CN107121490A - 一种湿法冶金过程中运行状态的评价方法 - Google Patents

一种湿法冶金过程中运行状态的评价方法 Download PDF

Info

Publication number
CN107121490A
CN107121490A CN201710280387.4A CN201710280387A CN107121490A CN 107121490 A CN107121490 A CN 107121490A CN 201710280387 A CN201710280387 A CN 201710280387A CN 107121490 A CN107121490 A CN 107121490A
Authority
CN
China
Prior art keywords
sub
data
block
running status
grade
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.)
Granted
Application number
CN201710280387.4A
Other languages
English (en)
Other versions
CN107121490B (zh
Inventor
常玉清
邹筱瑜
王福利
王姝
赵露平
李鸿儒
牛大鹏
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 CN201710280387.4A priority Critical patent/CN107121490B/zh
Publication of CN107121490A publication Critical patent/CN107121490A/zh
Application granted granted Critical
Publication of CN107121490B publication Critical patent/CN107121490B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G01N29/032—Analysing fluids by measuring attenuation of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G01F1/56—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using electric or magnetic effects
    • G01F1/58—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using electric or magnetic effects by electromagnetic flowmeters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L9/00—Measuring steady of quasi-steady pressure of fluid or fluent solid material by electric or magnetic pressure-sensitive elements; Transmitting or indicating the displacement of mechanical pressure-sensitive elements, used to measure the steady or quasi-steady pressure of a fluid or fluent solid material, by electric or magnetic means
    • G01L9/02—Measuring steady of quasi-steady pressure of fluid or fluent solid material by electric or magnetic pressure-sensitive elements; Transmitting or indicating the displacement of mechanical pressure-sensitive elements, used to measure the steady or quasi-steady pressure of a fluid or fluent solid material, by electric or magnetic means by making use of variations in ohmic resistance, e.g. of potentiometers, electric circuits therefor, e.g. bridges, amplifiers or signal conditioning
    • G01L9/06—Measuring steady of quasi-steady pressure of fluid or fluent solid material by electric or magnetic pressure-sensitive elements; Transmitting or indicating the displacement of mechanical pressure-sensitive elements, used to measure the steady or quasi-steady pressure of a fluid or fluent solid material, by electric or magnetic means by making use of variations in ohmic resistance, e.g. of potentiometers, electric circuits therefor, e.g. bridges, amplifiers or signal conditioning of piezo-resistive devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/01—Indexing codes associated with the measuring variable
    • G01N2291/015—Attenuation, scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/024—Mixtures
    • G01N2291/02416—Solids in liquids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Fluid Mechanics (AREA)
  • Analytical Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种湿法冶金过程中运行状态的评价方法，包括：对湿法冶金过程中在线采集的预设时间段内的定量数据和定性数据进行预处理，获得待分析的定量数据和定性数据；采用分块策略将待分析的定量数据和定性数据进行分块，获得待分析的每一子块，每一子块包括：待分析的至少一个定量数据和/或至少一个定性数据；采用预先建立的运行状态评价模型，对每一子块进行处理，确定每一子块的运行状态等级；选择所有子块对应的运行等级中最劣的运行状态等级，将所有子块中最劣的运行状态等级作为湿法冶金过程中全流程运行状态等级。上述方法结合湿法冶金过程实时在线数据以实现对运行状态的评价。

Description

一种湿法冶金过程中运行状态的评价方法
技术领域
本发明涉及湿法冶金运行状态评价技术，特别是一种湿法冶金过程中运行状态的评价方法。
背景技术
湿法冶金，又称之为化学冶金(chemical metallurgy)，是相对于火法冶金和电解法冶金而言，一种利用液相环境的特点，通过一定的化学反应，进行目标金属的提炼和萃取的技术。金湿法冶金将矿石中固态的金转换为矿浆中液态的金，再用锌粉进行置换，在冶金效率和环境保护方面有较大优势。
如图1所示的金湿法冶金过程的示意图，金湿法冶金主要包括：氰化浸出、压滤洗涤和锌粉置换三个过程。其中，氰化浸出过程是金湿法冶金最重要的一个操作环节，氰化浸出的目的是选择适当的溶剂使矿石、精矿或冶炼中间产品中的有价成分或有害杂质选择性溶解，使其转入相应的溶液中，达到有价成分与有害杂质、脉石分离之目的。
压滤洗涤环节起到固液分离的作用，将富含金氰络合物离子的贵液输送到置换环节，将固体杂质进行回收利用。
锌粉置换环节利用不同物质(以金属为主)的化学活性不同，在氧化还原的化学动力框架内，将目标金属从萃取溶剂中置换出来，最终将目标金属从金属盐或者络合物的形态，变成单质金属的反应过程。
实际工业生产过程往往都是以追求生产过程性能最优为目的。然而，生产过程可能会偏离最优运行状态，并最终引起企业生产效率和经济效益下降。过程运行状态评价是指在过程运行正常的基础上，针对某个或某些具体的指标如经济效益、生产成本、生产效率等，进一步判断过程运行状态的优劣状况，并对导致非优运行状态的原因进行识别，指导生产调整。
金湿法冶金过程是一个典型的流程工业过程，工艺流程复杂，设备类型多样，工艺条件恶劣，关键变量的检测技术无法满足控制要求，很多变量只能定性估计，而不能准确地定量测量。
目前的过程运行状态评价方法并未考虑实际流程工业过程特性，若将传统评价方法直接应用于金湿法冶金过程运行状态评价中，会存在以下问题：金湿法冶金生产过程中数据类型不统一，可能同时存在定量和定性数据，传统评价方法难以根据数据类型灵活地选取合适的建模方法，兼顾各种类型变量，得到准确的变量和评价指标之间的关系；面对金湿法冶金过程庞大的生产规模，大量过程变量，无法快速定位导致过程运行状态非优的原因，解释性差、效率低。
为此，如何提供一种结合湿法冶金中定性数据和定量数据对运行状态进行评价的方法成为当前需要解决的问题。
发明内容
针对现有技术中的缺陷，本发明提供一种湿法冶金过程中运行状态的评价方法，可以结合湿法冶金过程中的定性数据和定量数据以实现对运行状态的评价。
本发明提供一种湿法冶金过程中运行状态的评价方法，包括：
步骤01、对湿法冶金过程中在线采集的预设时间段内的定量数据和定性数据进行预处理，获得待分析的定量数据和定性数据；
步骤02、采用分块策略将待分析的定量数据和定性数据进行分块，获得待分析的每一子块，每一子块包括：待分析的至少一个定量数据和/或至少一个定性数据；
步骤03、采用预先建立的运行状态评价模型，对每一子块进行处理，确定每一子块的运行状态等级；
步骤04、选择所有子块对应的运行等级中最劣的运行状态等级，将所有子块中最劣的运行状态等级作为湿法冶金过程中全流程运行状态等级。
可选地，在步骤03之前，所述方法还包括：
步骤03a、根据历史时间段内的湿法冶金过程中的历史定量数据和历史定性数据，建立用于评价每一子块的运行状态等级的运行状态评价模型。
可选地，所述步骤03a是通过离线方式预先建立的。
可选地，所述定量数据为湿法冶金过程中采集的测量数据，所述定性数据为湿法冶金过程中采集的状态等级数据。
可选地，步骤02包括：
将属于一个工序的定量数据和/或定性数据作为一个子块；
或者，
将属于一个车间的定量数据和/或定性数据作为一个子块；
或者，
将一个生产单元内相互关联的定量数据和/或定性数据作为一个子块。
可选地，所述步骤03包括：
根据下述公式一，确定第m个子块的运行状态等级
其中，l为子块的序号，l＝1,2,…,L，L为子块的总数目，表示第m个子块的第l个等级；
第m个子块属于第l个等级的概率为
xt,m为待评价的第m个子块中的数据，是xt,m的条件属性集合，为模糊等价类截集，为根据历史数据确定的第m个子块的运行状态等级，表示xi的模糊等价类，是一个模糊集合，表示xi的模糊等价类的λ截集，是一个经典集合，|S|表示集合S的基，即S中元素的个数。
可选地，所述步骤04包括：
根据下述公式二，判定全流程运行状态等级等于子块中最劣运行状态等级；
可选地，所述方法还包括：
步骤05、当全流程运行状态等级为非最优运行状态等级时，针对非最优运行状态等级的每一子块，进行非优原因追溯，以查找导致非最优运行状态等级的原因变量。
可选地，所述步骤05包括：
根据下述公式三，查找导致非最优的原因变量；
其中，Δopt中差值比较大的变量，为非优原因变量；
为最优数据库中与xt,m匹配度最大的数据；其中，最优数据库是指，历史数据中相应子块的运行状态为最优等级的子块数据构成的集合。
可选地，根据公式三，查找导致非最优的原因变量的步骤之前，还包括：
确定当前非优数据xt,m与最优数据库中数据的匹配度
其中，
其中，βj∈[0,1]是属性权重，Jm为子块m中包含的变量数目，
通过确定；
其中，x1,j、x2,j分别是x1、x2的第j个变量；当第j个变量是定量变量，分别是第j个变量的工艺最大值、最小值；当第j个变量为定性变量，|x1j－x2j|表示x1,j和x2,j的等级差；Nj是第j个变量的等级数目。
本发明具有下述的有益效果：
(1)利用可在线定量测量或定性估计的变量信息，对过程运行状态做出实时评价，使生产过程更加高效，确保了企业经济效益；
(2)在非优运行状态时，自动进行原因追溯，提供非优的环节和导致非优的变量，指导操作工进行生产调整；
(3)提高了运行状态最优性评价和非优原因追溯自动化水平，减少了主观判断可能给生产带来的不利影响和操作人员的工作量。
附图说明
图1为金湿法冶金过程示意图；
图2为本发明一实施例提供的采用两层分块策略对采集的数据进行分块的示意图；
图3为本发明一实施例举例说明的离线等级划分示意图；
图4为本发明一实施例提供的非优原因追溯原理示意图；
图5为本发明一实施例提供的运行状态在线评价结果的示意图；
图6为本发明一实施例提供的非优原因追溯结果的示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
目前，多数湿法冶金过程的运行状态评价方法是根据离线分析，在一个生产周期(通常以天、月、年等为单位)结束后，根据各项生产指标统计出一个综合经济指标，衡量该生产周期内过程运行状态的优劣，并根据此评价结果对下一个生产周期进行适当的调整，以期获得更好的经济收益。这种做法没有充分利用在线信息，使运行状态评价结果产生严重滞后，不能实时指导生产，保证最优运行状态。为确保金湿法冶金过程运行状态得到实时反馈，本发明提供了一种新的运行状态最优性在线评价和非优原因追溯方法。
本发明实施例一方面提供一种两层分块的湿法冶金过程运行状态方法，对湿法冶金过程建立纵向分层横向分块的评价模型，根据过程定量测量和定性估计的信息，对过程运行状态进行在线评价。另一方面，本发明实施例还提供当运行状态非优时，导致运行状态非优的环节和原因，指导生产调整。
本发明实施例中的方法采用的装置包括金湿法冶金过程运行状态评价系统、上位机、PLC、现场传感变送部分。其中现场传感变送部分包括浓度、压力、流量等检测仪表。在金湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP总线送到PLC，PLC通过以太网定时将采集信号传送到上位机，上位机把接受的数据传到金湿法冶金过程运行状态评价系统，进行过程运行状态实时评价，并提供生产操作指导建议。
上述装置的各部分功能举例说明如下：
(A)现场传感变送部分：包括浓度、压力、流量等检测仪表由传感器组成，负责过程数据的采集与传送。
举例来说，矿浆浓度是通过北京矿冶研究总院的BDSM型在线浓度计进行在线测量的。传感器向被测介质中发出一束超声波脉冲，超声波经过悬浮颗粒时由于悬浮颗粒的散射和吸收会发生衰减，超声波在污泥或固体悬浮物中的衰减与液体中的污泥浓度或固体悬浮物浓度有关，通过测量超声波的衰减值可以计算出污泥或固体悬浮物浓度。
由于料液、酸液、碱液都导电且具有腐蚀性，因此选用KROHNE公司生产的具有聚四氟乙烯内衬的电磁流量计进行流量检测。电磁流量计为无阻力件检测具有精度高、使用寿命长、保养方便等优点。电磁流量计配备的就地显示仪表可以实现流量计就地显示、流量信号变送和流量累计等功能。电磁流量计输出的信号为标准的电流信号。
压力是通过SIEMENS公司生产的DSIII型压力检测仪进行压力在线检测的，介质压力直接作用于敏感膜片上，分布于敏感膜片上的电阻组成的惠斯通电桥，利用压阻效应实现压力向电信号的转换，通过电子线路将敏感元件产生的毫伏信号放大为工业标准电流信号。
(B)PLC：负责把采集的信号A/D转换，并通过以太网把信号传送给上位机。
举例来说，本实施例的PLC控制器可采用Simens 400系列的CPU414-2，具有Profibus DP口连接分布式IO。为PLC配备以太网通讯模块，用于上位机访问PLC数据。PLC控制器和以太网通讯模块放置在中央控制室中的PLC柜中。
(C)上位机：收集本地PLC数据，传送给金湿法冶金过程运行状态评价系统，并提供生产操作指导建议。
运行状态评价系统运行在上位机上，采用C#2008编程软件，数据存储采用SQLServer 2005数据库，运行状态评价算法采用Matlab 2010a编程软件。
PLC与运行状态评价系统的信号传送软件是采用C#2008编程软件。
在湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP传送到PLC中，PLC定时将采集信号通过以太网传送给上位机，上位机把接受的数据传给过程运行状态评价系统进行运行状态的实时评价，并提供操作指导建议。
参见图1，本发明实施例中提及的金湿法冶金流程可划分为第一次浸出、第二次浸出和置换，三个工序。其中，第一次浸出包含第一次氰化浸出和第一次压滤洗涤环节；第二次浸出包含第二次氰化浸出和第二次压滤洗涤环节；置换包含整个置换生产环节。过程检测系统主要由浓度检测、流量、压力检测检测等构成。
实施例一
本实施例提供一种湿法冶金过程中运行状态的评价方法，该方法包括下述步骤：
步骤01、对多次采集的湿法冶金过程中的定量数据和定性数据进行预处理，获得待分析的定量数据和定性数据。
例如，对湿法冶金过程中在线采集的预设时间段内的定量数据和定性数据进行预处理，获得待分析的定量数据和定性数据。
也就是说，首先，待分析的湿法冶金过程进行在线数据收集。
另外，本实施例中的定量数据可为湿法冶金过程中采集的测量数据，所述定性数据可为湿法冶金过程中采集的状态等级数据；
此时，上述步骤01可具体包括：
对多次采集的每一定量数据在时间方向上，用滑动窗口均值作为平滑处理，获得待析的每一定量数据的值；
定性数据，举例来说，湿法冶金中放矿量、矿浆浓度可分别划分5个等级，分别为小(NB)、较小(NS)、中(ZE)、较大(PS)、大(PB)。调浆水量可划分为7个等级，分别为负大(NB)、负中(NM)、负小(NS)、零(ZE)、正小(PS)、正中(PM)、正大(PB)等。本实施例仅为举例说明定性数据的划分，不对其进行限定。
步骤02、采用分块策略将待分析的定量数据和定性数据进行分块，获得待分析的每一子块，每一子块包括：待分析的至少一个定量数据和/或至少一个定性数据。
可理解的是，湿法冶金过程中的第一次浸出、第二次浸出和置换都是相对独立的工序，此外，第一次浸出和第二次浸出工序还可分别进一步划分为一系列相对独立的生产环节。
举例来说，将属于一个工序的定量数据和/或定性数据作为一个子块；
或者，将属于一个车间的定量数据和/或定性数据作为一个子块；
或者，将一个生产单元内相互关联的定量数据和/或定性数据作为一个子块。
本实施例中可按照第一次浸出、第二次浸出和置换三个工序划分，构成子块层；然后，建立两层分块结构。
本实施例中可以根据过程的规模和变量耦合程度进行子块的划分。对于大规模、变量数量十分庞大的过程，可以将每一个生产单元作为一个子块；对于小规模、变量数目较少的过程，可以将每一个工序作为一个子块；中等规模、变量数目中等的过程，可以将每一个车间作为一个子块。此外，紧密联系的单元、车间、子块可作为同一个子块。
步骤03、采用预先建立的运行状态评价模型对每一子块进行处理，确定每一子块的运行状态等级。
应说明的是，本实施例的运行状态模型是预先根据收集的湿法冶金过程中的历史数据进行离线获取的。
也就是说，在步骤03之前可执行步骤03a、根据预设时间段内的湿法冶金过程中的属于历史数据的历史定量数据和历史定性数据，建立用于评价每一子块的运行状态等级的运行状态模型。
步骤04、将所有子块中最劣的运行状态等级作为湿法冶金过程中全流程运行状态等级。
可选地，在一种具体的实现方式中，上述方法还可包括下述的步骤：
步骤05、当全流程运行状态等级为非最优运行状态等级时，针对非最优运行状态等级的每一子块，查找导致非最优的原因变量，以确定非优原因追溯。
也就是说，在实际应用中，本实施例所提供的湿法冶金过程运行状态在线评价方法包括：(1)评价指标、过程变量的选择及预处理、(2)两层分块结构的建立、(3)评价模型的建立、(4)过程运行状态的在线评价、(5)运行状态非优原因追溯等步骤。
其中上述步骤(3)评价模型的建立可为预先根据离线采集的历史数据进行建立。
以下针对上述的每一个过程/步骤进行详细说明。
(1)评价指标、过程变量的选择及预处理
过程运行状态的优劣，通常可最终反应在企业综合经济效益上，经济效益越大，运行状态越优。因此，选择综合经济效益为评价指标，并选取如表1所示的能够影响过程运行状态(综合经济效益)的过程变量。所选评价指标，是一个定性变量，不能在线获取，只能通过离线分析，获得一段时间内(通常以周、月、季度为单位)评价指标的定性状态。过程变量中：矿石来料量、初始金品位、矿石平均粒径等，只能进行定性估计；矿浆流量、调浆水量、NaCN添加量等，可以进行定量测量。
对于定性变量，用一系列正整数顺次表示不同状态等级。对于定量变量，只需进行简单的平滑处理。比如选取一定长度的滑动窗口，用窗口内变量均值表征整个窗口的信息。
表1湿法冶金过程变量表
(2)两层分块结构的建立
考虑到流程工业生产过程特点，为了降低问题规模、增强解释性、提取交叉信息，如图2所示，M是子块的数量。在子块层，根据过程特性将一个工业过程划分为多个有物理意义的子块。在全流程层，提取各子块的交叉信息。
值得注意的是，子块划分在本实施例中扮演重要角色。因此，需要利用先验知识，把相关性强的生产组成部分划分至同一子块内，把相关性弱的部分划分至不同子块中。将此模型应用于运行状态评价中，会提高评价的准确性和解释性，极大降低问题的规模和计算难度，更充分去除冗余信息，扩大波动小的变量的影响。
本实施例中可按照第一次浸出、第二次浸出和置换三个工序划分，构成子块层；然后，建立两层分块结构。
(3)评价模型的建立
模糊概率粗糙集(Fuzzy Probabilistic Rough Set,FPRS)是一种可以在定性和定量变量共存时，进行推理的方法。因此，本实施例用FPRS对两层分块模型的各个子模型进行建模，并将这种基于FPRS的两层分块模型称为Two-level Multi-block FPRS(TMFPRS)模型。
在FPRS中，令是非空集合U上的一个模糊等价关系。传统的等价类扩展为模糊等价类
其中，xi∈U，是一个基于模糊等价关系的模糊集合，rij∈[0,1]是xi和xj的等价程度，“+”是模糊集合的一种表示方式，表示元素的联合，n是元素的个数。
对于一个元素xi∈U，基于模糊等价关系的的λ截集表示为：
其中，是一个传统集合。
给定一个非空子集和一个模糊等价类截集定义概率
其中，|S|表示集合S的基，即S中元素的个数。
对于和0≤β＜α≤1，的下近似、上近似和边界域分别定义如下：
对于α＝β≠0的情况，的下近似、上近似和边界域分别定义如下：
包括论域U中所有一定属于集合X的元素，而包含论域U中所有可能属于集合X的元素。如果边界域为空，我们称集合X为在上的精确集，否则集合X称为粗糙集。
过程数据的离线等级确定步骤如图3所示，包含：a0)数据分块；b0)全流程层等级确定；c0)子块层等级确定。注意：在该步骤(3)中所用数据均为离线采集的历史数据，并对该些历史数据进行预处理之后的数据。应理解的是，本实施例中的离线数据和在线数据均是预处理后的数据。
a0)数据分块
为湿法冶金过程中全流程的历史数据，N为样本个数，J为变量个数。如前所述，复杂工业过程被划分为多个有物理意义的子块。为包含第m个子块变量信息的子块数据，Jm是第m个子块的变量数量。
b0)全流程层等级确定
根据全流程综合评价指标，运行状态被划分为若干个等级，例如优/中/差等。那么，子块数据Xm(m＝1,2,…,M)中的每一个样本都可以被标记一个全流程层等级标签。
c0)子块层等级确定
由于过程整体的运行状态等级不能由一个单独的一个子块决定，相似的子块数据可能有不同的全流程层等级。考虑到一个子块，如果在其他子块达到最优匹配状态时，该子块可能达到其最优状态；如果该子块处于非最优状态，无论其他子块是否达到最优匹配状态，全流程都不可能达到最优运行状态；全流程运行状态等级等价于最劣子块层运行状态等级。具体原因将在下文做出解释。针对第m(m＝1,2,…,M)个子块：用相似数据中最好的全流程层等级作为此类数据的子块层运行状态等级。因此，全流程层的等级数目和子块层的等级数目相同。假设等级1为最优等级，等级L为最劣等级，等级1到等级L优性依次递减。子块层运行状态等级的确定从最优等级到最劣等级，依次确定。确定子块层运行状态等级l中数据的具体做法为：以全流程层等级l,l+1,…,L中数据为基础，将与等级l相似的数据，从原来的等级中删除，加入等级l的数据集中，更新后的等级l中的数据为子块层运行状态等级为l的数据，记为更新后的等级l+1,l+2,…,L中的数据为确定下一等级数据的基础。
根据上述3个步骤，确定各子块数据的子块层运行状态等级。最终，相比于全流程层数据，一个子块内，最优等级对应的数据不会减少，最劣等级对应的数据不会增多。此外，考虑到定性与定量变量共存的情况，定义两个样本的相似度为
其中，
x1,j(x2,j)是x1(x2)的第j个变量；当第j个变量是定量的，是第j个变量的工艺最大值(最小值)；当第j个变量为定性变量，|x1j-x2j|表示x1,j和x2,j的等级差；Nj是第j个变量的等级数目。x1和x2的等价程度r12，与sim(x1,x2)相等。
获取各等级数据后，可建立决策表。针对第m个子块的决策表：条件属性为中的各个变量，决策属性为子块层运行状态等级l，论域包含中所有的元素。
在本实施例所提供的离线建模方法中，传统的全流程层显式模型并不必要，因为模型构建过程中已经考虑了子块之间的交叉信息和两层之间的相关关系。
(4)过程运行状态的在线评价
本实施例提供的过程运行状态的在线评价方法，首先在每个子块中评价出子块层运行状态等级，再根据各子块运行状态评价结果，获得全流程层运行状态评价结果。
在时刻t，在线数据表示为因此，第m个子块评价的基本单元可以记为将子块数据xt,m和针对第m个子块建立的决策表中数据，根据FPRS的规则进行匹配，推算出xt,m所处运行状态等级。给定等式(2)中λ的取值，可以获得模糊等价类的λ截集其中，是xt,m的条件属性集合。根据式(3)可得第m个子块属于第l个等级的概率为
其中，l＝1,2,…,L，表示第m个子块的第l个等级。因此，第m个子块运行状态等级为
在获得所有子块的运行状态等级后，全流程运行状态等级等于子块层最劣运行状态等级，假设等级1至L，过程运行状态优性递减，那么表示为
为解释上述运行状态等级判定方法成立的原因，先将本方法应用的四个合理前提假设阐述如下：
a)单运行工况
上述方法适用于单运行工况的过程。也就是说：过程运行于唯一稳定工作点附近；最优运行状态下的数据，变量相关关系相似。
b)优性指标和观测值之间可近似表示为连续函数
若优性指标和观测值之间可近似表示为连续函数，变量在小范围内的变化，不会引起优性指标的突变。那么，我们可以用与测试数据相似数据的优性指标，来推算测试数据的优性指标。
c)建模数据充分
有充足的、涵盖所有可能运行状态的数据，作为建模数据。在线评价的过程中，不会出现未建模数据。
d)至少有一个子块等级与全流程层等级相同
一个子块的等级被定义为相似子块数据所能达到的最好全流程层等级。因此，一个子块在子块层的等级会优于或等于其全流程层等级。d)中假设不可能所有子块在子块层的等级同时优于其全流程层等级。从机理上进行分析，一个数据被划分至某全流程层运行状态等级，一定是因为各子块数据与该运行状态等级最接近。反之，若各子块数据与令一运行状态等级最接近，该数据不太可能被划分至当前全流程层运行状态等级。因此，本假设具有合理性。
基于上述四个假设，要证明全流程运行状态等级等于子块层最劣运行状态等级，需要证明以下两个问题：
a)全流程运行状态等级不会比子块层最劣运行状态等级更优
显然，由于各子块的等级被定义为子块内相似数据所能达到的最好全流程层等级，所以全流程运行状态等级不会比子块层最劣运行状态等级更优。
b)全流程运行状态等级不会比子块层最劣运行状态等级更劣
如果全流程运行状态等级比子块层最劣运行状态等级更劣，那么说明所有子块的运行状态等级都优于全流程层运行状态等级，与上述第d)个假设矛盾。因此，全流程运行状态等级不会比子块层最劣运行状态等级更劣。
综上所述，全流程运行状态等级既不会比子块层最劣运行状态等级更优，也不会比子块层最劣运行状态等级更劣，所以，全流程运行状态等级等于子块层最劣运行状态等级。
进一步地，基于TMFPRS的运行状态在线评价步骤概括如下：
A01、获取在线数据xt，并构建子块数据xt,m；
A02、在每个子块中，根据式(2)求取模糊等价类截集
A03、根据公式(8)计算
A04、根据公式(9)判断每个子块的运行状态等级
A05、根据公式(10)判定全流程层运行状态等级为子块层最劣运行状态等级，若等级1至L，过程运行状态优性递减，
(5)运行状态非优原因追溯
当过程运行于非最优运行状态等级时，本发明提供的非优原因追溯方法，识别导致非优运行等级的原因变量，为操作者提供调整指导，有助于恢复最优运行状态。
根据上面所提供的评估方法，可直接确定非优的子块。因此，可以直接在非优的子块中，查找导致非优的原因变量。为实现进一步的非优原因追溯，本发明提供一种基于匹配度的，在独立非优子块中实施的追溯方法。该方法具有较强解释性。
本实施例提供的非优原因追溯原理如图4所示，通过衡量当前非优子块数据与最优运行状态等级数据库中和当前数据匹配度最高的数据之间的差异，得到导致非优运行状态等级的原因。
用和分别表示当前非优子块数据和最优数据库中的一个样本。xt,m和的匹配度由下式计算
其中，由式(7)得，βj∈[0,1]是属性权重，且满足βj的取值和相应属性的可操作性呈负相关，即：变量j可操作性越强，βj取值越小。βj由过程知识确定。除了实现非优原因追溯的功能，匹配度还考虑到了变量调整的幅度和难度。假设xt,m和最优数据库中的数据匹配度最大，那么，定义xt,m和之间的差量为
其中，Δopt中差值比较大的变量，为非优原因变量，需要进行调整。对于一个定量变量：若变量j为非优原因变量，需要增大(降低)变量j的幅值，调整量为若变量j不是非优原因变量，不需进行调整；其中，ε为判定阈值，其值为接近0的正数，通过过程知识给定。对于一个定性变量：若则需要增大(降低)变量j的状态等级，且调整极差为若变量j不是非优原因变量，不需进行调整。
综上，非优原因追溯需要以下步骤：
1)通过评价结果确定非最优子块；
2)在非优子块内，计算当前非优数据xt,m与相应最优数据库中数据的匹配度
3)选择最优数据库中，与xt,m匹配度最大的样本作为最优参考数据；
4)根据式(12)，计算xt,m和之间的差异Δopt，Δopt中差值比较大的变量，为非优原因变量。
实施例二
第一步、离线数据收集：采集充足的、涵盖所有可能运行状态的数据，作为建模数据；
第二步、离线数据处理：对于定性变量，用一系列正整数顺次表示不同状态等级；对于定量变量，进行平滑处理；
第三步、两层分块结构建立：根据金湿法冶金过程特性，划分为第一次浸出、第二次浸出和置换三个子块，构成子块层；然后，建立两层分块结构；
第四步、评价模型建立：先将离线数据进行分块，然后确定各子块数据的全流程层等级和子块层等级，最后建立各子块的FPRS离线模型，组织决策表；
第五步、过程运行状态的在线评价：采集实时生产数据，根据TMFPRS模型，得到各子块的子块层等级，全流程层等级与子块层中最劣等级相同；
第六步：运行状态非优原因追溯：针对非优的子块，通过衡量非优子块数据与最优运行状态等级数据库中和当前数据匹配度最高的数据之间的差异，得到非优原因。
第七步：生产调整指导：根据非优原因变量和其最优值之间的差异，确定调整量，指导操作工进行生产调整。
利用本发明所提供的在线评价，得到了如图5所示的评价结果，图5(a)为第一次浸出环节的评价结果，图5(b)为第二次浸出环节的评价结果，图5(c)为置换环节的评价结果)。结合表2和图6所示，从第101个采样点开始，第二次浸出子块中NaCN添加量不足，导致过程运行状态从等级1(优)变为等级2(非优)。评价结果不仅显示了运行状态等级变化趋势，还显示了非优的子块。为了更加清楚的了解在线评价结果的正确性，表2列出了过程实际运行状态和评价算法的比较结果。在200个采样点中，正确评价的个数为198个，错误评价的个数为2个，正确率为99％，符合工业生产的要求。当过程运行状态等级为非优时，需要进一步追溯其原因。由于工厂生产数据需保密，第j个变量的实际值与最优值之间的差量，在展示之前进行如下预处理：
追溯结果如图6所示，其中，横坐标为变量序号，纵坐标为预处理后的变量差量。本发明的方法正确追溯出了非优原因变量：二浸NaCN添加量，并提示需要增加二浸NaCN添加量的幅值。
表2实际运行状态与在线评价结果对比
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种湿法冶金过程中运行状态的评价方法，其特征在于，包括：
步骤01、对湿法冶金过程中在线采集的预设时间段内的定量数据和定性数据进行预处理，获得待分析的定量数据和定性数据；
步骤02、采用分块策略将待分析的定量数据和定性数据进行分块，获得待分析的每一子块，每一子块包括：待分析的至少一个定量数据和/或至少一个定性数据；
步骤03、采用预先建立的运行状态评价模型，对每一子块进行处理，确定每一子块的运行状态等级；
步骤04、选择所有子块对应的运行等级中最劣的运行状态等级，将所有子块中最劣的运行状态等级作为湿法冶金过程中全流程运行状态等级。
2.根据权利要求1所述的方法，其特征在于，在步骤03之前，所述方法还包括：
步骤03a、根据历史时间段内的湿法冶金过程中的历史定量数据和历史定性数据，建立用于评价每一子块的运行状态等级的运行状态评价模型。
3.根据权利要求2所述的方法，其特征在于，所述步骤03a是通过离线方式预先建立的。
4.根据权利要求3所述的方法，其特征在于，所述定量数据为湿法冶金过程中采集的测量数据，所述定性数据为湿法冶金过程中采集的状态等级数据。
5.根据权利要求4所述的方法，其特征在于，步骤02包括：
将属于一个工序的定量数据和/或定性数据作为一个子块；
或者，
将属于一个车间的定量数据和/或定性数据作为一个子块；
或者，
将一个生产单元内相互关联的定量数据和/或定性数据作为一个子块。
6.根据权利要求5所述的方法，其特征在于，所述步骤03包括：
根据下述公式一，确定第m个子块的运行状态等级
其中，l为子块的序号，l＝1,2,…,L，L为子块的总数目，表示第m个子块的第l个等级；
第m个子块属于第l个等级的概率为
xt,m为待评价的第m个子块中的数据，是xt,m的条件属性集合，为模糊等价类截集，为根据历史数据确定的第m个子块的运行状态等级，表示xi的模糊等价类，是一个模糊集合，表示xi的模糊等价类的λ截集，是一个经典集合，|S|表示集合S的基，即S中元素的个数。
7.根据权利要求6所述的方法，其特征在于，所述步骤04包括：
根据下述公式二，判定全流程运行状态等级等于子块中最劣运行状态等级；
8.根据权利要求1至7任一所述的方法，其特征在于，所述方法还包括：
步骤05、当全流程运行状态等级为非最优运行状态等级时，针对非最优运行状态等级的每一子块，进行非优原因追溯，以查找导致非最优运行状态等级的原因变量。
9.根据权利要求8所述的方法，其特征在于，所述步骤05包括：
根据下述公式三，查找导致非最优的原因变量；
其中，Δopt中差值比较大的变量，为非优原因变量；
为最优数据库中与xt,m匹配度最大的数据；其中，最优数据库是指，历史数据中相应子块的运行状态为最优等级的子块数据构成的集合。
10.根据权利要求9所述的方法，其特征在于：
根据公式三，查找导致非最优的原因变量的步骤之前，还包括：
确定当前非优数据xt,m与最优数据库中数据的匹配度
其中，
βj∈[0,1]是属性权重，Jm为子块m中包含的变量数目，
通过确定；
其中，x1,j、x2,j分别是x1、x2的第j个变量；当第j个变量是定量变量，分别是第j个变量的工艺最大值、最小值；当第j个变量为定性变量，|x1j-x2j|表示x1,j和x2,j的等级差；Nj是第j个变量的等级数目。
CN201710280387.4A 2017-04-26 2017-04-26 一种湿法冶金过程中运行状态的评价方法 Expired - Fee Related CN107121490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710280387.4A CN107121490B (zh) 2017-04-26 2017-04-26 一种湿法冶金过程中运行状态的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710280387.4A CN107121490B (zh) 2017-04-26 2017-04-26 一种湿法冶金过程中运行状态的评价方法

Publications (2)

Publication Number Publication Date
CN107121490A true CN107121490A (zh) 2017-09-01
CN107121490B CN107121490B (zh) 2019-08-09

Family

ID=59726461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710280387.4A Expired - Fee Related CN107121490B (zh) 2017-04-26 2017-04-26 一种湿法冶金过程中运行状态的评价方法

Country Status (1)

Country Link
CN (1) CN107121490B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563656A (zh) * 2017-09-11 2018-01-09 东北大学 金湿法冶金氰化浸出过程运行状态的评价方法
CN108037747A (zh) * 2017-12-11 2018-05-15 东北大学 金湿法冶金全流程分层分块运行状态在线评价方法
CN108762238A (zh) * 2018-06-15 2018-11-06 东北大学 一种基于dcd的湿法冶金浸出过程故障诊断方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050194977A1 (en) * 2004-03-04 2005-09-08 Richard Walter Hirthe Fluid formulation evaluation and improvement utilizing broad spectrum impedance spectroscopy
CN104062953A (zh) * 2014-06-12 2014-09-24 东北大学 金湿法冶金过程运行状态在线评价方法
CN104155873A (zh) * 2014-06-12 2014-11-19 东北大学 湿法冶金全流程分层优化控制方法
CN104199389A (zh) * 2014-06-12 2014-12-10 东北大学 金湿法冶金置换过程的优化方法
CN105528470A (zh) * 2015-04-29 2016-04-27 南京财经大学 不确定因素作用下流程工业能耗过程建模与仿真方法
US9575033B1 (en) * 2013-10-09 2017-02-21 The Boeing Company Quantification of wrinkles in composite objects

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050194977A1 (en) * 2004-03-04 2005-09-08 Richard Walter Hirthe Fluid formulation evaluation and improvement utilizing broad spectrum impedance spectroscopy
US9575033B1 (en) * 2013-10-09 2017-02-21 The Boeing Company Quantification of wrinkles in composite objects
CN104062953A (zh) * 2014-06-12 2014-09-24 东北大学 金湿法冶金过程运行状态在线评价方法
CN104155873A (zh) * 2014-06-12 2014-11-19 东北大学 湿法冶金全流程分层优化控制方法
CN104199389A (zh) * 2014-06-12 2014-12-10 东北大学 金湿法冶金置换过程的优化方法
CN105528470A (zh) * 2015-04-29 2016-04-27 南京财经大学 不确定因素作用下流程工业能耗过程建模与仿真方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冯倩: "高铜矿湿法冶金全流程过程监测与故障追溯", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563656A (zh) * 2017-09-11 2018-01-09 东北大学 金湿法冶金氰化浸出过程运行状态的评价方法
CN108037747A (zh) * 2017-12-11 2018-05-15 东北大学 金湿法冶金全流程分层分块运行状态在线评价方法
CN108762238A (zh) * 2018-06-15 2018-11-06 东北大学 一种基于dcd的湿法冶金浸出过程故障诊断方法

Also Published As

Publication number Publication date
CN107121490B (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
CN104062953B (zh) 金湿法冶金过程运行状态在线评价方法
JP2021534055A (ja) マルチスケール深層畳み込みニューラルネットワークに基づくアルミナ総合生産指標の決定方法
CN107065834B (zh) 湿法冶金过程中浓密机的故障诊断方法
CN107121490A (zh) 一种湿法冶金过程中运行状态的评价方法
CN112317110A (zh) 基于深度学习的磨矿粒度预测系统及方法
CN111950191A (zh) 基于混合深度神经网络的回转窑烧结温度预测方法
CN105278520A (zh) 基于t-kprm复杂工业过程运行状态评价方法及应用
CN109885012B (zh) 一种金湿法冶金全流程实时优化补偿方法
CN104597755A (zh) 一种湿法冶金金氰化浸出过程优化方法
CN104298187B (zh) 金湿法冶金全流程三层结构过程监测方法
CN110490496A (zh) 一种基于分步约简筛选复杂工业过程中影响产品质量的敏感变量的方法
CN108037747B (zh) 金湿法冶金全流程分层分块运行状态在线评价方法
Li et al. The method of reagent control based on time series distribution of bubble size in a gold‐antimony flotation process
CN108762238A (zh) 一种基于dcd的湿法冶金浸出过程故障诊断方法
CN115423146A (zh) 一种基于多因子最近邻抽样回归和支持向量机的自适应径流预报方法
CN107563656B (zh) 金湿法冶金氰化浸出过程运行状态的评价方法
CN100370453C (zh) 稀土串级萃取分离组分含量软测量方法
CN114048958A (zh) 基于深度卷积残差收缩网络的刀具磨损预测方法和系统
Lu et al. Operating performance assessment based on semi-supervised cluster generative adversarial networks for gold flotation process
Yan et al. Estimation of copper concentrate grade for copper flotation
CN110276128B (zh) 一种基于dajypls算法的浓密机底流浓度预测方法
CN110532699A (zh) 基于模糊dcd的湿法冶金浓密洗涤过程故障诊断方法
Wang et al. Identification of abnormal conditions for gold flotation process based on multivariate information fusion and double‐channel convolutional neural network
CN106886154B (zh) 基于区间数的湿法冶金全流程建模方法与优化方法
Liu et al. Operating condition recognition of industrial flotation processes using visual and acoustic bimodal autoencoder with manifold learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190809

CF01 Termination of patent right due to non-payment of annual fee