CN107451386A - 磨矿过程磨机功率在线软测量方法 - Google Patents

Abstract

一种磨矿过程磨机功率在线软测量方法，涉及一种磨机功率测量方法，利用计算机采集磨矿过程的实时工艺数据，通过构建POS‑BP网络磨矿过程软测量模型，计算出磨机功率的估计值，实现在线对磨机功率的测量。该方法将训练好的POS‑BP软测量模型用程序实现在计算机控制系统中，通过现场实时采集六个过程参数作为软测量模型的输入，而磨机功率作为输出，实现对磨机功率的在线估计，从而能够减少磨机涨肚次数，提高磨机处理量以及磨矿粒度合格率，降低衬板和钢球损耗，提高矿山企业经济效益。

Description

磨矿过程磨机功率在线软测量方法

技术领域

本发明涉及一种磨机功率测量方法，特别是涉及一种有色金属磨矿过程的半自磨机功率在线软测量方法。

背景技术

磨矿过程广泛应用于矿山、水泥 、冶金、 化工、建筑等多个领域,随着人类社会的发展,对各种矿产资源的需求和利用也是越来越大，然而矿产作为非可再生资源，富矿的储量也在逐渐枯竭，所以对各类矿石的处理能力，以及矿物的回收率和贫矿的开采成为当今选矿领域的热点和难点。选矿作业的关键流程是磨矿作业，故在各个行业的选矿部门，各类磨机作业更是具有十分重要的作用。软测量的基本思想是把自动控制理论与生产过程知识有机的结合起来，应用计算机技术对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计，以软件来替代硬件的功能。应用软测量技术实现元素组分含量的在线检测不但经济可靠，且动态响应迅速、可连续给出萃取过程中元素组分含量,易于达到对产品质量的控制。软测量技术主要由辅助变量的选择、数据采集与处理、软测量模型几部分组成。目前国内主要关于磨机功率软测量方法主要是通过磨机的磨音、震动加速度相关信息对磨机负荷进行软测量，还有一部分是用于以煤为代表的黑色金属的磨机功率的软测量，前者主要由于现场的声音干扰太大，很难由于实际的工程中，后者主要是黑色金属方面的集中在煤的粉磨过程的磨机功率软测量，主要是经验或半经验公式的方法，针对于有色金属的磨矿过程几乎难以应用，尤其是对半自磨机的功率软测量几乎难以应用。最重要的是目前几乎所有关于磨机的负荷软测量都集中在球磨机的研究，而很少有针对半自磨机的研究，然而球磨机和半自磨机的工作原理差异较大，球磨机主要是利用钢球研磨，大多数矿石的粒度较细，而半自磨机主要是通过钢球和大块矿石对矿石起破碎和研磨作用，通常矿石粒度较大，本方法尤其适用半自磨机的功率预测，通过实际证明该方法具有较强的可行性。

发明内容

本案涉及的磨机软测量是将磨机内部（磨机的内部尺寸、衬板参数）和外部因素（磨机的给矿量、给水量、返沙比、轴压、给矿粒度）相结合，并经过kalman数据滤波对采集数据进行数据处理，将处理后数据传递给POS-BP的神经网络软测量包对磨机的功率进行预测。目的在于提供一种磨矿过程磨机功率在线软测量方法，该方法是训练好的POS-BP软测量模型用程序实现在计算机控制系统中，通过现场实时采集六个过程参数作为软测量模型的输入，而磨机功率作为输出，实现对磨机功率的在线估计。本案包括以下过程:将软测量模型用程序实现在计算机控制系统中，然后利用计算机采集磨矿过程的实时工艺数据，通过程序化的软测量模型计算磨机功率，最终实现磨机功率的在线监测;采用POS算法与BP神经网络结合，构建POS-BP网络磨矿过程软测量模型;根据训练好的POS-BP软测量模型用程序实现在计算机中，然后通过现场仪表采集磨矿过程的给矿矿量、给水量、磨音、返沙比、轴压、给矿矿石粒度，作为软测量模型的输入，计算出磨机功率的估计值，实现在线对磨机功率的测量，尤其是半自磨机的功率软测量。

有益效果

该方法可以实现在线对磨机功率的准确监测，从而能够减少磨机涨肚次数，提高磨机处理量以及磨矿粒度合格率，降低衬板和钢球损耗，提高矿山企业经济效益。具体效果如图2所示，该图为在实际生产过程中在某一天本发明对半自磨机功率在线软测量系统的预测结果和功率检测值的全天数据对比截图。

附图说明

图1磨矿过程磨机功率在线软测量系统的组成框图；

图2磨矿过程磨机功率在线软测量系统的预测结果和检测值对比照片示意图。

具体实施方式

下面结合附图所示实施例，对本发明作进一步详述。

软测量技术是选择与被估计变量相关的一组可测变量，构造某种以可测变量为输入、被估计变量为输出的数学模型，用计算机软件编程实现重要过程变量的估计。这个过程包括辅助变量的选择、数据的采集和处理、软测量模型的建立和在线校正。

首先，辅助变量的选择。辅助变量的选择一般是根据工艺机理分析(如物料、能量平衡关系)，在可测变量集中，初步选择所有与被估计变量有关的原始辅助变量，这些变量中部分可能是相关变量。在此基础上进行精选，确定最终的辅助变量个数。

其次，数据的采集和处理。要建立软测量模型，需要采集被估计变量和原始辅助变量的历史数据，数据的数量并非越多越好，要适当，并且要做一定的数据处理，对数据进行筛选、相关性分析、滤波、归一化等。训练数据的可靠性对于软测量的成功与否至关重要。然而，测量数据一般都不可避免地带有误差，有时甚至带有严重的过失误差。因此，输入数据的处理在软测量方法中占有十分重要的地位。

再次，软测量模型的建立。软测量模型是研究者在深入理解过程机理的基础上，开发出的适用于估计的模型，它是软测量方法的核心，通常有基于过程机理建模和基于过程数据建模的方法。

最后，软测量模型的在线校正。由于磨矿过程的滞后性、强耦合、扰动剧烈、非线性及磨矿工艺过程复杂其数学模型难以准确表达，必须考虑模型的在线校正。软测量模型的在线校正可以表示为模型结构和模型参数的优化过程，具体方法有自适应法、增量法和多时标法。由于模型结构的修正需要大量的样本数据和较长的时间，在线进行有实时性比较困难，因此提出了短期学习和长期学习相结合的思想。短期校正只对模型的某些参数进行调整，甚至不调整参数，只通过一些修正算法计算出修正量，直接对输出进行补偿。因此它的校正速度快，适于模型的在线实时校正。长期校正适于模型工作较长时间后，工况和环境干扰有较大改变，模型失配比较严重，短期校正无法满足校正精度的情况。此时往往需要大量新数据对模型进行重新训练以确定新结构及参数。磨矿过程磨机功率在线软测量系统，首先根据磨矿工艺过程，找到对磨矿浓度有直接影响的六个过程参量，它们分别是给矿矿量、给水量、磨音、返沙比、轴压、给矿矿石粒度，然后利用软测量技术建立磨机功率软测量模型。其中软测量模型的核心是以神经网络与粒子群算法相结合构成的POS-BP网络，将训练好的POS-BP软测量模型用程序实现在计算机控制系统中，通过现场实时采集六个过程参数作为软测量模型的输入，而磨机功率作为输出，实现对磨机功率的在线估计。

图1中包括给矿量、给水量、加球和衬板更换的控制;GA-BP软测量模型;样本训练;磨机功率计算。

Claims (2)

1.一种磨矿过程磨机功率在线软测量方法，其特征在于，采用POS算法与BP神经网络结合构建POS-BP网络磨矿过程软测量模型，然后通过现场仪表采集磨矿过程的内部和外部参数作为软测量模型的输入，计算出磨机功率的估计值，实现在线对磨机功率的测量，尤其是半自磨机的功率软测量。

2.根据权利要求1所述的磨矿过程的内部和外部参数作为软测量模型的输入，其特征是：将磨机内部（磨机的内部尺寸、衬板参数）和外部因素（磨机的给矿量、给水量、返沙比、轴压、给矿粒度）相结合，并经过kalman数据滤波对采集数据进行数据处理，将处理后数据传递给软测量包的输入。