CN104318313B - 基于案例推理的选矿全流程运行指标智能决策系统及方法 - Google Patents

基于案例推理的选矿全流程运行指标智能决策系统及方法 Download PDF

Info

Publication number
CN104318313B
CN104318313B CN201410482971.4A CN201410482971A CN104318313B CN 104318313 B CN104318313 B CN 104318313B CN 201410482971 A CN201410482971 A CN 201410482971A CN 104318313 B CN104318313 B CN 104318313B
Authority
CN
China
Prior art keywords
case
operating index
full flow
mineral concentration
current
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.)
Active
Application number
CN201410482971.4A
Other languages
English (en)
Other versions
CN104318313A (zh
Inventor
丁进良
刘长鑫
刘昊
柴天佑
郑秀萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201410482971.4A priority Critical patent/CN104318313B/zh
Publication of CN104318313A publication Critical patent/CN104318313A/zh
Application granted granted Critical
Publication of CN104318313B publication Critical patent/CN104318313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation, e.g. linear programming, "travelling salesman problem" or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Mining

Abstract

本发明涉及基于案例推理的选矿全流程运行指标智能决策系统及方法,该系统包括数据获取单元、案例推理单元、案例存储单元和案例库维护单元。基于案例推理的选矿全流程运行指标智能决策方法,从选矿现场中采集当前选矿全流程的工况条件,设定当前选矿全流程的运行指标的边界条件,利用案例库中历史选矿生产过程案例的工况条件和运行指标值、当前选矿全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运行指标值,将当前选矿全流程的工况条件和选矿全流程运行指标值作为案例加入案例库中,根据案例记录的时间,定期更新案例记录。

Description

基于案例推理的选矿全流程运行指标智能决策系统及方法
技术领域
[0001] 本发明属于选矿生产过程技术领域,具体涉及一种基于案例推理的选矿全流程运 行指标智能决策系统及方法。
背景技术
[0002] 矿产资源是经济发展需求的一种重要基础原料,在国民经济发展、国防科技建设 等方面,在冶金、建筑、交通、化工等多个领域中起着举足轻重的作用,同时矿产资源又是难 以再生的自然资源,所以各国都在积极地倡导可持续发展战略。在这种形势下,选矿工业企 业已经不能像过去那样单纯地追求经济效益,而应该更加注重产品的质量,降低生产成本, 节约资源消耗,降低环境污染,只有这样才能满足企业越来越高的质量要求,才能使企业更 好地生存发展。
[0003] 选矿过程就是将从地下开采出来的原矿石经过物理\化学变化使得有用矿物进行 富集的过程。富集后有用矿物称为精矿,无用成分称为尾矿,并用品位来描述富集程度。精 矿品位越尚,矿物中的杂质就越少,越有利于后续的冶炼加工。但过分追求尚品位精矿,会 使大量有用矿物随尾矿抛弃,金属回收率过低,导致资源的浪费。因此,衡量原矿运行系统 的指标有两个,分别是精矿品位和精矿产量,在运行的过程当中,影响这两个目标的指标主 要由七个,分别是竖炉的一次溢流回收率、磨矿的强磨粒度、弱磨粒度、磁选的强精品位、弱 精品位、强尾品位、弱尾品位。
[0004] 目前对选矿过程运行指标的决策方法方面仅有少量的专利,如"201310647027.5 (一种选矿过程运行指标优化方法)"通过建立质量指标和常量指标的模型,对各运行指标 进行预报,得到质量指标预报值和产量指标预报值,根据质量指标预报值与质量指标目标 值之差、产量指标预报值与产量指标目标值之差,通过校正规则来对运行指标目标值与设 定值进行校正,得到选矿过程运行指标优化值。"200910187863.3基于多变量解耦頂C技术 的磨矿过程运行控制方法"包括底层回路控制系统,通过网络与上位机通信,在上位机中嵌 入上层回路设定系统,回路设定系统包括回路设定控制器、磨矿过程运行指标模型以及切 换机制,用于对回路设定值进行调整和修正,实现期望的工艺指标。以往的方法主要针对的 是对选矿生产指标设定值如何进行优化,而没有研究如何通过研究各种生产指标之间的相 互影响关系来对企业最关心的重要生产指标进行有效的设定,多采用智能优化方法或者是 人工设定的方法,而忽视了以往的生产过程中成功实施的案例经验等知识,造成了以往经 验的浪费。
发明内容
[0005] 针对现有技术的不足,提供一种基于案例推理的选矿全流程运行指标智能决策系 统及方法,利用以往的成功运行的经验案例对竖炉的一次溢流回收率、磨矿的强磨粒度、弱 磨粒度、磁选的强精品位、弱精品位、强尾品位、弱尾品位运行指标进行智能决策和优化。
[0006] 基于案例推理的选矿全流程运行指标智能决策系统,包括数据获取单元、案例推 理单元、案例存储单元和案例库维护单元。
[0007] 数据获取单元:用于获取当前选矿全流程的工况条件和当前选矿全流程的运行指 标的边界条件,工况条件共有七个,包括弱磁入磨品位、强磁入磨品位、强磁球磨机处理量、 弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨机运时;运行指标的边界条件包 括一次溢流回收率的范围、磨矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位的范 围、弱精品位的范围、强尾品位的范围、弱尾品位的范围。
[0008] 案例推理单元:利用案例库中历史选矿生产过程案例的工况条件和运行指标值、 当前选矿全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运 行指标值。
[0009] 案例存储单元:用于将历史选矿生产过程案例和当前选矿生产过程案例存储至案 例库中,各案例中包括其工况条件和运行指标的值。
[0010] 案例库维护单元:用于对案例库进行维护,包括添加案例、删除案例和查看案例。
[0011] 采用基于案例推理的选矿全流程运行指标智能决策系统进行选矿全流程运行指 标智能决策的方法,包括以下步骤:
[0012] 步骤1:从选矿现场中采集当前选矿全流程的工况条件,包括:弱磁入磨品位、强磁 入磨品位、强磁球磨机处理量、弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨 机运时;
[0013] 步骤2:设定当前选矿全流程的运行指标的边界条件,包括:一次溢流回收率的范 围、磨矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位的范围、弱精品位的范围、强 尾品位的范围、弱尾品位的范围;
[0014] 步骤3:利用案例库中历史选矿生产过程案例的工况条件和运行指标值、当前选矿 全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运行指标 值;
[0015] 步骤3.1:案例库中历史选矿生产过程案例Dk的工况条件Fk= {fik},其中,fik表示 第让个案例的第1个工况条件,1 =卜_7沽=卜,4为案例库中案例数,运行指标01{={(^}, 其中,c A表示第k个案例的第j个运行指标,j = 1…7;
[0016] 步骤3.2:确定每个工况条件的权值ω i;
[0017] 步骤3.3:采用K阶最邻近方法从案例库中选出备选案例:设当前选矿生产过程案 例D的工况条件为F= {fi},利用相似度函数计算当前选矿生产过程案例D与案例库中历史 选矿生产过程案例Dk的相似度
Figure CN104318313BD00051
从案例库中选出K个相似度最大的历史选矿生产过程案例作为备选案例;
[0018] 步骤3.4:对备选案例进行修正;
[0019] 步骤3.4.1:利用当前选矿全流程的运行指标的边界条件对备选案例进行修正:若 某备选案例的运行指标超出当前选矿全流程的运行指标的边界条件,则将该备选案例删 除,若当前备选案例全部超出当前选矿全流程的运行指标的边界条件,则返回步骤3.3;
[0020] 步骤3.4.2:设定容忍度p,计算K个备选案例的每个运行指标Cjk的平均值得到备选 案例运行指标的平均值
Figure CN104318313BD00061
,若& > t i,则用€替换当前的 Cjk,其中,pe (0,1];
[0021] 步骤3.5:采用基于知识密集型案例重用方法,计算选矿全流程运行指标值Cj:利 用公式
Figure CN104318313BD00062
计算出选矿全流程运行指标值Cp实现选矿全流程运行指标 的智能决策,将决策的选矿全流程运行指标值下发到选矿生产过程中;
[0022] 步骤4:将当前选矿全流程的工况条件和选矿全流程运行指标值作为案例加入案 例库中;
[0023] 步骤5:根据案例记录的时间,定期更新案例记录。
[0024] 本发明的有益效果是:利用计算机系统和常规的检测仪表提供的在线过程数据, 基于案例推理的方法实现了选矿全流程运行指标的智能决策。实现了基础控制难以达到的 用户对复杂工业生产过程的最终需求。与常规控制相比,这种方法不过分依赖于生产过程 的数学模型,容易适应复杂工况条件的变化。与人工操作相比,减少了操作人员的工作量, 避免了依靠经验生产的主观性和随意性,使产品质量及其它生产指标得到了有效可靠的保 证。由于案例库不断有代表最新工况的新的案例加入,不适应工况的旧案例又不断删减替 换,所以本发明的智能优化设定方法具有很强的自适应和自学习能力。另外,由于本发明针 对不同的边界条件用不同的案例来进行推理,所以适用面广,优化设定量也更精确。该方法 能够实现竖炉焙烧系统的优化控制和优化运行。并且在案例的修正过程当中,是基于数据 进行修正的,具有普适性,并且当环境发生了些许变化也不会对案例推理的性能产生太大 的影响。给生产带来巨大的经济效益与社会效益,并在复杂工业过程中具有推广应用价值。
附图说明
[0025] 图1为本发明具体实施方式的基于案例推理的选矿全流程运行指标智能决策系统 的结构框图;
[0026] 图2为本发明具体实施方式的基于案例推理的选矿全流程运行指标智能决策方法 的选矿全流程运行指标描述示意图;
[0027] 图3为本发明具体实施方式的基于案例推理的选矿全流程运行指标智能决策方法 的流程图。
具体实施方式
[0028] 下面结合附图对本发明具体实施方式加以详细的说明。
[0029] 基于案例推理的选矿全流程运行指标智能决策系统,如图1所示,包括数据获取单 元、案例推理单元、案例存储单元和案例库维护单元。
[0030] 数据获取单元:用于获取当前选矿全流程的工况条件和当前选矿全流程的运行指 标的边界条件,工况条件共有七个,包括弱磁入磨品位、强磁入磨品位、强磁球磨机处理量、 弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨机运时;运行指标的边界条件包 括一次溢流回收率的范围、磨矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位的范 围、弱精品位的范围、强尾品位的范围、弱尾品位的范围。选矿全流程运行指标描述示意图 如图2所示。
[0031] 案例推理单元:利用案例库中历史选矿生产过程案例的工况条件和运行指标值、 当前选矿全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运 行指标值;
[0032] 案例存储单元:用于将历史选矿生产过程案例和当前选矿生产过程案例存储至案 例库中,各案例中包括其工况条件和运行指标的值。
[0033] 案例库维护单元:用于对案例库进行维护,包括添加案例、删除案例和查看案例。
[0034] 本实施方式可以在Microsoft Visual Studio 2012环境下的C语言和 matlab2012a环境下用进行进行。
[0035] 以某大型铁矿选矿厂的竖炉磁化焙烧工段为例,该选矿厂的主要铁矿石为赤铁 矿。选矿过程就是将从地下开采出来的原矿石经过物理/化学变化使得有用矿物进行富集 的过程,并且要在保证精矿广量的同时提尚精矿品位。
[0036] 利用基于案例推理的选矿全流程运行指标智能决策系统实现智能决策的方法,如 图3所示,包括以下步骤:
[0037] 步骤1:从选矿现场中采集当前选矿全流程的工况条件,包括:弱磁入磨品位、强磁 入磨品位、强磁球磨机处理量、弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨 机运时。
[0038] 本实施方式中,采集当前选矿全流程的工况条件如表1所示:
[0039] 表1当前选矿全流程的工况条件
[0040]
Figure CN104318313BD00071
[0041] 其中,fl表示弱磁入磨品位、f2表示弱磁入磨品位、f3表示强磁球磨机处理量、f4表 示弱磁球磨机处理量、f5表示废石品位、f6表示强磁球磨机运时、f 7表示弱磁球磨机运时。
[0042] 步骤2:设定当前选矿全流程的运行指标的边界条件,包括:一次溢流回收率的范 围、磨矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位的范围、弱精品位的范围、强 尾品位的范围、弱尾品位的范围。
[0043] 本实施方式中设定的当前选矿全流程的运行指标的边界条件如表2所示:
[0044] 表2当前选矿全流程的运行指标的边界条件
[0045]
Figure CN104318313BD00081
[0046] 其中,C1表示一次溢流回收率、C 2表示弱精品位、C 3表示弱尾品位、C 4表示强精品 位、C5表示强尾品位、C6表示强磨粒度、C7表示弱磨粒度。
[0047] 步骤3:利用案例库中历史选矿生产过程案例的工况条件和运行指标值、当前选矿 全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运行指标 值。
[0048] 步骤3.1:案例库中历史选矿生产过程案例Dk的工况条件Fk= {fik},其中,fik表示 第让个案例的第1个工况条件,1 =卜_7沽=卜,4为案例库中案例数,运行指标01{={(^}, 其中,c A表示第k个案例的第j个运行指标,j = 1…7。
[0049] 步骤3.2:确定每个工况条件的权值ω i(3
[0050] 本实施方式中,根据经验确定每个工况条件的权值弱磁入磨品位的权值ω :、强磁 入磨品位的权值ω 2、强磁球磨机处理量的权值ω 3、弱磁球磨机处理量的权值ω 4、废石品位 的权值ω 5、强磁球磨机运时的权值ω 6、弱磁球磨机运时的权值ω 7分别为:0.08、0.12、 0·18、0·2、0·12、0·14、0·16〇
[0051] 步骤3.3:采用K阶最邻近方法从案例库中选出备选案例:
[0052] 设当前选矿生产过程案例D的工况条件为F= {fi},利用相似度函数计算当前选矿 生产过程案例D与案例库中历史选矿生产过程案例Dk的相似度,从案例库中选出K个相似度 最大的历史选矿生产过程案例作为备选案例。
[0053] 相似度函数如下:
Figure CN104318313BD00082
[0056] 本实施方式中,选取K等于6,得到的K个备选案例的Dk的运行指标值为:
[0057]
Figure CN104318313BD00091
[0058] 步骤3.4:对备选案例进行修正。
[0059] 步骤3.4.1:利用当前选矿全流程的运行指标的边界条件对备选案例进行修正:若 某备选案例的运行指标超出当前选矿全流程的运行指标的边界条件,则将该备选案例删 除,若当前备选案例全部超出当前选矿全流程的运行指标的边界条件,则返回步骤3.3。
[0060] 本实施方式中,没有备选案例运行指标超出当前选矿全流程的运行指标的边界条 件。
[0061] 步骤3.4.2:设定容忍度p,计算K个备选案例的每个运行指标Cjk的平均值得到备选 案例运行指标的平均值e/,令-C 7.:,若>尸·&,则用&替换当前的Cjk,其中,p e (0,1] 〇
[0062] 备选案例运行指标的平均值匕计算公式如下:
[0063]
Figure CN104318313BD00092
(2)
[0064] 本实施方式中,设定的容忍度p为0.08。计算得到45.65^ dl<3- |c?;g -c7|,>.p-;c7, 则将& =75, 45:65 代替C7,6 = 66.8973。
[0065] 步骤3.5:采用基于知识密集型案例重用方法,计算选矿全流程运行指标值q,实 现选矿全流程运行指标的智能决策,将决策的选矿全流程运行指标值下发到选矿生产过程 中。
[0066] 选矿全流程运行指标值计算公式如下:
[0067]
Figure CN104318313BD00093
(3)
[0068] 本实施方式得到的选矿全流程运行指标值为:
[0069] 82.4983 55.5763 17.4919 49.7045 20.3425 79.1477 75.5305
[0070] 步骤4:将当前选矿全流程的工况条件和选矿全流程运行指标值作为案例加入案 例库中。
[0071] 步骤5:根据案例记录的时间,定期更新案例记录。
[0072] 本发明在选矿全流程运行指标优化过程中,对其主要工艺参数进行优化设定,使 经过案例推理得到的解决方案在实际的生产过程中成功的应用,成为一个低成本却有很高 实用价值的选矿全流程运行指标决策系统及方法。

Claims (1)

1. 一种基于案例推理的选矿全流程运行指标智能决策方法,采用基于案例推理的选矿 全流程运行指标智能决策系统,包括数据获取单元、案例推理单元和案例存储单元; 所述的数据获取单元:用于获取当前选矿全流程的工况条件和当前选矿全流程的运行 指标的边界条件,工况条件共有七个,包括弱磁入磨品位、强磁入磨品位、强磁球磨机处理 量、弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨机运时;运行指标的边界条 件包括一次溢流回收率的范围、磨矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位 的范围、弱精品位的范围、强尾品位的范围、弱尾品位的范围; 所述的案例推理单元:利用案例库中历史选矿生产过程案例的工况条件和运行指标 值、当前选矿全流程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流 程运行指标值; 所述的案例存储单元:用于将历史选矿生产过程案例和当前选矿生产过程案例存储至 案例库中,各案例中包括其工况条件和运行指标的值; 还包括案例库维护单元:用于对案例库进行维护,包括添加案例、删除案例和查看案 例, 其特征在于,包括以下步骤: 步骤1:从选矿现场中采集当前选矿全流程的工况条件,包括:弱磁入磨品位、强磁入磨 品位、强磁球磨机处理量、弱磁球磨机处理量、废石品位、强磁球磨机运时和弱磁球磨机运 时; 步骤2:设定当前选矿全流程的运行指标的边界条件,包括:一次溢流回收率的范围、磨 矿的强磨粒度的范围、弱磨粒度的范围、磁选的强精品位的范围、弱精品位的范围、强尾品 位的范围、弱尾品位的范围; 步骤3:利用案例库中历史选矿生产过程案例的工况条件和运行指标值、当前选矿全流 程的工况条件和运行指标的边界条件,运用案例推理方法确定选矿全流程运行指标值; 步骤3.1:案例库中历史选矿生产过程案例Dk的工况条件Fk= {fik},其中,fik表示第k个 案例的第1个工况条件,1 =卜_7沽=卜,4为案例库中案例数,运行指标01{={(^},其中, Cjk表示第k个案例的第j个运行指标,j = 1…7; 步骤3.2:确定每个工况条件的权值ω i; 步骤3.3:采用K阶最邻近方法从案例库中选出备选案例:设当前选矿生产过程案例D的 工况条件为F= {fi},利用相似度函数计算当前选矿生产过程案例D与案例库中历史选矿生 产过程案例Dk的相似度
Figure CN104318313BC00021
例库中选出K个相似度最大的历史选矿生产过程案例作为备选案例; 步骤3.4:对备选案例进行修正; 步骤3.4.1:利用当前选矿全流程的运行指标的边界条件对备选案例进行修正:若某备 选案例的运行指标超出当前选矿全流程的运行指标的边界条件,则将该备选案例删除,若 当前备选案例全部超出当前选矿全流程的运行指标的边界条件,则返回步骤3.3; 步骤3.4.2:设定容忍度p,计算K个备选案例的每个运行指标Cjk的平均值得到备选案例 运行指标的平均值
Figure CN104318313BC00031
.,若4 >/»·&,则用Cj替换当前的Cjk,其中, pe (〇,1]; 步骤3.5:采用基于知识密集型案例重用方法,计算选矿全流程运行指标值利用公
Figure CN104318313BC00032
汁算出选矿全流程运行指标值Cp实现选矿全流程运行指标的智能 决策,将决策的选矿全流程运行指标值下发到选矿生产过程中; 步骤4:将当前选矿全流程的工况条件和选矿全流程运行指标值作为案例加入案例库 中; 步骤5:根据案例记录的时间,定期更新案例记录。
CN201410482971.4A 2014-09-19 2014-09-19 基于案例推理的选矿全流程运行指标智能决策系统及方法 Active CN104318313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410482971.4A CN104318313B (zh) 2014-09-19 2014-09-19 基于案例推理的选矿全流程运行指标智能决策系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410482971.4A CN104318313B (zh) 2014-09-19 2014-09-19 基于案例推理的选矿全流程运行指标智能决策系统及方法

Publications (2)

Publication Number Publication Date
CN104318313A CN104318313A (zh) 2015-01-28
CN104318313B true CN104318313B (zh) 2017-05-10

Family

ID=52373541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410482971.4A Active CN104318313B (zh) 2014-09-19 2014-09-19 基于案例推理的选矿全流程运行指标智能决策系统及方法

Country Status (1)

Country Link
CN (1) CN104318313B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106292292A (zh) * 2016-10-17 2017-01-04 鞍钢集团矿业有限公司 基于案例推理的铁矿浮选药剂用量优化设定方法及系统
CN106406257B (zh) * 2016-10-17 2019-01-15 鞍钢集团矿业有限公司 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统
CN107038481A (zh) * 2017-03-29 2017-08-11 北京科技大学 一种面向冶金矿山领域的案例推理系统构造方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN1749891A (zh) * 2005-10-19 2006-03-22 东北大学 选矿过程综合生产指标智能优化控制方法
CN102778843A (zh) * 2012-07-23 2012-11-14 东北大学 一种强磁选别过程运行控制方法
CN103617456A (zh) * 2013-12-04 2014-03-05 东北大学 一种选矿过程运行指标优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN1749891A (zh) * 2005-10-19 2006-03-22 东北大学 选矿过程综合生产指标智能优化控制方法
CN102778843A (zh) * 2012-07-23 2012-11-14 东北大学 一种强磁选别过程运行控制方法
CN103617456A (zh) * 2013-12-04 2014-03-05 东北大学 一种选矿过程运行指标优化方法

Also Published As

Publication number Publication date
CN104318313A (zh) 2015-01-28

Similar Documents

Publication Publication Date Title
CN104318313B (zh) 基于案例推理的选矿全流程运行指标智能决策系统及方法
CN104134120B (zh) 一种选矿生产指标监控系统及方法
EP3244271B1 (en) Ore dressing multi-production-index optimization decision making system and method based on cloud and mobile terminal
CN101950171B (zh) 选矿厂磨矿智能分级控制方法及控制设备
CN103617456B (zh) 一种选矿过程运行指标优化方法
CN101183260A (zh) 选矿全流程自动控制方法
CN103617470A (zh) 一种设备能力变化条件下的选矿综合生产指标优化方法
AU2018212323A1 (en) Mineral recovery control
CN104299045B (zh) 一种选矿生产全流程精矿产量预报系统及方法
CN104375478A (zh) 一种轧钢生产过程产品质量在线预测与优化的方法及装置
CN108469797A (zh) 一种基于神经网络和进化计算的磨矿过程建模方法
CN102778843B (zh) 一种强磁选别过程运行控制方法
CN103157547A (zh) 一种磷矿入选原矿的配矿方法
CN105989419A (zh) 一种智能配电网工程项目投资纠偏与优化方法
Ding et al. Data mining based feedback regulation in operation of hematite ore mineral processing plant
CN104573356A (zh) 一种基于稀疏T-S模糊的铁水Si含量建模方法
CN104267695B (zh) 一种选矿过程工艺指标优化决策系统及方法
CN103377247A (zh) 磨矿控制案例的智能提取方法
Bingyu et al. Research on data driven modeling method of grinding process based on RBF neural network
Li et al. Data mining utilization for plant historical processing accumulated data
Kuznetsov et al. Reduction of the recovery period of marsh ecosystem through the use of new mining technologies
Du Donghai et al. A Case of Mineral Resource Accounting of Xinjiang
Wang et al. Data-driven integrated modeling and intelligent control methods of grinding process
Junzhi et al. Optimization Model of Complex Mining and Ore-Dressing Systems in Regional Mine and Its Application Based on Genetic Algorithm
CN104267695A (zh) 一种选矿过程工艺指标优化决策系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: Zhejiang Dafeng Technology Co., Ltd.

Assignor: Northeastern University

Contract record no.: 2018210000035

Denomination of invention: Intelligent decision system and method for ore dressing total flow operation index on the basis of case-based reasoning

Granted publication date: 20170510

License type: Common License

Record date: 20181229

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: SHENYANG INSTITUTE OF TECHNOLOGY

Assignor: Northeast University

Contract record no.: X2019210000008

Denomination of invention: Intelligent decision system and method for ore dressing total flow operation index on the basis of case-based reasoning

Granted publication date: 20170510

License type: Common License

Record date: 20191022

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: ZHUZHOU XUYANG ELECTROMECHANIC TECHNOLOGY Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000001

Denomination of invention: Intelligent decision system and method for ore dressing total flow operation index on the basis of case-based reasoning

Granted publication date: 20170510

License type: Common License

Record date: 20200320

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: BEIJING SANLIAN HOPE TEXTILE & CHEMICAL TECHNOLOGY Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000006

Denomination of invention: Intelligent decision system and method for ore dressing total flow operation index on the basis of case-based reasoning

Granted publication date: 20170510

License type: Common License

Record date: 20200430

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: KYLAND TECHNOLOGY Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000008

Denomination of invention: Intelligent decision system and method for ore dressing total flow operation index on the basis of case-based reasoning

Granted publication date: 20170510

License type: Common License

Record date: 20200508

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: SHOUGANG LUANNAN MACHENG MINING Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000013

Denomination of invention: Case based reasoning based intelligent decision system and method for operation index of mineral processing process

Granted publication date: 20170510

License type: Common License

Record date: 20200910

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: Maogong Branch of Fushun Hanwang Aoniu Mining Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000022

Denomination of invention: Case based reasoning based intelligent decision system and method for operation index of mineral processing process

Granted publication date: 20170510

License type: Common License

Record date: 20201109

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150128

Assignee: Aolin Technology Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2021210000014

Denomination of invention: Case based Reasoning Intelligent Decision System and method for operation index of whole ore dressing process

Granted publication date: 20170510

License type: Common License

Record date: 20210324