CN115128950B - 破碎筛分控制方法、装置、电子设备及存储介质 - Google Patents
破碎筛分控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115128950B CN115128950B CN202210684022.9A CN202210684022A CN115128950B CN 115128950 B CN115128950 B CN 115128950B CN 202210684022 A CN202210684022 A CN 202210684022A CN 115128950 B CN115128950 B CN 115128950B
- Authority
- CN
- China
- Prior art keywords
- screening
- case
- crusher
- crushing
- feeding frequency
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Abstract
本申请实施例提供了一种破碎筛分控制方法、装置、电子设备及存储介质,其中方法包括:当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算新案例描述与各历史案例的历史案例描述之间的总体相似度;选取前m个总体相似度对应的m个历史案例作为新案例的m个参考案例;根据m个参考案例对应的总体相似度和参考案例解计算预测案例解;通过破碎机给矿频率补偿模型、筛分给矿频率补偿模型确定最终破碎机给矿频率增量、最终筛分给矿频率增量;根据最终的破碎机给矿频率增量和筛分给矿频率增量、上一时刻的破碎机给矿频率设定值和筛分给矿频率设定值对破碎机进行给矿控制。这样,提高破碎筛分自动优化控制效果。
Description
技术领域
本申请涉及工艺过程数据协同计算技术领域,尤其涉及一种破碎筛分控制方法、装置、电子设备及存储介质。
背景技术
现有技术中,常规破碎流程为两段一闭路破碎流程。目前碎矿过程自动化控制中主要以过程协同优化控制为主,即破碎自动化控制系统利用检测设备对破碎机油温、油压进行检测,实现排矿口尺寸最小、给矿量最大的自动控制,实现对破碎机安全状态的分析和报警,其主要是实现破碎机和振动筛的单元自动控制。但是由于破碎筛分存在检查分级闭路,如果破碎效果不好或者筛分效率变差,则会导致中间循环量过大,实际进入下一个生产流程的矿量变少,影响生产稳定。如何实现破碎机和筛分设备的全自动优化控制成为亟需解决的技术问题。
发明内容
为了解决上述技术问题,本申请实施例提供了一种破碎筛分控制方法、装置、电子设备及存储介质。
第一方面,本申请实施例提供了一种破碎筛分控制方法,所述方法包括:
通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化;
当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度;
将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例;
根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量;
通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量;
根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制。
第二方面,本申请实施例提供了一种破碎筛分控制装置,所述破碎筛分控制装置包括:
判断模块,用于通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化;
第一计算模块,用于当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度;
选取模块,用于将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例;
第二计算模块,用于根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量;
确定模块,用于通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量;
控制模块,用于根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制。
第三方面,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的破碎筛分控制方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的破碎筛分控制方法。
上述本申请提供的破碎筛分控制方法、装置、电子设备及存储介质,能够实现破碎机破碎效果及筛分效率软测量,对破碎机和筛分设备给矿量实现优化控制,进而实现破碎筛分流程的协同优化,实现流程平衡。针对破碎机给矿不均匀,矿石性质多变无法检测,提出破碎效果和筛分效率评价模型,该破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型,能够给出当前破碎效果及筛分效率,很好的解决破碎过程关键参数未知的问题。此外,针对破碎筛分流程工业特点,本实施例也可以很好的实现破碎筛分流程的平衡稳定,并基于破碎筛分协同优化给出合理的破碎机给矿量设定值、筛分设备的给矿量设定值,提高破碎机和筛分设备的全自动优化控制效果。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的破碎筛分控制方法的一流程示意图;
图2示出了本申请实施例提供的破碎筛分控制方法的另一流程示意图;
图3示出了本申请实施例提供的破碎筛分系统的一结构示意图;
图4示出了本申请实施例提供的破碎效果示意图;
图5示出了本申请实施例提供的筛分效率示意图;
图6A示出了本申请实施例提供的一生产实例的中碎机功率曲线示意图;
图6B示出了本申请实施例提供的一生产实例的中碎仓料位曲线示意图;
图6C示出了本申请实施例提供的一生产实例的中碎给料机频率优化设定值曲线示意图;
图6D示出了本申请实施例提供的一生产实例的细碎机1功率曲线示意图;
图6E示出了本申请实施例提供的一生产实例的细碎仓料位1料位曲线示意图;
图6F示出了本申请实施例提供的一生产实例的细碎给料机频率优化设定值曲线示意图;
图6G示出了本申请实施例提供的一生产实例的5号皮带矿量曲线示意图;
图6H示出了本申请实施例提供的一生产实例的筛分总频率设定值曲线示意图;
图6I示出了本申请实施例提供的一生产实例的细碎机3功率曲线示意图;
图6J示出了本申请实施例提供的一生产实例的细碎仓给料机3料位线示意图;
图6K示出了本申请实施例提供的一生产实例的细碎给料机3频率优化设定值曲线示意图;
图7示出了本申请实施例提供的破碎筛分控制装置的一结构示意图。
图标:201-中碎机仓;202-第一细碎机仓;203-第二细碎机仓;204-第三细碎机仓;205-第一筛分机仓;206-第二筛分机仓;207-第三筛分机仓;208-第四筛分机仓;209-第五筛分机仓;700-破碎筛分控制装置;701-判断模块;702-第一计算模块;703-选取模块;704-第二计算模块;705-确定模块;706-控制模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
本公开实施例提供了一种破碎筛分控制方法。
具体的,参见图1,破碎筛分控制方法包括:
步骤S101,通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化。
在本实施例中,开展流程考察,获取破碎筛分流程中的生产数据,分析确定实时检测破碎机破碎效果及筛分效率的意义。示范性的,可以收集生产过程的实时数据,建立破碎机功率、破碎机工作状态、破碎机给矿频率、破碎机缓冲矿仓料位、筛分给矿频率、筛分缓冲矿仓料位、破碎机处理量、筛分筛上量、筛分筛下量等9个生成参数,构建参数历史数据库。
在破碎筛分过程一般有多台破碎机和振动筛,每个破碎机和振动筛对应一个矿仓。具体的实时参数包括:
破碎机功率:
破碎机工作状态:
破碎机给矿频率:
破碎机缓冲矿仓料位:
筛分给矿频率:
筛分缓冲矿仓料位:
其中,为破碎机台数,为筛分设备台数。
具体的,具体的,参见图2,破碎筛分系统包括中碎仓201、第一细碎仓202、第二细碎仓203、第三细碎仓204,第一筛分仓205,第二筛分仓206,第三筛分仓207,第四筛分仓208,第五筛分仓209。该生产实施例中有1台中碎机,3台细碎机,每台破碎机对应一个破碎矿仓,5台振动筛,每个振动筛对应一个筛分仓。对于图2所示的生产实施系统中,则具体的实时参数包括:
破碎机功率:
破碎机工作状态:
破碎机给矿频率:
破碎机缓冲矿仓料位:
筛分给矿频率:
筛分缓冲矿仓料位:
请参阅表1,表1所示实时参数部分数据示例表。
在本实施例中,所述破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型。示范性的,按照工艺设计,跟踪破碎筛分生产过程,因为单纯的考虑筛分效率对生产调整比较局限,需要综合考虑“破碎效果以及筛分效率”,并定义为一个破碎效果指标,记为,定义筛分效率指标,记为。具体的,按照如下公式构建破碎效果值对应的破碎效果状态:
通过设置状态控制限、将OE分为3种状态,表示破碎效果下状态限、表示破碎效果上状态限,表示破碎效果值。
具体的,按照如下公式构建筛分效率值对应的破碎效果状态:
通过设置状态控制限,将OF分为3种状态,表示筛分效率下状态限,表示筛分效率上状态限,表示筛分效率值。
在本实施例中,构建破碎效果模型包括以下步骤:
获取破碎效果关键参数,对所述破碎效果关键参数进行归一化处理,得到归一化破碎效果关键参数;
根据所述破碎效果关键参数确定破碎效果模型结构,根据所述归一化破碎效果关键参数计算所述破碎效果模型结构的第一模型参数,根据所述第一模型参数和所述破碎效果模型结构确定所述破碎效果模型。
具体的,可以按照如下步骤构建破碎效果模型:
分析破碎筛分生产运行数据,总结能够反馈破碎效果的关键参数,即确定破碎效果关键参数,在本实施例方式中,破碎效果关键参数主要有破碎机给矿频率、破碎机功率、破碎机工作状态、破碎机处理量、筛分筛上量、筛分筛下量等。
数据归一化处理,考虑到破碎效果关键参数, 的数量级不统一,利用归一化公式,将各个参数归一化到[0,1]区间,其中, 原本就是属于[0,1]区间所以无需处理。
具体公式如下:
其中, 为矿量归一化后的数值,为统计最小值,为统计最大值。为破碎机处理量归一化后的数值,为筛分筛上量归一化后的数值,为筛分筛下量归一化后的数值。
其中:为破碎机工作状态归一化处理后数值,为工作状态最小值,为工作状态最大值。
其中:为破碎机功率归一化处理后数值,为开机后破碎机空转功率,为破碎机功率设定上限。
按照如下公式确定模型结构。
按照如下公式求解并确定模型参数。
其中,为常数系数。
在本实施例中,所述筛分效率模型的构建的步骤,包括:
获取筛分效率关键参数,根据所述筛分效率关键参数确定筛分效率模型结构;
根据所述筛分效率关键参数求解所述筛分效率模型结构的第二模型参数,根据所述第二模型参数和所述筛分效率模型结构确定所述筛分效率模型。
具体的,可以按照如下步骤构建筛分效率模型:
分析破碎筛分生产运行数据,总结能够反馈筛分效率的关键参数,即获取筛分效率关键参数,筛分效率关键参数主要有筛分给矿频率、筛分缓冲矿仓料位、筛分筛上量、筛分筛下量等。
按照如下公式确定筛分效率模型结构:
通过多项式求解,确定筛分效率模型。
其中,为常数系数。
在本实施例中,所述通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化的步骤,包括:
分别记录所述破碎效果模型的破碎效果实时计算值、所述筛分效率模型的筛分效率实时计算值;
分别根据所述破碎效果实时计算值、所述筛分效率实时计算值确定破碎效果下状态限、破碎效果上状态限、筛分效率下状态限和筛分效率上状态限;
根据所述破碎效果下状态限、所述破碎效果上状态限、所述筛分效率下状态限和所述筛分效率上状态限判断破碎效果状态和筛分效率状态是否发生变化。
具体的,记录破碎效果模型的实时计算值,筛分效率模型的实时计算值,根据破碎效果模型、筛分效率模型的统计分布情况,分别确定得到状态控制限。若上一时刻破碎效果状态和当前时刻破碎效果状态不相同,则确定破碎效果状态发生变化;若上一时刻筛分效率状态和当前时刻筛分效率状态不相同,则确定筛分效率状态发生变化。
在本实施例中,以中碎机为例,图3为中碎机破碎效果示意图,图3的中碎机的破碎效果是持续变化的。图4为筛分效率实时效果示意图,图4中筛分效率是实时变化的。
步骤S102,当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度。
在本实施例中,破碎筛分协同优化控制案例库的构建的步骤,包括:
根据破碎筛分流程历史生产数据构建所述破碎筛分协同优化控制案例库,其中,所述破碎筛分协同优化控制案例库包括多个历史案例,各所述历史案例包括历史案例描述和历史案例解,所述历史案例描述包括多个历史案例描述特征,所述历史案例解包括历史破碎机给矿频率增量和筛分给矿频率增量。
具体的,分析破碎效果和筛分效率相关参数,建立破碎筛分协同优化控制案例库,步骤如下:
结合生产实际,记录破碎效果及筛分效率改变后的控制操作等。
确定破碎机给矿频率专家经验模型,总结专家生产经验,构建破碎筛分协同优化控制案例库,设破碎效果、筛分效率、筛分筛上量、筛分筛下量、筛分给矿频率、破碎机给矿频率、破碎机功率、破碎机处理量、筛分缓冲矿仓料位为案例描述,设破碎机给矿频率增量、筛分给矿频率增量为案例解,案例描述与案例解构成案例;
其中,C表示案例库,表示案例描述,表示案例解。
在本实施例中,所述新案例描述包括多个新案例描述特征,各所述历史案例描述包括多个历史案例描述特征。具体的,新案例描述包括对应的案例描述特征,各所述历史案例描述对应包括的历史案例描述特征。
具体的,当破碎效果、筛分效率发生状态变化时,将破碎效果、筛分效率、筛分筛上量、筛分筛下量、筛分给矿频率、破碎机给矿频率、破碎机功率、破碎机处理量、筛分缓冲矿仓料位为作为新的案例描述,在案例库中进行案例检索,得到新案例的案例描述与案例库中记载的各历史案例的案例描述之间的一组相似度值;
按照如下公式定义新案例:
其中,表示新案例,表示新案例描述,表示新安利的预测案例解。
参见图5,在确定新案例描述后,可以进行如下流程:步骤S501,确定当前案例,具体的,将新案例确定为当前案例。步骤S502,案例检索。具体的,根据当前案例从案例库中进行案件检索。步骤S503,案例重用。具体的,将检索到的历史案例进行案例重用。步骤S504,输出。具体的,基于破碎机给矿频率补偿模对案例重用中得到的案例解进行补偿,得到最终碎机给矿频率增量,基于筛分给矿频率补偿模型案例重用中的案例解进行补偿,得到最终筛分给矿频率增量, 输出破碎机给矿频率设定值和筛分给矿频率设定值至破碎筛分控制系统进行给矿控制。步骤S505,效果评价。具体的,对破碎效果和筛分效率进行评价。步骤S506,将案例存入案例库。具体的,将评价结果比较好的案例放入案例库中。
在本实施例中,所述分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度的步骤,包括:
分别计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度;
根据各所述历史案例描述对应的所有案例描述特征相似度计算所述新案例描述与各所述历史案例描述之间的总体相似度。
具体的,所述分别计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度的步骤,包括:
按照以下公式计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度:
其中,i表示新案例描述特征的数量,k为常数,表示所述新案例描述中的第个案例描述特征,表示所述破碎筛分协同优化控制案例库中第个案例的第案例描述特征,表示所述新案例描述中的第个案例描述特征与所述第个案例的第案例描述特征之间的案例描述特征相似度。
具体的,所述根据各所述历史案例描述对应的所有案例描述特征相似度计算所述新案例描述与各所述历史案例描述之间的总体相似度的步骤,包括:
按照以下公式计算所述新案例描述与各所述历史案例描述之间的总体相似度:
其中,表示特征属性权值,表示新案例的案例描述,表示所述破碎筛分协同优化控制案例库中第个案例的案例描述,表示所述新案例的案例描述与所述第个案例的案例描述之间的总体相似度。其中,表示特征属性权值根据层次分析法(AHP)进行计算确定。
在本实施例中,计算新案例与所有历史案例的总体相似度,并保存各总体相似度。
步骤S103,将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例。
在本实施例中,将总体相似度从大到小排列,选取前个总体相似度对应的案例库中的历史案例作为当前新案例的参考案例;m为一个较小的常数。举例来说,m可以为2,m可以为3,在此不做限制。
步骤S104,根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量。
在本实施例中,步骤S104包括:
按照以下公式计算所述新案例的预测案例解;
其中,为m个案例中的第个案例的案例描述特征,为m个案例中的第个案例的案例解。
具体的,案例重用获得新案例的解,当面临新案例时,通过案例检索从案例库得到与新案例相似的m个参考案例,举例来说m个案例为,得到的案例解为,按照如下公式通过案例重用得到新案例的预测案例解。
其中, 为3个参考案例中的第个案例的案例描述特征,为3个案例中的第个案例的案例解。
步骤S105,通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量。
具体的,现场跟踪,根据历史数据分析,建立破碎机给矿频率补偿模,建立筛分给矿频率补偿模型。
对于新案例通过前述过程求解出预测案例解为,由于破碎机工作状态的影响因素很多,基于破碎效果和筛分效率对案例解进行补偿,破碎机给矿频率补偿模型如下:
筛分给矿频率补偿模型如下:
其中,为新案例的预测案例解中的破碎机给矿频率增量,为新案例的预测案例求出的筛分给矿频率增量,、、、为模型系数。为最终破碎机给矿频率增量,为最终筛分给矿频率增量,S表示破碎机工作状态。
在本实施例中,所述通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量的步骤,包括:
按照以下公式计算所述最终破碎机给矿频率增量:
其中,表示所述最终破碎机给矿频率增量,表示新案例的预测案例解中的破碎机给矿频率增量,表示破碎效果指标,表示破碎效果下状态限,S表示破碎机工作状态,和表示模型系数。
所述通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量的步骤,包括:
按照以下公式计算所述最终筛分给矿频率增量:
其中,表示最终筛分给矿频率增量,表示新案例的预测案例解中的所述筛分给矿频率增量,表示筛分效率指标,表示筛分效率下状态限,表示归一化筛分筛上量,表示归一化筛分筛下量,和表示模型系数。
步骤S106,根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制。
在本实施例中,确定破碎机给矿频率设定值和筛分给矿频率设定值,并输出到控制系统,实现破碎机给矿控制。
可以按照如下公式确定破碎机给矿频率设定值:
可以按照如下公式确定筛分给矿频率设定值:
其中,为上一时刻破碎机给矿频率设定值,为上一时刻筛分给矿频率设定值,表示最终筛分给矿频率增量,表示最终破碎机给矿频率增量,表示破碎机给矿频率设定值,表示筛分给矿频率设定值。
在本实施例中,确定破碎机给矿频率设定值和筛分给矿频率设定值,并输出到控制系统,实现破碎机给矿控制,在线投用效果如图6A-图6K所示。图6A所示为一生产实例的中碎机功率曲线示意图,如图6A所示,中碎机功率的平均值为233.12。图6B所示为一生产实例的中碎仓料位曲线示意图,如图6B所示,中碎仓料位的平均值为2.49。图6C所示为一生产实例的中碎给料机频率优化设定值曲线示意图,如图6C所示,中碎仓皮带给料机频率优化设定 Avg:44.3 中碎仓皮带给料机频率设定的平均值为44.3。
图6D所示为一生产实例的细碎机1功率曲线示意图,如图6D所示,细碎机1功率的平均值为266.24。图6E所示为一生产实例的细碎仓料位1料位曲线示意图,如图6E所示,细碎仓料位1料位的平均值为0.83。图6F所示为一生产实例的细碎给料机频率优化设定值曲线示意图,如图6F所示,细碎给料机频率优化设定值的平均值为26.0。
图6G所示为一生产实例的5号皮带矿量曲线示意图,如图6G所示,5号皮带矿量的平均值为963.38。图6H所示为一生产实例的筛分总频率设定值曲线示意图,如图6H所示,筛分总频率设定值的平均值为60.34。图6I所示为一生产实例的细碎机3功率曲线示意图,如图6I所示,细碎机3功率的平均值为468.46。图6J所示为一生产实例的细碎仓给料机3料位线示意图,如图6J所示,细碎仓给料机3料位的平均值为0.72。图6K所示为一生产实例的细碎给料机3频率优化设定值曲线示意图,如图6所示,细碎给料机3频率优化设定值的平均值为28.9。
本实施例提供的破碎筛分控制方法,能够实现破碎机破碎效果及筛分效率软测量,对破碎机和筛分设备给矿量实现优化控制,进而实现破碎筛分流程的协同优化,实现流程平衡。针对破碎机给矿不均匀,矿石性质多变无法检测,提出破碎效果和筛分效率评价模型,该破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型,能够给出当前破碎效果及筛分效率,很好的解决破碎过程关键参数未知的问题。此外,针对破碎筛分流程工业特点,本实施例也可以很好的实现破碎筛分流程的平衡稳定,并基于破碎筛分协同优化给出合理的破碎机给矿量设定值、筛分设备的给矿量设定值,提高破碎机和筛分设备的全自动优化控制效果。
实施例2
此外,本公开实施例提供了一种破碎筛分控制装置。
具体的,如图7所示,破碎筛分控制装置700包括:
判断模块701,用于通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化;
第一计算模块702,用于当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度;
选取模块703,用于将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例;
第二计算模块704,用于根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量;
确定模块705,用于通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量;
控制模块706,用于根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制。
在一实施方式中,所述新案例描述包括多个新案例描述特征,各所述历史案例描述包括多个历史案例描述特征;第一计算模块702,还用于分别计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度;
根据各所述历史案例描述对应的所有案例描述特征相似度计算所述新案例描述与各所述历史案例描述之间的总体相似度。
在一实施方式中,第一计算模块702,还用于按照以下公式计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度:
其中,i表示新案例描述特征的数量,k为常数,表示所述新案例描述中的第个案例描述特征,表示所述破碎筛分协同优化控制案例库中第个案例的第案例描述特征,表示所述新案例描述中的第个案例描述特征与所述第个案例的第案例描述特征之间的案例描述特征相似度。
在一实施方式中,第一计算模块702,还用于按照以下公式计算所述新案例描述与各所述历史案例描述之间的总体相似度:
其中,表示特征属性权值,表示新案例的案例描述,表示所述破碎筛分协同优化控制案例库中第个案例的案例描述,表示所述新案例的案例描述与所述第个案例的案例描述之间的总体相似度。
在一实施方式中,第二计算模块704,用于按照以下公式计算所述新案例的预测案例解;
其中,表示所述新案例的预测案例解,个参考案例的历史案例解。
在一实施方式中,确定模块705,还用于按照以下公式计算所述最终破碎机给矿频率增量:
其中,表示所述最终破碎机给矿频率增量,表示所述破碎机给矿频率增量,表示破碎效果指标,表示破碎效果下状态限,S表示破碎机工作状态,和表示模型系数;
按照以下公式计算所述最终筛分给矿频率增量:
其中,表示所述最终筛分给矿频率增量,表示所述筛分给矿频率增量,表示筛分效率指标,表示筛分效率下状态限,表示归一化筛分筛上量,表示归一化筛分筛下量,和表示模型系数。
在一实施方式中,所述破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型;判断模块701,还用于分别记录所述破碎效果模型的破碎效果实时计算值、所述筛分效率模型的筛分效率实时计算值;
分别根据所述破碎效果实时计算值、所述筛分效率实时计算值确定破碎效果下状态限、破碎效果上状态限、筛分效率下状态限和筛分效率上状态限;
根据所述破碎效果下状态限、所述破碎效果上状态限、所述筛分效率下状态限和所述筛分效率上状态限判断破碎效果状态和筛分效率状态是否发生变化。
本实施例提供的破碎筛分控制装置700可以实现实施例1所提供的破碎筛分控制方法,为避免重复,在此不再赘述。
本实施例提供的破碎筛分控制装置,能够实现破碎机破碎效果及筛分效率软测量,对破碎机和筛分设备给矿量实现优化控制,进而实现破碎筛分流程的协同优化,实现流程平衡。针对破碎机给矿不均匀,矿石性质多变无法检测,提出破碎效果和筛分效率评价模型,该破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型,能够给出当前破碎效果及筛分效率,很好的解决破碎过程关键参数未知的问题。此外,针对破碎筛分流程工业特点,本实施例也可以很好的实现破碎筛分流程的平衡稳定,并基于破碎筛分协同优化给出合理的破碎机给矿量设定值、筛分设备的给矿量设定值,提高破碎机和筛分设备的全自动优化控制效果。
实施例3
此外,本公开实施例提供了一种电子设备,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行上述方法实施例1所提供的破碎筛分控制方法。
本实施例提供的电子设备可以实现实施例1所示破碎筛分控制方法,为避免重复,在此不再赘述。
实施例4
本申请还提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行实施例1所提高的破碎筛分控制方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本实施例提计算机可读存储介质可以实现实施例1所提供的破碎筛分控制方法,为避免重复,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (8)
1.一种破碎筛分控制方法,其特征在于,所述方法包括:
通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化;
当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度;
将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例;
根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量;
通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量;
根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制;
所述通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量的步骤,包括:
按照以下公式计算所述最终破碎机给矿频率增量:
其中,表示所述最终破碎机给矿频率增量,表示所述破碎机给矿频率增量,表示破碎效果指标,表示破碎效果下状态限,S表示破碎机工作状态,和表示模型系数;
所述通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量的步骤,包括:
按照以下公式计算所述最终筛分给矿频率增量:
其中,表示所述最终筛分给矿频率增量,表示所述筛分给矿频率增量,表示筛分效率指标,表示筛分效率下状态限,表示归一化筛分筛上量,表示归一化筛分筛下量,和表示模型系数;
所述破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型;
所述通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化的步骤,包括:
分别记录所述破碎效果模型的破碎效果实时计算值、所述筛分效率模型的筛分效率实时计算值;
分别根据所述破碎效果实时计算值、所述筛分效率实时计算值确定破碎效果下状态限、破碎效果上状态限、筛分效率下状态限和筛分效率上状态限;
根据所述破碎效果下状态限、所述破碎效果上状态限、所述筛分效率下状态限和所述筛分效率上状态限判断破碎效果状态和筛分效率状态是否发生变化。
2.根据权利要求1所述的方法,其特征在于,所述新案例描述包括多个新案例描述特征,各所述历史案例描述包括多个历史案例描述特征;
所述分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度的步骤,包括:
分别计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度;
根据各所述历史案例描述对应的所有案例描述特征相似度计算所述新案例描述与各所述历史案例描述之间的总体相似度。
3.根据权利要求2所述的方法,其特征在于,所述分别计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度的步骤,包括:
按照以下公式计算各所述新案例描述特征与各所述历史案例描述对应的历史案例描述特征之间的案例描述特征相似度:
其中,i表示新案例描述特征的数量,k为常数,表示所述新案例描述中的第个案例描述特征,表示所述破碎筛分协同优化控制案例库中第个案例的第案例描述特征,表示所述新案例描述中的第个案例描述特征与所述第个案例的第案例描述特征之间的案例描述特征相似度。
4.根据权利要求3所述的方法,其特征在于,所述根据各所述历史案例描述对应的所有案例描述特征相似度计算所述新案例描述与各所述历史案例描述之间的总体相似度的步骤,包括:
按照以下公式计算所述新案例描述与各所述历史案例描述之间的总体相似度:
其中,表示特征属性权值,表示新案例的案例描述,表示所述破碎筛分协同优化控制案例库中第个案例的案例描述,表示所述新案例的案例描述与所述第个案例的案例描述之间的总体相似度。
5.根据权利要求4所述的方法,其特征在于,所述根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解的步骤,包括:
按照以下公式计算所述新案例的预测案例解;
其中,表示所述新案例的预测案例解,表示m个所述参考案例中第个参考案例的历史案例解。
6.一种破碎筛分控制装置,其特征在于,所述装置包括:
判断模块,用于通过预先构建的破碎效果和筛分效率评价模型判断破碎效果状态和筛分效率状态是否发生变化;
第一计算模块,用于当检测到破碎效果和筛分效率发生状态变化时,将破碎筛分实时工况作为新案例描述,分别计算所述新案例描述与破碎筛分协同优化控制案例库中各历史案例的历史案例描述之间的总体相似度;
选取模块,用于将各所述总体相似度从大到小排列,选取前m个总体相似度对应的m个历史案例作为所述新案例的m个参考案例;
第二计算模块,用于根据m个所述参考案例对应的总体相似度和参考案例解计算所述新案例的预测案例解,其中,所述预测案例解包括;破碎机给矿频率增量和筛分给矿频率增量;
确定模块,用于通过预先构建的破碎机给矿频率补偿模型根据所述破碎机给矿频率增量确定最终破碎机给矿频率增量,通过预先构建的筛分给矿频率补偿模型根据所述筛分给矿频率增量确定最终筛分给矿频率增量;
控制模块,用于根据所述最终破碎机给矿频率增量、所述最终筛分给矿频率增量、上一时刻破碎机给矿频率设定值和上一时刻筛分给矿频率设定值对破碎机进行给矿控制;
所述确定模块,还用于按照以下公式计算所述最终破碎机给矿频率增量:
其中,表示所述最终破碎机给矿频率增量,表示所述破碎机给矿频率增量,表示破碎效果指标,表示破碎效果下状态限,S表示破碎机工作状态,和表示模型系数;
按照以下公式计算所述最终筛分给矿频率增量:
其中,表示所述最终筛分给矿频率增量,表示所述筛分给矿频率增量,表示筛分效率指标,表示筛分效率下状态限,表示归一化筛分筛上量,表示归一化筛分筛下量,和表示模型系数;
所述破碎效果和筛分效率评价模型包括破碎效果模型和筛分效率模型;所述判断模块,还用于分别记录所述破碎效果模型的破碎效果实时计算值、所述筛分效率模型的筛分效率实时计算值;
分别根据所述破碎效果实时计算值、所述筛分效率实时计算值确定破碎效果下状态限、破碎效果上状态限、筛分效率下状态限和筛分效率上状态限;
根据所述破碎效果下状态限、所述破碎效果上状态限、所述筛分效率下状态限和所述筛分效率上状态限判断破碎效果状态和筛分效率状态是否发生变化。
7.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1至5中任一项所述的破碎筛分控制方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至5中任一项所述的破碎筛分控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210684022.9A CN115128950B (zh) | 2022-06-16 | 2022-06-16 | 破碎筛分控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210684022.9A CN115128950B (zh) | 2022-06-16 | 2022-06-16 | 破碎筛分控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115128950A CN115128950A (zh) | 2022-09-30 |
CN115128950B true CN115128950B (zh) | 2023-04-07 |
Family
ID=83378443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210684022.9A Active CN115128950B (zh) | 2022-06-16 | 2022-06-16 | 破碎筛分控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115128950B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL7014936A (zh) * | 1970-10-12 | 1972-04-14 | Koninklijke Hoogovens En Staal | |
SE511886C2 (sv) * | 1992-01-31 | 1999-12-13 | Svedala Arbra Ab | Sätt att styra en gyratorisk kross |
CN101979157B (zh) * | 2010-09-29 | 2013-02-06 | 太原钢铁(集团)有限公司 | 一种提高破碎振动筛分效率的方法 |
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 |
CN110841773A (zh) * | 2019-12-16 | 2020-02-28 | 厦门裕永隆工贸有限公司 | 一种破碎研磨筛分一体机 |
CN112354668A (zh) * | 2020-11-16 | 2021-02-12 | 云南思茅山水铜业有限公司 | 一种碎矿及其控制系统 |
CN113560020B (zh) * | 2021-09-27 | 2021-12-17 | 徐州宏巨机械制造有限公司 | 一种无源周期磁控式矿山石块破碎筛分设备 |
-
2022
- 2022-06-16 CN CN202210684022.9A patent/CN115128950B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115128950A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114861120B (zh) | 浮选泡沫品位计算方法、装置、电子设备及介质 | |
CN115128950B (zh) | 破碎筛分控制方法、装置、电子设备及存储介质 | |
CN111882188A (zh) | 基于Birch聚类算法的工艺质量同质化水平评价方法及系统 | |
JP2022546321A (ja) | 原材料のジャストインタイム特性評価のためのシステム及び方法 | |
CN108469797A (zh) | 一种基于神经网络和进化计算的磨矿过程建模方法 | |
CN113751179B (zh) | 半自磨机优化控制方法、系统及电子设备 | |
Marino et al. | Data driven decision support for reliable biomass feedstock preprocessing | |
CN114377842B (zh) | 一种物料细度的调节方法、装置、计算机设备和存储介质 | |
CN110090727B (zh) | 一种磨矿生产中操作数据的处理方法、装置、设备及介质 | |
CN112597435A (zh) | 基于设备监理的火电设备质量数据处理方法及装置 | |
CN111932391A (zh) | 一种碎矿或磨矿流程考察粒度分布数据一致性修正的计算方法 | |
CN115254383A (zh) | 破碎机给矿控制方法、装置、电子设备及存储介质 | |
CN113570168A (zh) | 料位矫正方法、装置及电子设备 | |
US20190087711A1 (en) | Intelligent, adaptive control system and related methods for integrated processing of biomass | |
CN113344276B (zh) | 一种矿石颗粒形状、质量、密度指标概率分布的预测方法 | |
CN110737685A (zh) | 一种电力大数据的数据异常判别方法 | |
CN113625669B (zh) | 产品质量预测方法以及系统 | |
JP7322918B2 (ja) | プログラム、情報処理装置、及び学習モデルの生成方法 | |
CN110274841A (zh) | 烧结燃料粒度组成检测系统中筛分过程的诊断方法及装置 | |
CN111124516B (zh) | 一种服务器参数约简方法、装置和计算机可读存储介质 | |
CN116578942A (zh) | 榜单异常的处理方法及装置 | |
CN110273066B (zh) | 一种基于粒度判断烧结燃料样料有效性的方法及装置 | |
EP4102311A1 (en) | Method and system for adaptive learning of models in manufacturing systems | |
Paiva et al. | Performance analysis of the beneficiation process of bauxite from the Juruti Mine. Industrial sampling and performance evaluation | |
CN110270503B (zh) | 一种振筛机筛分终点控制方法与装置 |
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 |