王军平，敬忠良，王安．基于随机模糊神经网络的刀具磨损量软测量技术．信息与控制，2002，31(06)：534-537．
[78] 刘瑞兰，苏宏业，褚健．基于改进模糊神经网络的软测量建模方法．信息与控制，2003，32(04)：367-370．[79] 罗健旭，张兆宁，邵惠鹤．应用基于粗集的模糊神经网络进行软测量建模的研究．化工自动化及仪表，2003，30(02)：14-18．
[80] 杨红卫，李柠，侍洪波．聚酯酯化率软测量技术研究．自动化仪表，2005，26(10)：13-15．
[81] 孙剑飞，曹福洋，崔成松等．金属雾化过程中气体流场动力学行为．粉末冶金技术，1994，20(2)：79-81．
[82] Unal A. Influence of Atomizing Conditions on Structure of Aluminium Powders. Aluminium Technology '86, Proceedings of the International Conference. London, Engl, 1986: 673-678.
[83] 陈晓芳，桂卫华，岑丽辉．基于遗传规划的复杂过程优化控制策略．中南工业大学学报(自然科学版)，2003，34(4)：331-334．
[84] 杨洪山，汤晶，陈家训．应用神经网络和遗传算法实现多变量离散系统优化．计算机仿真，2005，22(12)：118-120．
[85] 李云飞，姜晓峰．基于遗传算法的热塑材料生产过程优化控制系统的实现．微电子学与计算机，2004，21(12)：61-63．
[86] 周明，孙树栋．遗传算法原理及应用．北京：国防工业出版社，1999．．
[87] DeJong K. A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems: (Ph.D dissertation). Michigan: University of Michigan, 1975
[88] 刘晓芳，赵万生，迟关心等．基于改进遗传算法的工艺过程优化设计．中国机械工程，2003，14(2)：138-140．
[89] 冯明琴，孙政顺．一种大工业过程稳态优化控制方法．清华大学学报(自然科学版)，2000，40(7)：70-73．
[90] 杨鹏，赵琦，孔鑫等．工业以太网的发展及其技术特点．微计算机信息，2006，22(2-1)：32-33，28．
[91] 管迪，陈乐生，李明林．用MATLAB设计遗传算法软件．电脑开发与应用，2004，17(09)：12-13，16．
[92] 熊均泉，戴果华，余致廷等．基于MATLAB的退火炉温度模糊PID控制的仿真研究．中国仪器仪表，2005(05)：80-82．
[93] 郭庆武，张湜，林锦国．Matlab神经网络工具箱及其在软测量建模中的应用．东南大学学报(自然科学版)，2003，33(S1)：209-212．
[94] 余佑官，龚国芳，胡国良．应用ActiveX的模糊PID控制及其在监控组态中的应用．现代制造工程，2006(04)：41-42．