磨礦過(guò)程參數(shù)軟測(cè)量與綜合優(yōu)化控制的研究.pdf

1、選礦過(guò)程是將原礦向精礦轉(zhuǎn)化，保證后續(xù)冶煉作業(yè)高效、順利進(jìn)行的必要工序。而選礦過(guò)程的工作效率主要取決于磨礦作業(yè)對(duì)礦石粉碎細(xì)化的能力以及浮選作業(yè)對(duì)精礦的回收率。將自動(dòng)控制技術(shù)應(yīng)用于磨礦作業(yè)是提高磨礦效率和產(chǎn)品質(zhì)量的有效手段。本文在詳細(xì)研究了磨礦過(guò)程原理的基礎(chǔ)上，以實(shí)現(xiàn)磨礦過(guò)程綜合優(yōu)化控制為目標(biāo)，針對(duì)當(dāng)前磨礦過(guò)程控制中存在的一系列問(wèn)題，提出了系統(tǒng)的解決方案。 1.針對(duì)以往無(wú)法在線檢測(cè)磨機(jī)主要參數(shù)—磨礦濃度的問(wèn)題，提出了灰色軟測(cè)量方法實(shí)

2、現(xiàn)了磨礦濃度的實(shí)時(shí)測(cè)量?；诨谊P(guān)聯(lián)分析理論給出了一致關(guān)聯(lián)度算法用于軟測(cè)量輔助變量選擇，并給出了一種實(shí)用的組合確認(rèn)方法以規(guī)范輔助變量集。實(shí)驗(yàn)結(jié)果表明，一致關(guān)聯(lián)度算法可以準(zhǔn)確地反映數(shù)據(jù)間的相關(guān)性，同時(shí)，一致關(guān)聯(lián)度算法與組合確認(rèn)方法的結(jié)合應(yīng)用大大提高了輔助變量篩選速度，改善了軟測(cè)量模型的估計(jì)精度，估計(jì)結(jié)果的平均相對(duì)誤差保持在0.7％以下。進(jìn)一步，針對(duì)實(shí)際應(yīng)用中，工況的變化和工作點(diǎn)的漂移，提出了ε-PD-I短期校正方法和雙模型熱備的長(zhǎng)期校正方法

3、相結(jié)合的綜合軟測(cè)量模型校正策略。仿真結(jié)果表明，該策略增強(qiáng)了系統(tǒng)運(yùn)行的穩(wěn)定性，比傳統(tǒng)的PID方法超調(diào)更小，且需要調(diào)整的參數(shù)更少。在此基礎(chǔ)上，將磨礦濃度的實(shí)時(shí)檢測(cè)引入到磨機(jī)串級(jí)控制環(huán)節(jié)中，改善了原有控制策略單純依靠外部信息而導(dǎo)致的穩(wěn)定性差、精度低的不足，提高了控制性能； 2.針對(duì)目前無(wú)法對(duì)磨礦生產(chǎn)率進(jìn)行實(shí)時(shí)有效地檢測(cè)，本文提出了應(yīng)用支持向量機(jī)(SVM)方法，實(shí)現(xiàn)對(duì)磨礦生產(chǎn)率的在線預(yù)測(cè)。通過(guò)對(duì)現(xiàn)有SVM方法的分析比較，選擇了新型的混合

4、核支持向量機(jī)(MKSVM)作為預(yù)測(cè)模型的建模工具，并引入遺傳算法解決了MKSVM缺乏核參數(shù)確定方法的問(wèn)題。仿真結(jié)果表明，該預(yù)測(cè)方法同時(shí)具有較好的逼近性能和泛化性能，預(yù)測(cè)結(jié)果的平均相對(duì)誤差更??； 3.應(yīng)用小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了磨機(jī)運(yùn)行故障的在線診斷。運(yùn)用小波分析的特征提取功能，對(duì)辨識(shí)模型的輸入信號(hào)進(jìn)行特征提取，加快了模型訓(xùn)練速度，提高了識(shí)別準(zhǔn)確性。仿真結(jié)果表明，該方法可以準(zhǔn)確辨別出磨機(jī)運(yùn)行故障，為及時(shí)調(diào)整磨機(jī)的控制策略提供了必要保證；