CN112547293B - 一种棒磨机负荷智能控制的方法 - Google Patents

Abstract

本发明公开了一种棒磨机负荷智能控制的方法，包括：步骤1、根据磨矿历史数据计算出棒磨机磨矿流程中各个状态参数与棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数为状态变量集合；步骤2、通过在线阶跃改变棒磨机给矿量，并记录步骤1选定的状态变量对应发生变化时的延时参数；步骤3、对磨矿历史数据聚类分析，得出棒磨机工作状态等级；步骤4、计算磨矿实时数据与棒磨机工作状态等级内状态变量之间的相似度，确定棒磨机的当前负荷；步骤5、根据当前负荷，计算出棒磨机在当前负荷下的控制参数来控制棒磨机。该方法能够实现在线实时检测棒磨机的工作状态，并通过将操作参数闭环，可以有效降低棒磨机磨矿生产过程中工作状态的波动。

Description

一种棒磨机负荷智能控制的方法

技术领域

本发明涉及选矿用机械控制领域，尤其涉及一种棒磨机负荷智能控制的方法。

背景技术

选矿生产过程中，通常需要将大块的矿石破碎成可以解离的微小颗粒，这就需要使用磨矿设备，棒磨机就是其中的一种。

棒磨机磨矿生产作为选别的前序流程，其稳定性对于稳定整个生产流程，提高工艺指标具有重要的影响。

但目前的棒磨机生产控制中，棒磨机下矿皮带和给矿量大小需要操作人员手动控制，在棒磨机负荷变化时无法做出及时调整，使得棒磨机并不能工作在最佳状态。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种棒磨机负荷智能控制的方法，能解决现有棒磨机下矿皮带和给矿量大小均为操作人员手动控制，无法在棒磨机负荷变化时及时调整，不能保证棒磨机始终工作在最佳状态的问题。

本发明的目的是通过以下技术方案实现的：

本发明实施方式提供一种棒磨机负荷智能控制的方法，包括：

步骤1、获取棒磨机的磨矿历史数据，根据所述磨矿历史数据计算得出磨矿流程中所述棒磨机的各个状态参数与所述棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量；

步骤2、通过阶跃改变所述棒磨机的给矿量进行在线测试，并记录所述步骤1选定的一组状态变量对应发生变化时的延时参数，用所述延时参数对所述状态变量对应的磨矿历史数据进行时间对齐，得到时间对齐后的磨矿历史数据；

步骤3、通过对时间对齐后的所述磨矿历史数据进行聚类分析，将所述棒磨机的工作状态分成不同的工作状态等级；

步骤4、检测获取所述棒磨机的磨矿实时数据，计算所述磨矿实时数据对应的状态变量与已确定的所述棒磨机的各工作状态等级内状态变量之间的相似度，确定所述棒磨机的当前负荷；

步骤5、根据确定的所述棒磨机的当前负荷，计算得出所述棒磨机在当前负荷下的控制参数，并用得出的所述控制参数控制所述棒磨机。

由上述本发明提供的技术方案可以看出，本发明实施例提供的棒磨机负荷智能控制的方法，其有益效果为：

通过在线测试实时检测棒磨机的工作状态，提高了判断的时效性，降低操作人员的劳动强度；通过将控制参数闭环，有效降低了棒磨机磨矿生产过程中工作状态的波动，降低了系统关键参数波动5％以上。该方法能够实现棒磨机磨矿过程中负荷的智能检测，从而及时调整控制参数，确保生产流程和设备高效、稳定的运行。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的棒磨机负荷智能控制的方法的流程示意图；

图2为本发明实施例提供的棒磨机负荷智能控制的方法的控制效果示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

如图1所示，本发明实施例提供一种棒磨机负荷智能控制的方法，包括：

步骤1、获取棒磨机的磨矿历史数据，根据所述磨矿历史数据计算得出磨矿流程中所述棒磨机的各个状态参数与所述棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量集合；

步骤2、通过阶跃改变所述棒磨机的给矿量进行在线测试，并记录所述步骤1选定的一组状态变量集合对应发生变化时的延时参数，用所述延时参数对所述状态变量集合对应的磨矿历史数据进行时间对齐，得到时间对齐后的磨矿历史数据；

步骤3、通过对时间对齐后的所述磨矿历史数据进行聚类分析，将所述棒磨机的工作状态分成不同的工作状态等级；

步骤4、检测获取所述棒磨机的磨矿实时数据，计算所述磨矿实时数据对应的状态变量与已确定的所述棒磨机的各工作状态等级内的状态变量之间的相似度，确定所述棒磨机的当前负荷；

步骤5、根据确定的所述棒磨机的当前负荷，计算得出所述棒磨机在当前负荷下的控制参数，并用得出的所述控制参数控制所述棒磨机。

上述方法的步骤1中，获取棒磨机的磨矿历史数据为：获取棒磨机生产流程最近1～3 个月的磨矿历史数据；

所述根据所述磨矿历史数据计算得出磨矿流程中所述棒磨机的各个状态参数与所述棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量集合F：

F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n} (1)；

按以下公式(2)分别在不同的时间尺度上计算各个状态参数之间的相关系数ρ_x,y：

所述式(2)中，X、Y为状态参数，为棒磨机电流、电耳测量值、棒磨机轴承压力、棒磨机返砂量、分级溢流流量、分级溢流浓度、分级泵池液位中的任意两个；N为状态参数的数据组数；优选的，X、Y为状态参数为各状态参数(棒磨机电流、电耳测量值、棒磨机轴承压力、棒磨机返砂量、分级溢流流量、分级溢流浓度、分级泵池液位)中全部的两两组合；即计算时按两两组合全部进行计算得出各相关系数；

选定相关系数大于0.6的一组状态参数A₁～A_n作为状态变量集合。

上述方法的步骤1中，不同的时间尺度为：5S、10S、30S、60S、180S、300S；

通过不同的时间尺度从所述磨矿历史数据的各个状态参数中得到不同长度的数据提取其统计特征。即按上述时间尺度从各状态参数的磨矿历史数据中滑动提取不同时长的值进行相关系数的计算，直至获取的磨矿历史数据计算完。

上述方法的步骤2中，阶跃改变棒磨机的给矿量为不小于10％，记录所述步骤1中选定的一组状态变量对应发生变化时的延时参数为t₁～t_n。

上述方法的步骤3中，通过对时间对齐后的所述磨矿历史数据进行聚类分析，将所述棒磨机的工作状态分成不同的工作状态等级为：

步骤31，在历史数据中随机选择K个初始质心，设定每一个质心为一个等级；

步骤32，将每个时间点的所有状态变量的值的集合称为一个观测，用下述公式(3)计算每个观测到质心之间的距离：

所述式(3)中，X₁～X_n为质心处所选择的状态变量的值，Y₁～Y_n为观测所选择的状态变量的值，N为状态变量的数据组数，ω₁～ω_n为权重，根据各个状态变量的相关系数选取， q为指数，取正整数，计算时可以根据实际的分类结果调整q的取值；

将每个观测指派到离它最近的质心，并与质心形成一个新等级；

步骤33，以平均向量重新计算每个等级的质心；

步骤34，重复步骤32和步骤33，直到质心不再发生变化，由此得到p个不同的工作状态等级C₁～C_p，其中，

C＝(F,J) (4)；

所述式(4)中，F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n}为所述步骤1中选定的一组状态变量集合；J＝{j₁,j₂,j₃}为磨矿过程的操作变量集合，所述操作变量集合中的操作变量为给矿量、给水量和棒磨机负荷，对各个工作状态等级下的棒磨机负荷进行标记。

上述方法的步骤4中，计算所述磨矿实时数据对应的状态变量与已确定的所述棒磨机的各工作状态等级内的状态变量之间的相似度，确定所述棒磨机的当前负荷为：

通过下述公式(5)计算所述磨矿实时数据对应的每个状态变量与所述棒磨机的各工作状态等级内状态变量之间的相似度SIM(f_i,f_i,k)，

所述公式(5)中，f_i为所述磨矿实时数据对应的状态变量；f_i,k为棒磨机的各工作状态等级内的状态变量；

按相似度最高的等级确定为当前棒磨机的负荷状态。

上述方法的步骤5中，根据确定的所述棒磨机的当前负荷，计算得出所述棒磨机在当前负荷下的控制参数为：

通过下述公式(6)按相似度最高等级的三组状态变量和操作变量计算得到当前负荷下棒磨机的控制参数J，为：

所述式(6)中，J＝{j₁,j₂,j₃}为计算得到的磨矿过程的操作变量集合； J_k＝{j_1,k,j_2,k,j_3,k}为通过相似度检索得到的三组操作变量集合中的一组； F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n}为所述磨矿实时数据对应的状态变量集合； F_k＝{f_1,k,f_2,k,f_3,k,f_4,k,f_5,k,f_6,k,f_7,k,f_8,k,…,f_n,k}为通过相似度检索得到的三组状态变量集合中的一组。

下面将结合附图对本发明实施例作进一步地详细描述。

图1所示为本发明实施例的棒磨机负荷智能控制方法的流程图，该方法包括：

步骤1、首先通过对棒磨机的磨矿历史数据分析，计算磨矿流程中各个状态参数与棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量集合F：

F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n} (1)；

具体的，在该步骤1中，根据实际控制需要，收集棒磨机生产流程近1～3个月的磨矿历史数据用于计算；

利用磨矿历史数据，分别以(5S、10S、30S、60S、180S、300S)为周期，对磨矿历史数据的各个状态参数进行取样，求出均值，并通过以下公式(2)计算各个状态参数之间的相关系数：

所述式(2)中，X,Y为状态参数，为棒磨机电流、电耳测量值、棒磨机轴承压力、棒磨机返砂量、分级溢流流量、分级溢流浓度、分级泵池液位中的任意两个，即将这些状态参数两两组合进行相关系数计算，直至计算完全部状态参数；N为状态参数的数据组数；

按相关系数大小排序，选定大于0.6的一组状态参数A₁～A_n作为状态变量集合。

步骤2、通过阶跃响应改变棒磨机的给矿量进行在线测试，确定状态变量集合中的各个状态变量相对工况变化的延时参数，利用延时参数对各个状态变量对应的磨矿历史数据进行时间对齐，得到时间对齐后的磨矿历史数据；

具体的，在该步骤2中，阶跃响应中，阶跃改变棒磨机给矿量为10％以上，并记录步骤1中选择各个状态变量发生变化时的延时参数t₁～t_n；

步骤3、通过对时间对齐后的磨矿历史数据进行聚类分析，将棒磨机工作状态分成不同的工作状态等级；

具体的，该步骤3中的具体处理方式如下：

步骤31，先随机选择K个初始质心，每一个质心为一个等级；

步骤32，计算每个观测量到质心之间的距离，计算公式为：

所述式(3)中，x,y为变量，N为状态变量的数据组数，ω₁～ω_n为权重，q为指数；

将每个观测指派到离它最近的质心，并与质心形成一个新的等级；

步骤33，重新计算每个等级的质心(平均向量)；

步骤34，重复步骤32和步骤33，直到质心不在发生变化，由此得到p个不同的工作状态等级C₁～C_p，其中；

C＝(F,J) (4)；

所述式(4)中，F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n}为所述步骤1中选定的一组状态变量集合；J＝{j₁,j₂,j₃}为磨矿过程的操作变量集合，所述操作变量集合中的操作变量为给矿量、给水量和棒磨机负荷；

步骤4、计算检测得到的实时磨矿数据与不同工作状态等级内状态参数之间的相似度，确定棒磨机的当前负荷；

具体的，在该步骤4中，按公式(5)计算实时磨矿数据与各个工作状态等级内的状态变量之间的相似度SIM(f_i,f_i,k)，具体为：

所述公式(5)中，f_i为所述磨矿实时数据对应的状态变量；f_i,k为棒磨机的各工作状态等级内的状态变量；按相似度最高的等级确定为当前棒磨机的负荷状态；

步骤5、计算出棒磨机在当前负荷状态下的控制参数，用得到的控制参数对棒磨机进行控制。

具体的，在该步骤5中，取步骤4中相似度最高的三组状态变量和操作变量，按以下公式(6)计算得到当前负荷下棒磨机的控制参数：

所述式(6)中，J＝{j₁,j₂,j₃}为计算得到的磨矿过程的操作变量集合； J_k＝{j_1,k,j_2,k,j_3,k}为通过相似度检索得到的三组操作变量集合中的一组； F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,…,f_n}为所述磨矿实时数据对应的状态变量集合； F_k＝{f_1,k,f_2,k,f_3,k,f_4,k,f_5,k,f_6,k,f_7,k,f_8,k,…,f_n,k}为通过相似度检索得到的三组状态变量集合中的一组；

得到控制参数后，操作人员或者自动化控制系统可通过这些控制参数控制棒磨机的磨矿生产过程，保证生产过程的稳定和高效。

以图2所示的本发明实施例的方法对棒磨机负荷生产控制的效果示意图，可以看出，使用本发明的方法控制后，磨矿过程产品的关键指标(旋流器溢流)粒度波动明显减小；长时间统计数据表明，使用本发明的方法控制棒磨机负荷后，棒磨机各类运行参数的波动均减少5％以上。

综上所述，本发明实施例的方法至少具有以下优点：

(1)通过在线实时检测棒磨机的工作状态，提高了判断的时效性，降低操作人员的劳动强度；

(2)通过将控制参数闭环，有效降低了棒磨机磨矿生产过程中工作状态的波动，降低了系统关键参数波动5％以上。

需要说明的是，本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

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披露的技术范围内，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。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (2)

1.一种棒磨机负荷智能控制的方法，其特征在于，包括：

步骤1、获取棒磨机的磨矿历史数据，根据所述磨矿历史数据计算得出磨矿流程中所述棒磨机的各个状态参数与所述棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量集合；所述获取棒磨机的磨矿历史数据为：获取棒磨机生产流程最近1～3个月的磨矿历史数据；

根据所述磨矿历史数据计算得出磨矿流程中所述棒磨机的各个状态参数与所述棒磨机负荷变化的相关系数，选定相关系数最大的一组状态参数作为状态变量集合F：

F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,···,f_n} (1)；

按以下公式(2)分别在不同的时间尺度上计算各个状态参数之间的相关系数ρ_x,y：

所述式(2)中，X、Y为状态参数，为棒磨机电流、电耳测量值、棒磨机轴承压力、棒磨机返砂量、分级溢流流量、分级溢流浓度、分级泵池液位中的任意两个；N为状态参数的数据组数；

选定相关系数大于0.6的一组状态参数A₁～A_n作为状态变量集合；

步骤2、通过阶跃改变所述棒磨机的给矿量进行在线测试，并记录所述步骤1选定的一组状态变量集合对应发生变化时的延时参数，用所述延时参数对所述状态变量集合对应的磨矿历史数据进行时间对齐，得到时间对齐后的磨矿历史数据；所述阶跃改变棒磨机的给矿量为不小于10％，记录所述步骤1中选定的一组状态变量对应发生变化时的延时参数为t₁～t_n；

步骤3、通过对时间对齐后的所述磨矿历史数据进行聚类分析，将所述棒磨机的工作状态分成不同的工作状态等级，具体为：

步骤31，在历史数据中随机选择K个初始质心，设定每一个质心为一个等级；

步骤32，将每个时间点的所有状态变量的值的集合称为一个观测，用下述公式(3)计算每个观测到质心之间的距离：

所述式(3)中，X₁～X_n为质心处所选择的状态变量的值，Y₁～Y_n为观测所选择的状态变量的值，N为状态变量的数据组数，ω₁～ω_n为权重，根据各个状态变量的相关系数选取，q为指数，取正整数，计算时根据实际的分类结果调整q的取值；

将每个观测指派到离它最近的质心，并与质心形成一个新等级；

步骤33，以平均向量重新计算每个等级的质心；

步骤34，重复步骤32和步骤33，直到质心不再发生变化，由此得到p个不同的工作状态等级C₁～C_p，其中，

C＝(F,J) (4)；

所述式(4)中，F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,···,f_n}为所述步骤1中选定的一组状态变量集合；J＝{j₁,j₂,j₃}为磨矿过程的操作变量集合，所述操作变量集合中的操作变量为给矿量、给水量和棒磨机负荷

步骤4、检测获取所述棒磨机的磨矿实时数据，计算所述磨矿实时数据对应的状态变量与已确定的所述棒磨机的各工作状态等级内的状态变量之间的相似度，确定所述棒磨机的当前负荷，具体为：通过下述公式(5)计算所述磨矿实时数据对应的每个状态变量与所述棒磨机的各工作状态等级内状态变量之间的相似度SIM(f_i,f_i,k)，

所述公式(5)中，f_i为所述磨矿实时数据对应的状态变量；f_i,k为棒磨机的各工作状态等级内的状态变量；

按相似度最高的等级确定为当前棒磨机的负荷状态；

步骤5、根据确定的所述棒磨机的当前负荷，计算得出所述棒磨机在当前负荷下的控制参数，并用得出的所述控制参数控制所述棒磨机，具体为：通过下述公式(6)按相似度最高等级的三组状态变量和操作变量计算得到当前负荷下棒磨机的控制参数J，为：

所述式(6)中，J＝{j₁,j₂,j₃}为计算得到的磨矿过程的操作变量集合；J_k＝{j_1,k,j_2,k,j_3,k}为通过相似度检索得到的三组操作变量集合中的一组；F＝{f₁,f₂,f₃,f₄,f₅,f₆,f₇,f₈,···,f_n}为所述磨矿实时数据对应的状态变量集合；F_k＝{f_1,k,f_2,k,f_3,k,f_4,k,f_5,k,f_6,k,f_7,k,f_8,k,···,f_n,k}为通过相似度检索得到的三组状态变量集合中的一组。

2.根据权利要求1所述的棒磨机负荷智能控制的方法，其特征在于，所述步骤1中，不同的时间尺度为：5S、10S、30S、60S、180S、300S；

通过不同的时间尺度从所述磨矿历史数据的各个状态参数中得到不同长度的数据提取其统计特征。

Images