硫化镍矿选矿过程模型及优化策略研究

摘要

硫化镍矿的磨矿过程是一个复杂系统,耦合性强,且各个环节间的相互影响大,具有一定的相关性。目前,在磨矿过程中,由于缺乏探测球磨机和水力旋流器内部工作状态的仪器设备,磨矿过程的规律至今仍没有被完全认识清楚,而真实磨矿过程的复杂性,很难用数学模型精确表示其整个过程的特性,甚至有许多控制策略是无模型的。本文针对磨矿过程半经验模型,对磨矿整个过程从数据采集处理和软测量技术、多变量动态过程模型辨识技术及先进控制策略等方面进行了相关的一些探索和研究,同时,针对目前控制理论和磨矿过程应用之间的脱节现象,将现代控制理论经过改造移植到选矿过程控制领域中,研究推出从具体磨矿系统的特点出发,寻求对模型要求不高,但在线计算方便,且对环境的不确定性有一定适应能力的实用控制策略和方法。
　　 近年来,随着智能技术的迅速发展,以模糊系统、神经网络等为代表的智能技术显示出了对复杂非线性工业系统强大的处理能力,一系列基于智能控制理论及方法的先进控制技术被不断提出和改进,并在对复杂工业对象的控制问题上取得了一些重大的突破和丰硕的成果。但是,由于目前的智能控制技术基础理论发展还不完善,在应用智能控制方法和技术时存在许多值得改进的地方。本文针对目前有关智能方法的先进控制技术提出一些新的参考方法和改进的应用策略,主要创新点有:
　　 1、利用RBF神经网络和磨矿过程中可测量信息来预测磨矿过程将来的过程行为,将RBF神经网络和模糊理论结合起来,通过在RBF神经网络隐层增加模糊化层和模糊规则推理层,使磨矿过程特性和参数变化对控制质量影响减小,实现预测过程的响应和设计希望的响应差别为最小,得到了一种模糊RBF网络控制模型;该模糊RBF网络经过在线动态训练,实现了磨矿分级过程多变量非线性和大滞后系统的PID智能整定控制;该分析过程相对简单,网络学习训练时间少,学习精度高,估计值与分析值拟合良好,系统鲁棒性强;仿真表明这类智能控制器可用于多变量非线性时变系统这类难以建立数学模型的控制系统。
　　 2、针对较难控制的大滞后过程对象,提出了动态分支预测转移控制策略,使控制回路在运行过程中始终保持在最佳运行状态,最终提高工业过程设备的运行效率。通过在控制过程中增加对被控对象输入输出之间相关性的跟踪及处理,在基本预测控制算法的基础上再增加一个预测控制变量协调决策层,可在线进行拟合,利用反馈校正的滚动优化策略进行记录及优化,获得了被控对象输入输出之间相关性及相应控制策略的动态分支预测转移控制表,结合系统设定值进行区间控制和约束保护措旌,在暂态响应和稳态性能之间取得折衷,使控制效果得到了明显的改善,不但增强了输入控制量的规律性,而且提高了响应的快速性和准确性。仿真实验表明模型的在线辨识精确,可以保证系统的鲁棒性能和预期的控制性能。
　　 3、运用RS理论研究了某选矿厂磨矿工艺多维数据的属性约简,在建立相应的RBF神经网络预测模型的基础上,得到了表征磨矿生产过程内在规律的最小知识表达,并应用该模型对选矿生产指标进行了预测。结果表明:磨矿工艺数据可以进行浓缩;生产过程中的经验操作有了相应的理论依据,生产工艺人员或操作工人通过使用该软测量模型进行工艺分析与控制,逐步加深了对生产工艺过程内在规律的认识;应用软测量获取了球磨机和旋流器的内部状态主要关键参数;该模型分析过程相对简单,网络学习训练时间少,学习精度高,仿真结果表明估计值与分析值拟合良好。
　　 4、提出了磨矿分级系统分段功能模块并行技术,该技术首先将磨矿分级系统中的每个组成部分看作是一个功能部件模块,在建立各功能部件模块的RBF神经网络模型的基础上,确定了磨矿分级系统中对磨矿浓度和溢流粒度性能影响最大的功能部件模块;接着,建立了磨矿分级一个系列RBF神经网络模型,就如何改进磨矿分级系统模型中某一功能部件模块而获得整个磨矿分级系统性能指标的提高提出了自己的看法;最后对改进前和改进后的磨矿过程有关性能指标改善情况进行了比较验证。
　　 5、针对大型浮选设备对矿浆液面自动控制系统的高要求,设计了矿浆液面自动控制系统中的执行器,提出了一种符合现场复杂情况,基于神经元网络技术的软测量方法,在基于过程补余量算法中,引入利用不同形状的反馈凸轮片产生不同非线性来改变控制阀的原有流量特性,结合比例系数得到了具有线性流量特性的调节阀曲线函数的一种软测量模型建模和优化的过程。结合BP神经网络模型,从对控制的稳定性、控制响应的时效性等因素考虑后,确定了这种阀芯的最佳拟合曲线,该设计方法经现场的实际使用验证效果良好。

目录

文摘

英文文摘

第1章 绪论

1.1 引言

1.2 课题的研究背景

1.2.1 选矿工业过程控制的研究现状

1.3 本文的研究目的、意义和主要工作

第2章 磨矿过程模糊神经网络控制器设计与模型优化算法

2.1 引言

2.2 模糊PID控制基本原理

2.3 模糊神经网络PID控制器设计

2.4 磨矿过程模糊RBF网络整定的PID控制及优化

2.4.1 磨矿分级自动控制系统控制结构

2.4.2 磨矿过程模糊神经网络系统控制方案

2.4.3 RBF网络及对象参数模糊化

2.4.4 网络的训练原理及优化策略

2.5 仿真实验

2.6 小结

第3章 模型预测控制策略在旋流器分级控制中的应用

3.1 引言

3.1.1 磨矿分级工艺过程

3.1.2 磨矿分级工艺控制要求

3.2 磨矿分级控制总体方案设计

3.3 磨矿模型预测控制算法研究

3.3.1 模型预测控制基本原理

3.3.2 DMC控制算法的三个部分

3.4 基于大滞后磨矿分级系统的动态分支预测转移控制技术

3.4.1 动态分支预测转移控制技术

3.4.2 磨矿过程的串级控制

3.4.3 动态分支预测转移控制结构及实现

3.5 系统仿真

3.6 小结

第4章 RBF神经网络与RS理论的磨矿过程软测量综合模型及优化技术

4.1 引言

4.2 粗糙集方法

4.2.1 粗糙集基本概念

4.2.2 属性约简的粗糙集理论

4.2.3 粗糙集的属性约简方法

4.2.4 粗糙集方法的规则获取

4.2.5 关联规则挖掘原理

4.3 软测量混合建模方法

4.4 磨矿过程软测量综合模型及优化

4.4.1 网络的训练原理、策略及方法

4.4.2 模型建立及仿真

4.4.3 小结

第5章 磨矿过程模块化并行结构模型及优化

5.1 引言

5.2 磨矿过程模块化概念

5.2.1 砂泵池液位控制模块

5.2.2 水力旋流器分级质量控制

5.2.3 磨矿过程质量控制

5.2.4 浮选过程优化控制模块

5.3 分块建模

5.4 建立磨矿分级过程一个系列的模块模型

5.5 定量分析技术

5.5.1 大概率事件优先原理

5.5.2 基于Amdahl定律的磨矿过程模块性能

5.5.3 磨矿过程分块模型性能指标

5.6 小结

第6章 浮选过程调节阀曲线智能拟合

6.1 引言

6.2 神经网络软测量模型的建立

6.2.1 神经网络的选择

6.2.2 神经网络模型的建立

6.3 基于过程补余量算法

6.3.1 过程的能量储存特性

6.3.2 目标补入量的递推算法

6.4 符合理想流量特性的调节阀设计

6.4.1 直线流量特性

6.4.2 等百分比流量特性

6.4.3 理想流量特性与目标补入量之间的关系

6.4.4 神经网络调节阀曲线拟合

6.4.5 比例系数

6.5 实验仿真

6.6 小结

总结与展望

参考文献

致谢

附录A(攻读学位期间所发表的学术论文目录)

附录B(磨矿分级过程有关参数)