CN101244403B - 一种磨矿分级过程优化控制方法 - Google Patents
一种磨矿分级过程优化控制方法 Download PDFInfo
- Publication number
- CN101244403B CN101244403B CN2008100177218A CN200810017721A CN101244403B CN 101244403 B CN101244403 B CN 101244403B CN 2008100177218 A CN2008100177218 A CN 2008100177218A CN 200810017721 A CN200810017721 A CN 200810017721A CN 101244403 B CN101244403 B CN 101244403B
- Authority
- CN
- China
- Prior art keywords
- optimization
- grading process
- ore
- grind grading
- grinding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 135
- 238000005457 optimization Methods 0.000 title claims abstract description 113
- 230000008569 process Effects 0.000 title claims abstract description 100
- 238000000227 grinding Methods 0.000 claims abstract description 94
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 34
- 238000003745 diagnosis Methods 0.000 claims abstract description 14
- 239000004576 sand Substances 0.000 claims description 59
- 238000003801 milling Methods 0.000 claims description 49
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 14
- 238000011112 process operation Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 7
- 239000010959 steel Substances 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000004540 process dynamic Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 2
- 239000011707 mineral Substances 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000001238 wet grinding Methods 0.000 abstract description 2
- 238000007599 discharging Methods 0.000 abstract 2
- 239000000843 powder Substances 0.000 abstract 1
- 238000005070 sampling Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007935 neutral effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007885 magnetic separation Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Disintegrating Or Milling (AREA)
Abstract
本发明公开了一种磨矿分级过程优化控制方法，该方法通过采集磨矿分级过程信号，借助先进控制，通过磨机内状态测量得到磨矿负荷和磨矿浓度，通过磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化得到最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度，通过给矿量控制算法得到给矿量，通过返砂水量控制算法得到返砂水量，通过排矿水量控制算法得到排矿水量，本发明对磨矿分级过程进行了整体优化，实现了磨矿分级优化控制。同时，对磨矿分级过程的故障进行诊断，对磨矿分级过程运行进行了评价与分析，并给出合理建议，保证了磨矿分级过程连续、稳定、安全、经济运行，广泛应用于磨矿分级过程或其它行业工艺相似湿法磨过程。
Description
技术领域
本发明涉及自动控制技术领域，具体涉及磨矿分级过程优化控制方法。
背景技术
磨矿分级过程是选矿生产过程中的关键环节，直接影响精矿产品的质量和回收率，控制好磨矿过程，对于节能降耗、提高最终产品的质量和产量意义重大。
磨矿机是选矿厂消耗电能最多的设备，磨矿分级作业的费用，60％以上为能量消耗，因为评价磨矿机的工作质量时，应考虑磨矿分级的效率。
目前磨矿分级过程基本上全部采用人为判断、手动操作的方式进行生产，存在能耗较高、产品质量参差不齐、生产效率低下的缺陷。
因而寻求一种能够实现自动调节给矿、自动调节返砂水量、自动调节排矿水量，实现磨矿负荷稳定、磨矿浓度稳定，且产品合格、生产效率高、能耗低的磨矿分级过程优化控制方法成为人们研究的目标。
发明内容
本发明的目的是提供一种针对磨矿分级过程，以连续、稳定、安全、经济运行为目标，结构合理，操作、维护方便、运行可靠的一种磨矿分级过程优化控制方法。
为了克服现有技术的缺陷，本发明的技术方案是这样解决的：
一种磨矿分级过程优化控制方法，其特殊之处包括下述步骤：
1)、磨矿分级过程的先进控制模块获取磨矿分级过程历史数据与实时数据；
2)、磨矿分级过程的先进控制模块通过磨机内状态测量方法实现对磨矿负荷和磨矿浓度的实时测量；
3)、磨矿分级过程的先进控制模块通过获取的磨矿分级过程历史数据、实时数据和得到的磨矿负荷和磨矿浓度，通过磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化得到最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度；
4)、以最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度为设定值，通过给矿量控制算法得到给矿量，通过返砂水量控制算法得到返砂水量，通过排矿水量控制算法得到排矿水量；
5)、磨矿分级过程的先进控制模块给出磨矿分级过程故障诊断与安全评估信息；
6)、磨矿分级过程的先进控制模块给出磨矿分级过程运行评价与操作建议信息。
所述的一种磨矿分级过程优化控制方法，其特征在于磨矿分级过程的先进控制模块的磨机内状态测量算法，采集磨矿机噪声、磨矿机大瓦振动、磨矿机有功功率、磨矿机电流和出磨粒度，通过磨机内状态软测量算法，得到磨矿负荷和磨矿浓度。
所述的一种磨矿分级过程优化控制方法，其特征在于磨矿分级过程的先进控制模块具有目标优化功能，磨矿分级过程优化分为静态优化与动态优化两种方式，其磨矿分级过程静态优化方式通过获取磨矿分级过程运行参数构建磨矿分级过程优化模型，并根据运行数据不断对模型进行更新，根据磨矿分级过程优化模型和运行状态进行磨矿分级过程优化；磨矿分级过程动态优化方式在磨矿分级过程运行时通过施加扰动，根据结果确定优化方向，根据最佳目标函数对最佳运行状态进行搜索，磨矿分级过程优化目标的选择可以根据实际需要来确定。
所述的一种磨矿分级过程优化控制方法，其特征在于所述磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化可以选择其中一个、两个或两个以上，所得到的最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度，相应为其中一个、两个或两个以上。
所述的一种磨矿分级过程优化控制方法，其特征在于磨矿分级过程的先进控制模块具有运行评价与操作建议功能，运行评价与操作建议给出当前操作运行评价，并对磨矿分级过程的运行给出建议，其建议是指钢球添加。
所述的一种磨矿分级过程优化控制方法，其特征在于磨矿分级过程的先进控制模块具有故障诊断与安全评估功能，一方面能够对磨矿分级过程故障进行诊断，包括实时故障诊断，其故障诊断包括磨矿机过负荷、磨矿机负荷过低和磨矿机内异常；根据运行数据对整个磨矿分级过程运行的安全性进行评估，并给出安全评价结果。
本发明与现有技术相比，实现了磨矿负荷与磨矿浓度的在线测量，实现了磨矿分级过程的自动控制，而且实现了磨矿分级过程的整体优化，保证了磨矿分级过程产量最大，能耗最低。磨矿过程优化控制通过调节给矿量、返砂水量和排矿水量，在二次分级的溢流粒度和浓度满足工艺要求，同时使磨矿分级过程的台时产量达到最大。合理控制给矿量，使给矿量准确、持续均衡，达到了节能降耗和提高产量的目的，同时避免了磨矿机过粉碎现象及“胀肚”等事故的发生，为安全生产奠定了可靠的基础。提高溢流产品合格率的同时，提高了磨矿能力，为磁选工艺创造了良好的条件。经济效益显著，使磨矿分级过程单位时间的处理量提高≥5％等。能够快速的回收投资成本。系统运行率达100％，自动投入使用率≥95％，从而改善工作环境，减轻岗位工人的劳动强度，提高企业管理水平。广泛应用于磨矿分级过程或其它行业工艺相似湿法磨过程。
本发明具有以下特点：
●在线实时测量磨矿负荷与磨矿浓度。
●实现磨矿分级过程的自动控制。
●实现磨矿分级过程的优化控制。
●保证磨矿分级过程的安全、经济运行。
●能够指导操作运行。
本发明所能达到的技术指标如下：
●磨矿负荷自动检测
●磨矿浓度自动检测
●磨矿负荷优化控制
●磨矿浓度优化
●溢流浓度优化
●返砂比优化
●磨矿浓度自动控制
●给矿量自动控制
●返砂水量自动控制
●排矿水量自动控制
●自动投入使用率 ≥95％
●提高磨矿效率 ≥5％
●降低磨矿电耗 ≥5％
●研磨体消耗降低 ≥10％
附图说明
图1为磨矿分级过程优化控制结构框图；
图2为磨矿分级过程优化流程图；
图3为磨矿分级过程磨矿负荷设定值动态优化流程图；
图4为磨矿分级过程测点与控制点示意图；
图5为磨矿分级过程优化控制流程框图。
具体实施方式
附图为本发明的实施例。
下面结合附图对发明内容作进一步说明：
参照图1所示，为磨矿分级过程优化控制结构框图，描述了一种磨矿分级过程优化控制方法，包括下述步骤：
1)、磨矿分级过程的先进控制模块获取磨矿分级过程历史数据与实时数据；
2)、磨矿分级过程的先进控制模块通过磨机内状态测量方法实现对磨矿负荷和磨矿浓度的实时测量；
3)、磨矿分级过程的先进控制模块通过获取的磨矿分级过程历史数据、实时数据和得到的磨矿负荷和磨矿浓度，通过磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化得到最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度；
4)、以最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度为设定值，通过给矿量控制算法得到给矿量，通过返砂水量控制算法得到返砂水量，通过排矿水量控制算法得到排矿水量；
5)、磨矿分级过程的先进控制模块给出磨矿分级过程故障诊断与安全评估信息；
6)、磨矿分级过程的先进控制模块给出磨矿分级过程运行评价与操作建议信息。
所述的一种磨矿分级过程优化控制方法，其磨矿分级过程的先进控制模块的磨机内状态测量算法，采集磨矿机噪声、磨矿机大瓦振动、磨矿机有功功率、磨矿机电流和出磨粒度，通过磨机内状态软测量算法，得到磨矿负荷和磨矿浓度。
所述的一种磨矿分级过程优化控制方法，其磨矿分级过程的先进控制模块具有目标优化功能，磨矿分级过程优化分为静态优化与动态优化两种方式，其磨矿分级过程静态优化方式通过获取磨矿分级过程运行参数构建磨矿分级过程优化模型，并根据运行数据不断对模型进行更新，根据磨矿分级过程优化模型和运行状态进行磨矿分级过程优化；磨矿分级过程动态优化方式在磨矿分级过程运行时通过施加扰动，根据结果确定优化方向，根据最佳目标函数对最佳运行状态进行搜索，磨矿分级过程优化目标的选择可以根据实际需要来确定。
所述的一种磨矿分级过程优化控制方法，其所述磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化可以选择其中一个、两个或两个以上，所得到的最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度，相应为其中一个、两个或两个以上。
所述的一种磨矿分级过程优化控制方法，其磨矿分级过程的先进控制模块具有运行评价与操作建议功能，运行评价与操作建议给出当前操作运行评价，并对磨矿分级过程的运行给出建议，其建议是指钢球添加。
所述的一种磨矿分级过程优化控制方法，其磨矿分级过程的先进控制模块具有故障诊断与安全评估功能，一方面能够对磨矿分级过程故障进行诊断，包括实时故障诊断，其故障诊断包括磨矿机过负荷、磨矿机负荷过低和磨矿机内异常；根据运行数据对整个磨矿分级过程运行的安全性进行评估，并给出安全评价结果。
图2所示为磨矿分级过程优化流程图，在动态优化开始时，记录此时的优化目标值，可以选择台时产量最大或粉磨单耗最小，首先进行磨矿负荷优化，在磨矿负荷优化结束后进入返砂比优化，在返砂比优化结束后进入磨矿浓度优化，在磨矿浓度优化结束后进入溢流浓度优化，在溢流浓度优化结束后，获得此时的运行状态：磨矿负荷、返砂比、磨矿浓度和溢流浓度，比较此状态下的优化目标值与本轮优化前的优化目标值，如果偏差大于设定偏差，进入下一轮优化，如果偏差小于设定偏差优化结束，记录此时的运行状态，即磨矿负荷、返砂比、磨矿浓度和溢流浓度为最佳运行状态，各运行值为磨矿分级过程控制最佳设定值。
磨矿负荷既磨矿机筒体内的矿物量，磨矿负荷与研磨效率存在直接关系，当磨矿负荷小时，研磨成合格细度成品较少，既磨矿机台时产量较小；极限情况，当磨矿机内被物料所充斥时，物料得不到研磨，形成满磨，磨矿机台时产量几乎为零，因而存在对应对最大台时产量的最佳磨矿负荷。
返砂比为系统稳定后返砂量与给矿量的比值。一般返砂比愈大，其中所含合格细粒的比例愈小，最初时，磨矿机相对生产率随返砂比的增加而迅速增加，到了后来，尽管返砂比增加很多，磨矿机的相对生产率却增加甚微，同时磨矿机能耗能加，所以过高的返砂比并无好处，徒然增加转运返砂的耗能，所以存在最佳返砂比。
磨矿浓度，磨矿浓度通常是用磨矿机中矿石的重量占整个矿浆重量的百分数来表示。矿浆愈浓，它的粘性愈大，流动性较小，通过磨矿机的速度较慢，同时钢球受到的浮力较大，降低钢球的研磨效果；矿浆太稀，细的矿粒容易沉降，导致过磨，导致能耗升高。因而存在最佳磨矿浓度，即保证钢球研磨效果，又能防治过磨，提高磨矿效率。
溢流浓度，一方面能够改变溢流产品的粒度，为后续流程的效率提供基础，另一方面能够改变返砂量和返砂比，同样存在最佳值。
图3所示为磨矿分级过程磨矿负荷设定值动态优化流程图，在磨矿负荷设定值动态优化开始时，记录此时的优化目标值，可以选择台时产量最大或单耗最小，修改磨矿负荷设定值，根据新的磨矿负荷设定值进行自动控制，判断磨矿分级过程是否达到稳定，在磨矿分级过程达到稳定后，得到此时磨矿负荷下的优化目标值，比较此状态下的优化目标值与本轮优化前的优化目标值，如果偏差大于设定偏差，进入下一轮优化，如果偏差小于设定偏差优化结束，记录此时的磨矿负荷，即为最佳磨矿负荷设定值。
对返砂比优化、磨矿浓度优化和溢流浓度优化采用同样的方法进行。
图4所示为磨矿分级过程测点与控制点示意图，包括给矿机、磨矿机和螺旋分级机，另外还包括返砂水量调节阀和排矿水量调节阀。测点布置有：喂料量、电机电流、电机功率、振动测点、噪声测点，返砂水流量、返砂量、螺旋分级机电流、溢流浓度、排矿水流量。控制点包括：给矿量控制点、返砂水量控制点和排矿水量控制点。在返砂量未能直接测量时，可以用螺旋分级机电流来表征。
图5所示为磨矿分级过程优化控制流程框图，由左至右，首先采集磨矿机噪声信号、磨矿机大瓦振动信号、磨矿机有功功率信号、磨矿机电流信号和出磨粒度信号，引入磨机内物质状态测量神经网络，按照确定的神经网络结构和通过样本集训练得到的神经网络权值，对输入信号进行数据处理，得到磨矿负荷与磨矿浓度实时测量值；通过磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化得到最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度作为给矿量控制算法、返砂水量控制算法和排矿水量控制算法的预设值；给矿量控制算法模块根据预设的最佳磨矿负荷和最佳返砂比，采集实时返砂量和磨矿负荷，计算输出给矿量；返砂水量控制算法磨矿根据预设的最佳磨矿浓度，采集实时返砂量、磨矿浓度和磨矿负荷，计算输出返砂水量；排矿水量控制算法磨矿根据预设的最佳溢流浓度，采集实时返砂量、溢流浓度、磨矿浓度和磨矿负荷，计算输出排矿水量。
实施例
某铁矿选矿厂磨机，磨矿机规格φ3200×4500，筒体为恒转速18.5r/min，钢球装载量73T，额定功率1000kw，额定电流38A，设定产量52t/h，给矿选择JGC-40I型带式称重给料机，最大给料量100t/h，螺旋分级机型号为FG-7，螺旋转速3.5r/min，返砂量100-445t/h，溢流量31-165t/h。
控制系统选择S7-300PLC，上位机选择工业控制计算机。
首先先进控制模块获取磨矿分级过程历史数据与实时数据，数据包括：喂料量(1-100t/h)、电机电流(0-50A)、电机功率(0-1200kw)、振动测点(4-20mA)、噪声测点(4-20mA)，返砂水流量(0-300t/h)、返砂量(0-280t/h)、螺旋分级机电流(0-10A)、溢流浓度(0-80％)、排矿水流量(0-300t/h)。
测量磨矿负荷和磨矿浓度，选择输入信号：磨矿机噪声信号、磨矿机振动信号、磨矿机功率信号，磨机矿电流信号，出磨粒度信号采用人工化验后的粒度直接输入方式(如果后续有在线粒度分析仪，可以把测得信号直接输给本装置)；输出信号：磨机负荷(0-100％)和磨矿浓度(0-100％)。首先采集运行时磨矿机噪声信号100-147dB，并进行频谱、滤波处理，得到0-1标准信号；磨矿机振动信号经电荷放大、频谱能量处理，得到0-1标准信号，采集运行时磨矿机功率信号500-660kw，采集运行时磨矿机主电机电流信号30-42A，物料粒度信号(-200目30-70％)，经处理得到0-1标准信号；构建磨机内状态测量神经网络为5输入、2输出、三层BP神经网络，动态试验获取神经网络学习样本；设定神经网络初始权值；根据学习样本对神经网络权值进行修正，直至满足要求误差；基于磨矿机内状态测量神经网络实现磨矿负荷(0-100％)和磨矿浓度(0-100％)的测量。
磨矿分级过程的先进控制模块进行磨矿负荷优化，得到最磨矿负荷72％；对返砂比进行优化，得到最佳返砂比3.5；对磨矿浓度进行优化，得到对应最佳磨矿浓度83％；对溢流浓度进行优化得到最佳溢流浓度48％，对应最大磨矿分级过程产量56.5t/h，此时的溢流产品粒度：-200目60±2％。此时的控制输出给矿量为56.5±5t/h；返砂水量120±20t/h；排矿水量200±30t/h。
故障诊断对磨矿机过负荷、磨矿机负荷过低和分级机的运行进行诊断，并进行安全评估，给出存在故障、故障严重等信息。
系统运行后，磨矿机效率从原来52t/h提高到56.5t/h，增产8.6％，降低单耗7.5％，溢流产品粒度波动降低到±2％，合格率达到100％。磨矿分级系统连续、经济、稳定运行，在运行过程中控制了磨矿负荷、磨矿浓度和溢流浓度的稳定，从而使得产品粒度稳定、均匀性得到改善，保证质量、提高产量，降低生产过程电耗，提高经济效益具有十分重要的意义；同时，防止空磨或胀肚，减轻了操作劳动强度，减少了维护费用，改善工作环境，具有显著的经济效益和良好的社会效益。
综上所述，因为磨矿分级过程的控制方式有计算机集中控制方式、PLC控制方式和DCS控制方式，针对具体控制方式选择控制算法的实现方式，针对计算机集中控制方式采用在计算机上实现的方式，可以对现有软件改造或新软件与现有软件数据动态共享；针对PLC控制方式，基本控制在PLC控制器上实现，先进控制在上位机上实现；针对DCS控制方式，控制算法借助DCS控制平台实现，先进控制部分也可以通过通信方式在独立优化站上实现。
对于其他与磨矿分级过程相似的金属矿、非金属矿湿法磨，本发明同样有效。
最后，还需注意的是，以上列举的仅是本发明的一个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均认为是本发明的保护范围。
Claims (5)
1.一种磨矿分级过程优化控制方法，其特征包括下述步骤：
1)、磨矿分级过程的先进控制模块获取磨矿分级过程历史数据与实时数据；
2)、磨矿分级过程的先进控制模块通过磨机内状态测量方法实现对磨矿负荷和磨矿浓度的实时测量；
3)、磨矿分级过程的先进控制模块通过获取的磨矿分级过程历史数据、实时数据和得到的磨矿负荷和磨矿浓度，通过磨矿负荷优化、返砂比优化、磨矿浓度优化和溢流浓度优化，最后得到最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度；磨矿负荷优化开始时，记录此时的优化目标值，选择台时产量最大或单耗最小，修改磨矿负荷设定值，在磨矿分级过程达到稳定后，得到此时磨矿负荷下的优化目标值，比较此状态下的优化目标值与本轮优化前的优化目标值，如果偏差大于设定偏差，进入下一轮优化，如果偏差小于设定偏差优化结束，记录此时的磨矿负荷，即为最佳磨矿负荷，对返砂比优化、磨矿浓度优化和溢流浓度优化采用同样的方法进行；
4)、以最佳磨矿负荷、最佳返砂比、最佳磨矿浓度和最佳溢流浓度为设定值，通过给矿量控制算法得到给矿量，通过返砂水量控制算法得到返砂水量，通过排矿水量控制算法得到排矿水量；
5)、磨矿分级过程的先进控制模块给出磨矿分级过程故障诊断与安全评估信息；
6)、磨矿分级过程的先进控制模块给出磨矿分级过程运行评价与操作建议信息。
2.根据权利要求1所述的一种磨矿分级过程优化控制方法，其特征在于所述磨矿分级过程的先进控制模块通过磨机内状态测量方法是采集磨矿机噪声、磨矿机大瓦振动、磨矿机有功功率、磨矿机电流和出磨粒度信息，并通过磨机内状态软测量算法得到磨矿负荷和磨矿浓度。
3.根据权利要求1所述的一种磨矿分级过程优化控制方法，其特征在于所述磨矿分级过程的先进控制模块对磨矿分级过程优化包括静态优化与动态优化两种方式，其磨矿分级过程静态优化方式通过获取磨矿分级过程运行参数构建磨矿分级过程优化模型，并根据运行数据不断对模型进行更新，根据磨矿分级过程优化模型和运行状态进行磨矿分级过程优化；磨矿分级过程动态优化方式在磨矿分级过程运行时通过施加扰动，根据结果确定优化方向，根据最佳目标函数对最佳运行状态进行搜索，磨矿分级过程优化目标的选择可以根据实际需要来确定。
4.根据权利要求1所述的一种磨矿分级过程优化控制方法，其特征在于所述磨矿分级过程的先进控制模块给出运行评价与操作建议信息，运行评价信息是指当前操作运行的稳定、运行效率的高低，操作建议信息是对磨矿分级过程的运行给出建议，其建议是指钢球添加。
5.根据权利要求1所述的一种磨矿分级过程优化控制方法，其特征在于所述磨矿分级过程的先进控制模块给出故障诊断与安全评估信息，其信息一方面对磨矿分级过程故障进行诊断，包括实时故障诊断，其故障诊断包括磨矿机过负荷、磨矿机负荷过低和磨矿机内异常；另一方面是根据运行数据对整个磨矿分级过程运行的安全性进行评估，并给出安全评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100177218A CN101244403B (zh) | 2008-03-17 | 2008-03-17 | 一种磨矿分级过程优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008100177218A CN101244403B (zh) | 2008-03-17 | 2008-03-17 | 一种磨矿分级过程优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101244403A CN101244403A (zh) | 2008-08-20 |
| CN101244403B true CN101244403B (zh) | 2011-07-20 |
Family
ID=39945214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008100177218A Expired - Fee Related CN101244403B (zh) | 2008-03-17 | 2008-03-17 | 一种磨矿分级过程优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101244403B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102327801B (zh) * | 2011-09-26 | 2014-07-30 | 昆明理工大学 | 低品位铅锌矿选择性磨矿方法 |
| CN102357395A (zh) * | 2011-10-27 | 2012-02-22 | 东南大学 | 一种磨矿分级过程的模糊监督控制装置及方法 |
| CN103350024B (zh) * | 2013-06-18 | 2015-05-20 | 太原科技大学 | 一种半自磨机给矿量控制方法 |
| CN103713619B (zh) * | 2013-12-20 | 2016-05-25 | 东北大学 | 一种磨矿过程运行控制方法的测试方法 |
| CN104226466B (zh) * | 2014-09-19 | 2017-08-11 | 沈阳建筑大学 | 闭路磨矿系统中磨矿分级的数控操作方法 |
| CN104525353B (zh) * | 2014-12-02 | 2017-05-10 | 中国黄金集团内蒙古矿业有限公司 | 磨矿浓细度控制系统和磨矿浓细度控制方法 |
| CN104549718B (zh) * | 2014-12-24 | 2017-04-19 | 中冶长天国际工程有限责任公司 | 一种磨矿分级过程中矿浆浓度控制的方法和装置 |
| CN104731005B (zh) * | 2015-01-09 | 2017-07-11 | 山西太钢不锈钢股份有限公司 | 一种半自磨机功率控制方法 |
| CN104932361A (zh) * | 2015-06-01 | 2015-09-23 | 遵义市立新机械有限责任公司 | 一种破碎机自动化控制系统 |
| CN107203140B (zh) * | 2017-07-10 | 2019-11-15 | 中国地质大学（武汉） | 一种基于模糊综合的烧结生产过程性能评估方法 |
| CN111061235B (zh) * | 2019-12-20 | 2020-12-15 | 中核控制系统工程有限公司 | 一种具有故障预警功能的dcs设备诊断方法 |
| CN112199906B (zh) * | 2020-10-12 | 2022-05-13 | 山东黄金矿业(莱州)有限公司三山岛金矿 | 一种磨矿分级流程返砂比在线软测量方法 |
| CN112691760B (zh) * | 2020-12-09 | 2022-02-22 | 北矿智云科技(北京)有限公司 | 半自磨机频率控制方法、装置和电子设备 |
| CN113537160B (zh) * | 2021-09-13 | 2022-01-18 | 天津中新智冠信息技术有限公司 | 球磨机负荷测量方法、装置、电子设备和介质 |
| CN114522793B (zh) * | 2021-12-31 | 2023-04-07 | 浙江艾领创矿业科技有限公司 | 选矿细磨控制方法及其选矿细磨控制系统 |
| CN114870988A (zh) * | 2022-05-11 | 2022-08-09 | 内蒙古大中矿业股份有限公司 | 一种自动化选矿监控方法及系统 |
| CN115712248B (zh) * | 2023-01-10 | 2023-05-09 | 昆山市恒达精密机械工业有限公司 | 一种基于反馈优化的研磨智能控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1525153A (zh) * | 2003-09-12 | 2004-09-01 | 东北大学 | 球磨机磨矿系统溢流粒度指标软测量方法 |
| CN1598534A (zh) * | 2004-07-28 | 2005-03-23 | 东北大学 | 基于案例推理的磨矿系统溢流粒度指标软测量方法 |
| CN1603986A (zh) * | 2004-10-29 | 2005-04-06 | 东北大学 | 基于案例推理的磨矿系统智能优化设定方法 |
| WO2007124528A1 (en) * | 2006-04-27 | 2007-11-08 | The University Of Queensland | Method and apparatus for monitoring a mill |
| WO2007124981A1 (de) * | 2006-04-26 | 2007-11-08 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines mühlensystems |
-
2008
- 2008-03-17 CN CN2008100177218A patent/CN101244403B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1525153A (zh) * | 2003-09-12 | 2004-09-01 | 东北大学 | 球磨机磨矿系统溢流粒度指标软测量方法 |
| CN1598534A (zh) * | 2004-07-28 | 2005-03-23 | 东北大学 | 基于案例推理的磨矿系统溢流粒度指标软测量方法 |
| CN1603986A (zh) * | 2004-10-29 | 2005-04-06 | 东北大学 | 基于案例推理的磨矿系统智能优化设定方法 |
| WO2007124981A1 (de) * | 2006-04-26 | 2007-11-08 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines mühlensystems |
| WO2007124528A1 (en) * | 2006-04-27 | 2007-11-08 | The University Of Queensland | Method and apparatus for monitoring a mill |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101244403A (zh) | 2008-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101244403B (zh) | 一种磨矿分级过程优化控制方法 | |
| CN100401213C (zh) | 选矿过程综合生产指标智能优化控制方法 | |
| CN101950171B (zh) | 选矿厂磨矿智能分级控制方法及控制设备 | |
| CN101318158A (zh) | 一种水泥厂粉磨过程优化控制方法 | |
| CN101183260A (zh) | 选矿全流程自动控制方法 | |
| CN102169077B (zh) | 湿式磨矿过程溢流粒度指标混合智能软测量方法 | |
| CN103617456B (zh) | 一种选矿过程运行指标优化方法 | |
| CN102402186A (zh) | 一种水泥厂粉磨过程优化控制方法 | |
| CN114289137B (zh) | 智能物料检测球磨机运行状态的在线检测系统及控制方法 | |
| CN112916189A (zh) | 制粉系统的优化方法 | |
| CN102357395A (zh) | 一种磨矿分级过程的模糊监督控制装置及方法 | |
| CN108469797A (zh) | 一种基于神经网络和进化计算的磨矿过程建模方法 | |
| CN101954309B (zh) | 一种磨矿分级过程的抗扰动控制装置及其方法 | |
| CN102000627A (zh) | 一种圆锥式破碎机挤满给矿的自动控制装置及其方法 | |
| CN110339914B (zh) | 一种磨矿机综合运行状态在线检测装置及自动控制方法 | |
| CN107597311A (zh) | 一种基于磨矿动力学确定钢球配比的方法 | |
| CN115238971A (zh) | 一种选煤厂智慧大脑分析处理系统 | |
| CN113093674B (zh) | 基于大数据分析的水泥生产综合单耗自动分析优化系统 | |
| CN103744444A (zh) | 水煤浆跟踪配料控制系统 | |
| CN100394163C (zh) | 球磨机磨矿系统溢流粒度指标软测量方法 | |
| CN215140542U (zh) | 一种球磨机自适应加球系统 | |
| CN107451731A (zh) | 快速确定水泥球磨机陶瓷研磨体最佳级配的方法 | |
| CN204719553U (zh) | 水煤浆跟踪配料控制系统 | |
| CN104731005B (zh) | 一种半自磨机功率控制方法 | |
| Osipova | Investigation of the possibility of obtaining concentrate production targets based on a mathematical model of an ferrum ore processing site |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Free format text: FORMER OWNER: XI AN AN IBL TECHNOLOGY DEVELOPMENT CO., LTD. Effective date: 20120816 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 710075 XI AN, SHAANXI PROVINCE TO: 710001 XI AN, SHAANXI PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20120816 Address after: 710001 Shaanxi city of Xi'an province small patyi Beilin District No. 13 South Lane Building 1 unit 3 floor No. 6 Patentee after: Xu Baoping Address before: 710075 No. 58, No. two, 5-802 hi tech Zone, Shaanxi, Xi'an Patentee before: Xi'an IBL Technology Development Co., Ltd. |
|
| DD01 | Delivery of document by public notice |
Addressee: Xu Baoping Document name: Notification of Passing Examination on Formalities |
|
| DD01 | Delivery of document by public notice |
Addressee: Xu Baoping Document name: Notification to Pay the Fees |
|
| DD01 | Delivery of document by public notice |
Addressee: Xu Baoping Document name: Notification of Termination of Patent Right |
|
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110720 Termination date: 20130317 |