CN102749121B - 一种浓密机泥水分界面高度的在线检测方法 - Google Patents

Abstract

本发明提供了一种浓密机泥水分界面高度的在线检测方法，包括在线获取若干组浓密机的入料流量、入料浓度、出料流量和出料浓度数据组成信息矩阵；通过物料衡算方程计算每个采样时刻的泥水分界面的变化量，计算与离线取样测得的真实变化量之间的差值；计算激活矩阵对于上述差值的回归向量；将第i时刻的待测信息向量转换成激活向量并与回归向量相乘，获得误差补偿值：对于误差补偿值进行反归一化处理，得到实际的误差补偿值；将实际误差补偿值与变化量相加得到泥水界面最终的变化值；结合预设的初始时刻泥水分界面高度计算出当前浓密机泥水分界面高度。本发明能检测泥水分界面高度，提高浓密机运行效率，降低生产事故发生概率及支出，节省维护成本。

Description

一种浓密机泥水分界面高度的在线检测方法

技术领域

本发明提供了一种浓密机泥水分界面高度的在线检测方法，属于界面检测技术领域。

背景技术

浓密机作为矿浆浓缩生产过程的核心设备，主要起到固液分离的作用，被广泛应用在精矿脱水、尾矿浓缩、回水处理等多个场合。但受限于在线分析仪表昂贵的费用，直接影响浓密机运行效率的泥水分界面几乎不检测，给浓密机的连续生产和自动控制造成了很大的困难。

现有在线式的界面分析检测仪表，主要是通过传感器发送一个大功率声波脉冲，该脉冲在被选定介质的表面反射，反射回来的信号经过专用软件进行计算后确定分界面的位置，如图1所示。但该类在线分析仪表具有以下的不足：

(1)、插入液面以下的探头表面会频繁结钙，现有的自动清洗方式无法从根本上解决结钙的问题，严重影响测量精度，同时造成仪表维护工作量很大。

(2)、市场上的在线界面分析仪表价格十分昂贵，普遍在数十万元以上。

发明内容

本发明为解决现有的界面分析检测技术存在的价格昂贵、插入液面以下的探头表面会频繁结钙导致的测量精度较低以及维护困难的问题，进而提供一种浓密机泥水分界面高度的在线检测方法。为此，本发明提出了以下的技术方案：

一种浓密机泥水分界面高度的在线检测方法，包括：

通过通讯接口，从安装在浓密机入料口的流量计和浓度计获取若干组入料流量q1[n]和入料浓度1[n]，从安装在浓密机排料口的流量计和浓度计获取若干组出料流量q2[n]和出料浓度2[n]，其中n表示自然数；

通过离线取样测量得到相应的若干组泥水分界面高度的数值h[n]，计算获得第i个采样时刻泥水分界面的变化量Δh[i]＝h[i]-h[i-1]，并预设初始时刻泥水分界面高度h[0]；

根据所述入料浓度1[i]和出料浓度2[i]分别计算获得对应的密度值ρ1[i]和ρ2[i]，其中和

根据所述入料流量q1[i]、入料浓度1[i]、出料流量q2[i]、出料浓度2[i]、入料密度ρ1[i]和出料密度ρ2[i]，根据物料衡算关系计算获得第i个采样时刻的泥水分界面的变化量其中R为预设的浓密机半径，T为预设的采样周期；

计算由上述物料衡算关系得到的结果与真实的变化量之间的差值y[i]，其中 $y\left[i\right]=\mathrm{\Δh}\left[i\right]-\mathrm{\Δ}\hat{h}\left[i\right];$

取若干点数据组成信息矩阵对所述信息矩阵进行预处理后转换成激活矩阵，并计算所述激活矩阵对于y_n*1的回归向量b；对于第k时刻的待测信息向量进行预处理和转换后得到所述信息向量的激活向量x_k；计算激活向量x_k的误差补偿值：对于进行反归一化处理，得到实际的误差补偿值计算浓密机泥水分界面高度变化量的最终输出值：结合上一时刻的泥水界面高度h[k-1]，第k时刻的浓密机泥水分界面高度h[k]满足：

本发明可以把浓密机泥水分界面高度在线检测方法当做一种软测量传感器，及时准确地预测泥水分界面高度，以及作为一个在线检测仪表的备份传感器，也可以作为一个智能的过滤器消除与物理测量相关的时间延迟；本发明的输出值可以作为浓密机泥水界面自动控制的依据，借以提高浓密机运行效率，降低压耙和跑混等生产事故发生的几率，并降低购买在线检测仪表的支出，同时节省了维护的人力成本。

附图说明

图1是现有在线式的界面分析检测仪表的工作原理示意图；

图2是本发明的具体实施方式提供的浓密机泥水分界面高度的在线检测算法结构示意图；

图3是本发明的具体实施方式提供的浓缩工艺流程示意图；

图4是本发明的具体实施方式提供的采用现有技术与本发明的效果对比示意图。

具体实施方式

本发明的具体实施方式提供了一种浓密机泥水分界面高度的在线检测方法，其浓密机泥水分界面高度的在线检测算法结如图2所示，包括：

步骤1：计算机通过通讯接口，从安装在浓密机入料口和排料口的流量计和浓度计上读取在设备承受能力内、覆盖且略大于正常工作范围内的若干组组入料流量q1[n]、入料浓度1[n]、出料流量q2[n]、出料浓度2[n]的数据；再通过离线取样测量得到若干组相应的泥水分界面高度的数值，用h[n]表示，并用Δh[i]＝h[i]-h[i-1]表示第i个采样时刻泥水分界面的变化量；在计算机中预设初始时刻泥水分界面高度h[0]；

步骤2：根据预设的矿石密度ε，计算浓度1[i]和2[i]所对应的密度值，分别用ρ1[i]和ρ2[i]表示，其中

步骤3：根据物料衡算关系计算在第i个采样时刻的泥水分界面的变化量

其中R为预设的浓密机半径，T为预设的采样周期；

步骤4：将上述计算结果与离线测量值的变化量进行比较，并计算二者之间的差值y[i],其中

$y\left[i\right]=\mathrm{\Δh}\left[i\right]-\mathrm{\Δ}\hat{h}\left[i\right];$

步骤5：取若干点数据组成信息矩阵计算所述信息矩阵对于y_n*1的回归向量b，步骤5依次含有以下步骤：

步骤5.1：对信息矩阵进行预处理。首先，剔除野值，所谓野值是指这样的样本：其任意一个分量与所有样本对应分量的样本均值的差的绝对值大于所有样本对应分量的样本标准差的三倍；这一步使训练样本都处在正常范围内；其次，归一化：把信息矩阵的每个分量都减去所对应分量的样本集的均值再除以所对应分量的样本集的标准差，使经过处理的信息矩阵中变量的各个分量对变量之间的距离的影响比较接近；

步骤5.2：将信息矩阵X（已经过步骤5.1预处理）转化为激活矩阵X_A，X_A中的元素可由下式求得：

$a_{\mathrm{ij}}=\exp (-\frac{{\left|\right|x_i-c_j\left|\right|}^2}{{\mathrm{\σ}}_j^2})i,j=\mathrm{1,2}\·\·\·n$

式中，n为数据样本的个数；x_i为第i个数据样本的输入向量；a_ij为X_A第i行，第j列的元素；c_j为高斯函数的中心参数；σ_j为高斯函数的宽度参数；||·||为欧式距离。

中心参数c_j选为每个数据样本的输入向量，即c_j＝x_j。

而宽度参数σ_j可由下式进行计算：

${\mathrm{\σ}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\right|x_i-x_j\left|\right|;$

步骤5.3：对X_A和y进行可如下分解：

X_A＝TP^T+E_h，

y＝X_Ab+F_h，

其中回归向量b按如下步骤求取：

(1)取E₀=X，F₀=y，h=1；

(2)取u_h=y；

(3)计算输入权值向量w_h：

将w_h归一化：w_h=w_h/||w_h||；

(4)计算输入得分向量t_h：

(5)计算输入负荷向量p_h：

(6)计算回归系数b_h：

(7)对E_h-1和F_h-1进行缩减，计算残差矩阵：

$E_h=E_{h-1}-t_h{p}_h^T$

$F_h=F_{h-1}-b_h{t}_h{p}_h^T$

(8)令h=h+1，转至步骤(2)，直至得分向量h的提取个数等于预设值。

其中得分向量h的提取个数采用留一交叉校验法进行设定。将激活矩阵分为若干组，剔除一组，利用余下的样本来计算回归向量，再用剔除的那组样本作为检验样本，计算预测误差，然后重复上述步骤，直至将每组数据都剔除过一次。将每组数据的预测误差求和得到预测残差累积平方和(PRESS)。分别计算取不同个数的特征向量时所对应的PRESS，取PRESS最小时的特征向量数目作为最后保留的特征向量数目。

步骤6：在线测量输出：

步骤6.1：计算机对于第k时刻的待测信息向量按步骤5.1及5.2的方式进行预处理和转换后得到激活向量x_k；

步骤6.2：计算激活向量x_k的误差补偿值

${\hat{y}}_k=x_k*b;$

步骤6.3：对于进行反归一化处理，得到实际的误差补偿值

步骤6.4：结合步骤3得到的浓密机泥水界面高度变化量计算浓密机泥水分界面高度变化量的最终输出值：

步骤6.5：结合上一时刻的泥水界面高度h[k-1]，第k时刻的浓密机泥水分界面高度h[k]满足：

$h\left[k\right]=h[k-1]+{\hat{Y}}_k$

步骤6.6：结束。

下面通过具体的实施例对本发明提出的浓密机泥水分界面高度的在线检测方法作进一步说明。本具体实施方式以某铜矿精尾综合厂工业水处理站的浓缩生产过程中的高效浓密机作为实施对象，该处理站的整个高浓度浆料（简称HDS）工艺生产流程涵盖了重力浓缩生产过程的主要特点，具有很强的代表性。如图3所示，酸性水、碱性水、电石渣及回流底渣在一段反应池内进行中和反应后流入迷宫式混合槽内与高分子絮凝剂进行充分混合，最终经分配槽分别流入到南北两个浓密机中进行沉降；浓密机溢流水收集到澄清池进行外排；沉降后的泥渣部分返回一段反应池重新参与反应，用于提高底流浓度，另外一部分则以尾矿形式排出。

根据浓密机沉降浓缩机理并结合现场自动化条件及该系统实际运行工况特点，选取如表1所示的变量作为信息矩阵输入变量：

表1

其中参数选择如表2所示：

表2

本具体实施方式在实施过程中分别选用两种不同的测量方法检测南池浓密机的泥层高度，一种通过ORCA超声波泥水界面仪直接测量，另一种采用如上所示的浓密机泥水分界面高度的在线检测方法。泥水界面仪在线测量与本具体实施方式提供的浓密机泥水分界面高度的在线检测方法在线预测的效果对比如图4所示，其中纵坐标为泥水分界面高度（单位米），横坐标为测量点数（取样周期1分钟），预测效果良好。

本具体实施方式提供的技术方案可以把浓密机泥水分界面高度在线检测方法当做一种软测量传感器，及时准确地预测泥水分界面高度，以及作为一个在线检测仪表的备份传感器，也可以作为一个智能的过滤器消除与物理测量相关的时间延迟；本发明的输出值可以作为浓密机泥水界面自动控制的依据，借以提高浓密机运行效率，降低压耙和跑混等生产事故发生的几率，并降低购买在线检测仪表的支出，同时节省了维护的人力成本。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种浓密机泥水分界面高度的在线检测方法，其特征在于，包括：

通过通讯接口，从安装在浓密机入料口的流量计和浓度计获取若干组入料流量q1[n]和入料浓度从安装在浓密机排料口的流量计和浓度计获取若干组出料流量q2[n]和出料浓度其中n表示自然数；

通过离线取样测量得到相应的若干组泥水分界面高度的数值h[n]，计算获得第i个采样时刻泥水分界面的变化量△h[i]=h[i]-h[i-1]，并预设初始时刻泥水分界面高度h[0]；

根据所述入料浓度和出料浓度分别计算获得对应的密度值ρ1[i]和ρ2[i]，其中和ε表示溶质的密度；

根据所述入料流量q1[i]、入料浓度出料流量q2[i]、出料浓度入料密度ρ1[i]和出料密度ρ2[i]，通过物料衡算关系计算获得第i个采样时刻的泥水分界面的变化量其中R为预设的浓密机半径，T为预设的采样周期；

计算由上述物料衡算关系得到的结果与真实的变化量之间的差值y[i]，其中 $y\left[i\right]=\mathrm{\Δh}\left[i\right]-\mathrm{\Δ}\hat{h}\left[i\right];$

取若干点数据组成信息矩阵对所述信息矩阵进行预处理后转换成激活矩阵，并计算所述激活矩阵对于y_n*1的回归向量b；对于第k时刻的待测信息向量进行预处理和转换后得到所述信息向量的激活向量x_k；计算激活向量x_k的误差补偿值：对于进行反归一化处理，得到实际的误差补偿值计算浓密机泥水分界面高度变化量的最终输出值：结合上一时刻的泥水界面高度h[k-1]，第k时刻的浓密机泥水分界面高度h[k]满足：

2.根据权利要求1所述方法，其特征在于，取若干点数据组成信息矩阵对信息矩阵进行预处理后转换成激活矩阵，并计算所述激活矩阵对于y_n*1的回归向量b，包括：

将任意一个分量与所有样本对应分量的样本均值的差的绝对值大于所有样本对应分量的样本标准差的三倍的值去掉；

将所述信息矩阵X的每个分量都减去所对应分量的样本集的均值再除以所对应分量的样本集的标准差；

将所述信息矩阵X转化为激活矩阵X_A，X_A中的元素可由下式求得：

$a_{\mathrm{ij}}=\exp (-\frac{{\left|\right|x_i-c_j\left|\right|}^2}{{\mathrm{\σ}}_j^2}),i,j=\mathrm{1,2}\·\·\·n$

式中，n为数据样本的个数；x_i为第i个数据样本的输入向量；a_ij为X_A第i行，第j列的元素；c_j为高斯函数的中心参数；σ_j为高斯函数的宽度参数；||·||为欧式距离；将所述中心参数c_j选为每个数据样本的输入向量，即c_j=x_j；宽度参数σ_j由下式进行计算：

${\mathrm{\σ}}_j=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left|\right|x_i-x_j\left|\right|;$

对X_A和y进行可如下分解：

X_A=TP^T+E_h，

y=X_Ab+F_h，

其中回归向量b按如下方式求取：

(1)取E₀=X，F₀=y，h=1；

(2)取u_h=y；

(3)计算输入权值向量w_h：

将w_h归一化：w_h=w_h/||w_h||；

(4)计算输入得分向量t_h：

(5)计算输入负荷向量p_h：

(6)计算回归系数b_h：

(7)对E_h-1和F_h-1进行缩减，计算残差矩阵：

$E_h=E_{h-1}-t_h{p}_h^T$

$F_h=F_{h-1}-b_h{t}_h{p}_h^T$

(8)令h=h+1，转至步骤(2)，直至得分向量h的提取个数等于预设值。