CN1307415C - 基于案例推理的磨矿系统溢流粒度指标软测量方法 - Google Patents

Abstract

一种基于案例推理的磨矿系统溢流粒度指标软测量方法，由硬件平台及测量软件组成，该方法包括辅助变量的选择、案例表示、案例库初始案例的取得、案例推理、案例存储与维护步骤，该方法利用常规计算机控制系统和常规的检测仪表提供的在线过程数据，通过少量的人工采样，建立了基于案例推理的磨矿系统溢流粒度软测量模型，实现了磨矿系统旋流器溢流粒度的软测量，该方法与常规粒度计相比，降低了成本和维护工作量；与人工测量相比，减少了操作人员的工作量，降低了人为操作的不确定性，提高了测量的时效性，同时该方法有助于实现磨矿系统的优化控制和优化运行。

Description

基于案例推理的磨矿系统溢流粒度指标软测量方法

技术领域

本发明属于自动化测量技术领域，特别涉及对选矿厂磨矿工段中用于研磨矿石的由球磨机和水力旋流器组成的湿式磨矿系统的最终产品——水力旋流器溢流的粒度指标进行软测量的方法。

背景技术

在选矿行业中，由球磨机和水力旋流器(简称旋流器)组成的湿式磨矿系统广泛用于将矿石研磨至选矿工艺要求的粒度范围内，粒度过大或过小均对后续的选别作业都会产生不利影响，因此旋流器溢流粒度(也称磨矿粒度、溢流粒度)是衡量磨矿系统运行品质的重要指标。目前，常规的磨矿粒度的检测方法有两种：一是人工取样离线化验，在实验室人工测量；另一种是使用粒度的检测设备——粒度计进行在线测量，前一种方法的不足在于：1.人工操作时人为因素影响大，测量结果的客观性差；2.测量的时间间隔长，测量结果反馈的时间也长，因此得到的信息对操作人员缺乏指导意义；第二种方法不足之处在于虽然能够得到比较准确客观及时的测量结果，但粒度计价格昂贵，我国多数选矿厂难以配备，而且容易堵塞，现场维护的工作量很大。如果采用神经网络进行磨矿粒度软测量，则必须以全面的样本空间为基础，因此采集样本的过程会影响正常生产。

发明内容

为了解决现有的磨矿系统溢流粒度测量方法之不足，本发明提供一种基于案例推理的磨矿系统溢流粒度软测量方法，通过常规在线测量仪表提供的辅助变量的测量参数，给出当前的旋流器溢流粒度的估计值，为磨矿生产过程的优化操作和优化运行提供关键指标。

本发明方法由硬件平台及测量软件组成，其中硬件平台核心由球磨机、水力旋流器、泵池以及相关设备组成，同时配备了测量仪表以及进行软件计算的计算机系统。其硬件的联接是球磨机的输入端与旋流器沉砂口相接，球磨机输出端与泵池相接，泵池通过旋流器给料管与旋流器相接，最终产品从旋流器溢流口排出。如果用于一段磨矿，则系统给矿进入球磨机入口；如果用于二段或之后的磨矿，则系统给矿进入泵池。详细结构如图1所示。以球磨机和水力旋流器组成的磨矿系统，其测量仪表包括：

一个流量计，用于在线测量旋流器给矿流量L_GKLL，安装在旋流器给料管上；

一个密度计，用于在线测量旋流器给矿浓度D_GKND，安装在旋流器给料管上；

一个压力计，用于在线测量旋流器给矿压力Y_GKYL，安装在旋流器的给料管上；

一个功率计或一个电流计，用于在线测量球磨机功率P_QM，与球磨机的驱动电机相接，由于功率信号与电流信号等价，所以本说明书中P_QM也可以用来表示球磨机电流信号。

该磨矿系统同时配置了控制计算机(分布式计算机控制系统(DCS)、或可编程逻辑控制器(PLC)、或工业控制计算机(IPC))或数据采集器、用以采集测量仪表的信号。

本发明的软测量软件既可以运行在计算机控制系统的监控计算机上，也可以运行于独立的计算机上，该软件通过与控制计算机或数据采集器进行通讯，获得实时的过程数据，并给出磨矿粒度的估计结果。

本发明方法包括以下步骤：(1)辅助变量的选择，(2)案例表示，(3)案例库初始案例的取得，(4)案例推理，(5)案例存储与维护。

(1)辅助变量的选择，本发明所选择的辅助变量包括：

旋流器给矿浓度D_GKND；

旋流器给矿压力T_GKYL；

旋流器给矿流量L_GKLL；

球磨机功率或电流P_QM。

(2)案例表示：

磨矿系统工况按照一定的结构进行组织并以案例的形式存于案例数据库中。每个案例由工况描述和解组成，案例的工况描述即选取的辅助变量——旋流器给矿浓度D_GKND、旋流器给矿压力Y_GKYL、旋流器给矿流量L_GKLL、球磨机功率或电流P_QM。案例的解就是待估计的主导变量——水力旋流器溢流粒度L_XLQLD。另外，为了便于案例检索与匹配及其它案例操作的需要在案例数据库表中再增加两条属性：时间和相似度，其中时间为案例获得时间，相似度为当前工况描述与案例库中该条案例的相似度，案例数据库表中每条案例的该属性值只有在进行案例检索、匹配、重用时才有意义，因为相同案例库中的案例与不同工况描述的相似度是不同的。所以对数据库中的案例进行如下案例表示：

表1案例表示结构

时间	工  况  描  述				解	相似度
							旋流器给矿浓度	旋流器给矿压力	旋流器给矿流量	球磨机功率或电流	溢流粒度
	T	f1	f2	f3	f4							J	SIM

为了进行案例修正与评价，本发明建立了一个溢流粒度软测量实时数据库(以下简记为实时数据库)，记录每一次粒度软测量的时间、工况描述及其相应的溢流粒度软测量值，另外，为了进行比较实时数据库还设有“溢流粒度化验值”属性。所以溢流粒度软测量实时数据库表示结构如下：

表2溢流粒度软测量实时数据库表示结构

时间	工  况  描  述				溢流粒度软测量值	溢流粒度化验值
							旋流器给矿浓度	旋流器给矿压力	旋流器给矿流量	球磨机功率或电流
	T	f1	f2	f3							f4	Jrcl	Jreal

(3)案例库初始案例的取得：

一般的磨矿作业中，如果没有在线粒度计的话，通常规定每隔一定时间间隔对旋流器溢流进行人工采样一次，以化验旋流器溢流粒度。对应每一次的采样时间，可以找到计算机控制系统中储存的对应的过程变量值。这样的一组数据包括测量样本的粒度数值L_XLQLD、球磨机功率或电流P_QM、旋流器给矿浓度D_GKND、旋流器给矿压力Y_GKYL和旋流器给矿流量L_GKLL以及采样时间T。待m组数据收集后，可以得到如下的数据集合

M_v＝{[T_i，D_GKNDi，Y_GKYLi，L_GKLLi，L_XLQLDi，P_QMi]|i＝1，…，m}

以上述数据集合按照下述规则配对，即成为案例：

{[T_i，D_GKNDi，Y_GKYLi，L_GKLLi，P_QMi]|i＝1，…，m}→{L_XLQLDi|i＝1，…，m}通常，磨况分级作业要分期处理多种矿石，每一种矿石的硬度、可磨性是不同的，应该针对不同的矿石的可磨性差异分别建立其对应的案例数据库。

(4)案例推理

本发明的案例推理采用软件实现，其基本流程框图如图3所示。左列为案例检索与匹配及案例重用的流程，右列为案例评价与修正的流程。其详细步骤如下：

(A)初始化：进行所有变量的初始化。

(B)是否进行软测量？如果是，则转至(C)，进行案例检索与匹配及案例重用的过程；如果否，则转至(J)，进行案例评价与修正的过程。

步骤(C)至(I)为案例的检索与匹配及案例重用流程，采用案例检索策略中的最近相邻策略。

(C)选择矿石可磨性；

不同的矿石具有不同的可磨性，其对应的用于软测量的案例数据库也是不同的，所以选择矿石可磨性也就是选择案例数据库。

(D)读取当前工况描述：

也就是读取需要进行粒度软测量的工况描述参数或者在线实时自动读取当前工况描述参数。

(E)相似度计算：

设磨况分级过程当前运行工况为M_GK，定义M_GK的工况描述为F＝(f₁，f₂，f₃，f₄)，M_GK的解为J_GK。定义案例库中案例为C₁，C₂…G_n，其中案例C_k(k＝1，2…n)的工况描述为F_k＝(f_1，k，f_2，k，f_3，k，f_4，k)，C_k的解为J_k。

那么当前工况描述M_GK的描述特征f_i(i＝1，2，3，4)与案例C_k(k＝1，2…n)的描述特征f_i，k的相似度函数为：

$\mathrm{sim}(f_i,f_{i,k})=1-\frac{|f_i-f_{i,k}|}{\mathrm{Max}(f_i,f_{i,k})},i=1,\mathrm{2,3,4},k=\mathrm{1,2},\·\·\·n$

当前工况描述M_GK和案例C_k(k＝1，2…n)的相似度函数为：

$\mathrm{SIM}(M_{\mathrm{GK}},C_k)=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_i\mathrm{sim}(f_i,f_{i,k}),k=\mathrm{1,2},\·\·\·n$

其中ω_i为工况描述特征的加权系数，可以根据具体工艺特征或经验确定，ω_i满足：

$\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_i=1$

案例库中每个案例与当前工况描述的相似度计算完毕后，赋值给案例库中相应案例的“相似度”属性值。

(F)确定阈值：

设SIM_max为所有上述求得的相似度的最大值，即： ${\mathrm{SIM}}_{\max }=\underset{k=\mathrm{1,2}\·\·\·n}{\mathrm{Max}\left(\mathrm{SIM}(M_{\mathrm{GK}},C_k)\right)}$ ，那么阈值SIM_yz可通过下式确定：

${\mathrm{SIM}}_{\mathrm{yz}}=\left\{\begin{array}{c}{X}_{\mathrm{YZ}},{\mathrm{SIM}}_{\max }\&GreaterEqual;X_{\mathrm{YZ}}\\ {\mathrm{SIM}}_{\max },{\mathrm{SIM}}_{\max }<X_{\mathrm{YZ}}\end{array}\right.$

其中阈值X_YZ由具体工艺或经验确定。

(G)案例检索与匹配：

从案例库中挑选出案例“相似度”属性值SIM≥阈值SIM_yz的所有案例作为匹配案例并依次按“相似度”、“时间”(案例存储时间)属性值降序排序。

(H)案例重用：

一般情况下案例库中不存在与当前工况描述完全匹配的案例，因而检索出的匹配工况的解并不能直接作为当前工况的解，这就需要对检索得到的相似案例进行重用。具体方法如下：

从匹配案例中挑选出具有最大相似度SIM_max的案例并确定其个数N_um。

若Num＝1，即具有最大相似度的案例只有一个，设这个案例为C_m，1≤m≤n，记匹配案例数据表中案例C_m的下一个案例为C_k，1≤k≤n，由于匹配案例检索出来的时候按“相似度”、“时间”(案例存储时间)属性值降序排序，所以C_k应具有第二大相似度并且是时间最新的一个。记案例C_m的解为J_m、相似度为SIM_m，案例C_k的解为J_k、相似度为SIM_k，那么当前工况描述M_GK的解J_GK为：

$J_{\mathrm{GK}}=\frac{{\mathrm{SIM}}_m\&times;J_m+{\mathrm{SIM}}_k\&times;J_k}{{\mathrm{SIM}}_m+{\mathrm{SIM}}_k}$

若Num＞1，即具有相同最大相似度的案例有多个，不妨设有l，(l＞1，l∈Z)个，假设这些案例C_i，i＝1…l按“时间”(案例存储时间)属性值降序排列为：C₁，C₂…C₁，J₁，J₂…J₁为其相应的解，那么当前工况描述的解J_GK为：

$J_{\mathrm{GK}}=\frac{\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_i\&times;J_i}{\underset{i=1}{\overset{l}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_i}$

其中θ_i为本次案例重用的时间加权系数，满足θ₁≥θ₂≥…≥θ_l，可根据具体情况或经验确定。

(I)显示并保存粒度软测量结果：

案例重用后就可以把当前工况的解即旋流器溢流粒度的软测量值显示在人机界面上，并把当前工矿描述、时间、粒度软测量值等数据保存到相关数据库中，以供案例修正与评价及其它操作使用。

为了充分发挥本发明的粒度软测量模型的功能，软测量程序应能实时自动读取当前工况描述，具体时限长短根据具体工艺情况确定，然后自动对读取的当前工况描述进行粒度软测量，把软测量结果显示在操作者或者技术工人容易看到的画面上(可以是监控画面的“系统管理”画面)，并把结果及其它数据保存到相关数据库中(可以是软测量实时数据库)。

步骤(J)至(T)为案例评价与修正流程。

(J)选择矿石可磨性

对应不同的矿石可磨性，建立了不同的案例数据库，对应不同的案例数据库，应建立不同的软测量实时数据库。在这里选择矿石可磨性，就是选择其对应的软测量实时数据库。

(K)读取溢流粒度化验值和化验取样时间：

记溢流粒度化验值为J_real，化验取样时间为T_QY。

(L)记录检索：

在实时数据库中检索“时间”属性值T与化验取样时间T_QY最接近的数据纪录，记检索到的数据纪录为C_T，其对应的工况描述：旋流器给矿浓度、旋流器给矿压力、旋流器给矿流量、球磨机功率或电流分别记为 $F^T=(f_1^T,f_2^T,f_3^T,f_4^T)$ ，C_T的溢流粒度软测量值记为J_rcl。

(M)求粒度软测量值和化验值之差：

记旋流器溢流粒度软测量值和化验值之差为ΔJ，那么ΔJ＝|J_rcl-J_real|。

(N)是否满足精度要求：

若ΔJ≤J_HG(J_HG为软测量精度合格标准)，则说明软测量精度合格，不需要进行案例修正；若ΔJ＞J_HG，则说明软测量精度不合格，需要进行案例修正来改善软测量模型的预测精度。

(O)输入与取样时间对应的工况描述：

把实时数据库中与取样时间T_QY对应的记录C_T的工况描述属性值 $F^T=(f_1^T,f_2^T,f_3^T,f_4^T)$ 再次输入软测量模型中，重新进行下述(P)～(R)的操作。

(P)相似度计算：

与图3中步骤(E)一样。

(Q)确定阈值：

与图3中步骤(F)一样。

(R)案例检索与匹配

与图3中步骤(G)一样。

(S)案例修正

从匹配案例中挑选出具有最大相似度SIM_max的案例并确定其个数Num。

若SIM_max＜X_ZYZ，则直接把案例C_T加入到软测量案例库中。即把案例C_T对应取样时间T_QY，工况描述 $F^T=(f_1^T,f_2^T,f_3^T,f_4^T)$ ，粒度化验值J_real分别输入案例数据库中。其中阈值X_XZYZ根据具体工艺和实际情况确定。

若SIM_max≥X_XZYZ，  并且Num＝1，设这个案例为C_m，1≤m≤n，那么把案例C_m对应的工况描述 $F_m=(f_{1,m},f_{2,m},f_{3,m},f_{4,m})$ 用 $F^T=(f_1^T,f_2^T,f_3^T,f_4^T)$ 取代，案例C_m对应的解用旋流器溢流粒度化验值J_real取代，而其“时间”属性值设为T_QY。

若SIM_max≥X_XZYZ，并且Num＞1，不妨设Num＝l(l＞1，l∈Z)个，假设这些案例为C_i，i＝1…l，其对应的解为J_i，i＝1…l，设J_j，1≤j≤l为使|J_i-J_ral|最大的一个，那么把J_j所在案例C_j对应的工况描述F_j＝(f_1，j，f_2，j，f_3，j，f_4，j)用 $F^T=(f_1^T,f_2^T,f_3^T,f_4^T)$ 取代，案例C_j对应的解用旋流器溢流粒度化验值J_real取代，而其“时间”属性值设为T_QY。

(T)案例保存

把修正后的案例库中案例保存起来，以供后续软测量使用。

(U)结束

(5)案例存储与维护：

随着时间的推移，案例库中的案例不断增加，如果不采取适当的措施，很有可能在一段时间后出现案例重叠大的问题，这样即加大了推理的时间，又使得案例缺乏典型性。为了使案例库控制在一定规模内，必须对加入案例库中的案例进行学习。这里的学习可看成是“合并”或者“泛化”过程。具体操作是这样的：

对准备加入案例库中的新案例C_new，按照前面的相似度计算公式，计算其与案例库中存储的所有旧案例的相似度。设这些相似度分别为：SIM₁，SIM₂…SIM_n(n为案例库中旧案例的个数，0 ≤ SIM_i≤1)。

若求出的所有相似度都小于或者等于某一个给定的阈值ξ₁，0＜ξ₁＜1，则加入该新案例C_new；若至少存在一个相似度大于该阈值，则抛弃该新案例，不存储。

另外对案例库中一些时间久远、不适应于目前工况的案例应进行适当删减。本发明的优点在于：利用计算机系统和常规的检测仪表提供的在线过程数据，仅仅通过少量的人工采样，实现了磨矿系统旋流器溢流粒度的基于案例推理的软测量。与粒度计相比，降低了成本，并且不会发生取样管路堵塞的情况，降低了维护工作量，提高了可靠性；与人工测量相比，减少了操作人员的工作量，降低了人为操作引入的测量的不确定性，提高了测量的时效性。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，所以与传统的模糊和神经网络软测量方法相比本发明中软测量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矿石可磨性的差异用不同的案例来进行推理，所以适用面广，软测量也更精确。该方法有助于实现磨矿系统的优化控制和优化运行。

附图说明

图1磨矿系统的流程、测量仪表及计算机配置图；

图1中：1球磨机，2水力旋流器，3泵地，4底流泵，5流量计，6浓度计，7压力计，8功率计，9控制计算机或数据采集器，10监控计算机或专用计算机

图2为本发明的基于案例推理的粒度软测量模型结构图；

图3本发明的案例推理软件的流程框图。

图1至图2中所用标记符号如下：

球磨机功率(或电流)——P_QM

旋流器溢流粒度——L_XLQLD

旋流器溢流粒度化验值——J_REAL

旋流器给矿压力——Y_GKYL

旋流器给矿流量——L_GKLL

旋流器给矿浓度——D_GKND

功率(或电流)计——JT

浓度计——DT

流量计——FT

压力计——PT

在图1中，实线箭头表示物流(原矿，水和矿浆)，虚线表示信号流。

具体实施方式

以某大型铁矿选矿厂的强磁磨矿分级工段为例，该选矿厂的主要铁矿石为黄铁矿、褐铁矿，脉石以重晶石、石英、碧玉及铁白云石为主，矿石实际含铁品位33％，强磁选系统选别0-15mm以下的粉矿，采用两段连续磨矿流程，磨矿系统一段采用格子型球磨机与分级机形成闭路，二段磨矿采用格子型球磨机与水利旋流器形成闭路。

二段磨矿系统的示意图如图1所示：一段磨矿的产品从分级机溢流进入泵池，再由胶泵打入旋流器，旋流器沉砂部分进入二段球磨机再磨，研磨后的二段球磨机浆与出口补加水自流进泵池，形成闭路。旋流器溢流进入后续选别工序。

球磨机型号为Φ3200×3500，有效容积25.3m³，简体转速18.5r/min，最大装球量54吨。

水力旋流器为聚胺脂水力旋流器，筒体内径φ350mm，给矿口尺寸80×60mm，溢流管直径φ100mm，溢流管长度295mm，沉砂嘴直径φ45～55mm，锥角20度，入口压力0.05～0.31Mpa。

首先在按照本说明书的要求安装如下的测量仪表，包括：

核子密度计测量的旋流器给矿浓度K_GKND；

电磁流量计测量旋流器给矿流量L_GKLL；

电容式压力变送器测量旋流器给矿压力Y_GKYL；

电流变送器测量二段球磨机电流P_QM，

以可编程控制器(PLC)实现基础控制回路的自动控制，并读取上述的过程数据。在监控计算机中以RSView32软件实现监控人机界面。该磨矿系统的正常工作范围为：

二段球磨机处理两——65±5吨/(台·小时)

二段磨矿浓度——65％～75％

水力旋流器溢流浓度——35％～40％

水力旋流器溢流粒度——≥75％(-200目含量)

介质填充率——38％～42％

软测量程序用RSView32提供的VBA应用软件编制。软测量软件在单独的优化计算机上运行，该计算机上装有RSLinx通讯程序负责与PLC和上位机进行数据通讯，RSLinx与软测量程序之间通过DDE方式进行双向通讯。

按照本说明书所述的实现方法选择辅助变量，建立案例数据库表，用实验的方法建立案例库的初始案例。进行案例检索与匹配及案例重用时所涉及到的加权系数或相关阈值根据具体工艺特征和经验具体确定如下：

工况描述特征的加权系数：

旋流器给矿浓度加权系数——ω₁＝0.3

旋流器给矿压力加权系数——ω₂＝0.3

旋流器给矿流量加权系数——ω₃＝0.2

球磨机电流加权系数——ω₄＝0.2

在进行案例检索与匹配及案例重用中的“确定阈值”步骤时用到的阈值X_YZ确定为0.9，即X_YZ＝0.9。

在进行案例重用时，设有l，(l＞1，l∈Z)个具有相同最大相似度的案例，假设这些案例C_i，i＝1…l按“时间”(案例存储时间)属性值降序排列为：C₁，C₂…C_l，那么它们的时间加权系数分别确定为：10+l，10+(l-1)，…，10+[l-(l-1)]。

在进行案例评价与修正时，为软测量精度合格标准J_HG确定为4，即J_HG＝4，阈值X_XZYZ确定为0.9，即X_XZYZ＝0.9。

本实施例在下位PLC程序中设置有定时器，每隔10分钟触发一次上位RSView32中的相关标签，从而调用一次旋流器溢流粒度软测量程序，进行一次该时间工况下的粒度软测量，并及时把四个磨矿系列的软测量结果输出到优化计算机的系统管理画面，为操作者或相关技术工人进行参数优化和监督操作提供一个很好的的参考、指导作用，同时把软测量结果保存到旋流器溢流粒度软测量实时数据库中。

本发明即基于案例推理的旋流器溢流粒度软测量模型在磨矿系统正常运行期间，能够根据过程的实时数据估计出水力旋流器溢流粒度，相对误差不超过3％，成为一个具有很高实用价值的、低成本的粒度计量手段。

Claims (4)

1、一种基于案例推理的磨矿系统溢流粒度指标软测量方法，其特征在于该方法依赖于磨矿系统硬件平台，进行软测量，包括以下步骤：

(1)辅助变量的选择，辅助变量包括，旋流器给矿浓度D_GKND，旋流器给矿压力Y_GKYL，旋流器给矿流量L_GKLL，球磨机功率或电流P_QM；

(2)案例表示，对数据库中的案例进行如下案例表示：

  时间                                工  况  描  述     解 相似度 旋流器给矿浓度 旋流器给矿压力 旋流器给矿流量 球磨机功率或电流 溢流粒度   T         f1         f2        f3          J      J    SIM

(3)案例库初始案例的取得，对应每一次对旋流器溢流进行的人工采样，可以找到计算机控制系统中储存的对应的过程变量值，这样的一组数据包括测量样本的粒度数值L_XLQLD、球磨机功率或电流P_QM、旋流器给矿浓度D_GKND、旋流器给矿压力Y_GKYL和旋流器给矿流量L_GKLL以及采样时间T。待m组数据收集后，可以得到如下的数据集合：

M_v＝{[T_i，D_GKNDi，Y_GKLLi，L_GKLLi，L_XLQLDi，P_QMi]|i＝1，…，m}

以上述数据集合按照下述规则配对，即成为案例：

{[T_i，D_GKNDi，Y_GKYLi，L_GKLLi，P_QMi]|i＝1，…，m}→{L_XLQLDi|i＝1，…，m}；

(4)案例推理，案例推理包括案例的检索与匹配及案例重用、案例评价与修正，其流程为：(A)初始化：进行所有变量的初始化；(B)判断是否进行软测量，如果是，则转至(C)，进行案例检索与匹配及案例重用的过程；如果否，则转至(J)，进行案例评价与修正的过程；(C)选择矿石可磨性；(D)读取当前工况描述；(E)相似度计算；(F)确定阈值；(G)案例检索与匹配；(H)案例重用；(I)显示并保存粒度软测量结果；(J)选择矿可磨性；(K)读取旋流器溢流粒度化验值和化验取样时间；(L)记录检索；(M)求粒度软测量值和化验值之差；(N)是否满足精度要求；若软测量精度合格，不需要进行案例修正；若不合格，需要进行案例修正来改善软测量模型的预测精度；(O)输入与取样时间对应的工况描述；(P)相似度计算；(Q)确定阈值；(R)案例检索与匹配；(S)案例修正；(T)案例保存；(U)结束；

(5)案例存储与维护，对准备加入案例库中的新案例C_new，设其与案例库中存储的所有旧案例的相似度为：SIM₁，SIM₂…SIM_n，n为案例库中旧案例的个数，0≤SIM_i≤1，当所有相似度都小于或者等于某一个给定的阈值ξ₁，0＜ξ₁＜1，则加入该新案例C_new；当至少存在一个相似度大于该阈值，则抛弃该新案例，不存储。

2、根据权利要求1所述的基于案例推理的磨矿系统溢流粒度指标软测量方法，其特征在于该方法依赖的磨矿系统硬件平台包括球磨机、水力旋流器、泵池及相关设备，以及计算机系统和测量仪表，球磨机的输入端与旋流器沉砂口相接，球磨机输出端与泵池相接，泵池通过旋流器给料管与旋流器相接，在旋流器给料管上分别装有流量计、密度计、压力计，功率计或电流计与球磨机驱动电机相连接，系统配置控制计算机或数据采集器。

3、根据权利要求1所述的基于案例推理的磨矿系统溢流粒度指标软测量方法，其特征在于所述案例的检索与匹配及案例重用的过程，是由旋流器给矿浓度D_GKND、旋流器给矿压力Y_GKYL、旋流器给矿流量L_GKLL、球磨机功率或电流P_QM估计旋流器溢流粒度。

4、根据权利要求1所述的基于案例推理的磨矿系统溢流粒度指标软测量方法，其特征在于所述案例评价与修正的过程，是由旋流器给矿浓度D_GKND、旋流器给矿压力Y_GKYL、旋流器给矿流量L_GKLL、球磨机功率或电流P_QM以及旋流器溢流粒度的实际测量值进行案例评价与修正。

Images