[发明专利]基于决策规则提取的选矿厂磨矿分级系统节能优化方法

说明书

【技术领域】

本发明涉及选矿厂磨矿分级系统节能优化方法，具体涉及一种基于决策规则提取的选矿厂磨矿分级系统节能优化方法。

【背景技术】

磨矿分级系统在我国选矿厂中应用非常广泛。由于磨矿分级系统为选矿工艺流程的关键环节之一，所以其安全稳定运行直接影响到整个选矿作业的安全性和可靠性。同时，磨矿分级系统的耗电量约占厂用电量的30％～50％，其经济运行将直接影响到选矿厂的经济效益。但是，目前国内大部分选矿厂的磨矿分级系统仍处于依靠现场操作经验的人工控制状态。过载，欠载和涨肚等现象时有发生，甚至造成设备损坏，磨选机组停运，带来严重的经济损失。在人工控制时，为了防止事故发生，操作人员通常将磨矿分级系统设定在远低于最佳工作点的工况上运行。这样虽保证了选矿作业的安全运行，但磨矿分级系统运行效率低，厂用电消耗大，经济效益差。

因此，磨矿分级系统的运行优化问题一直是研究的热点。磨矿分级系统的运行优化，即在当前运行条件下搜索系统所能达到的最佳工况，即优化设定值。并将优化设定值作为控制变量的新的目标值，提供给人工控制的操作人员或者自动控制的控制器，使得磨矿分级系统保持在最佳工况下。因此，对于磨矿分级系统最佳运行设定值的搜索，成为了选矿厂节能优化的关键所在。

国外选矿厂磨矿分级系统的自动化程度较高，计算机控制技术的应用十分广泛。但是国外选矿厂多采用的是自磨加旋流分级机的磨矿分级系统，与国内广泛采用的湿式球磨系统结构不同，无法照搬。

目前，在我国优质矿石、电力能源短缺，安全生产形式依然严峻的情况下，提出基于决策规则提取的选矿厂磨矿分级系统节能优化方法，对确保选矿企业安全、经济运行，具有十分重要的意义。目前，国内选矿厂磨矿分级系统普遍依据设备制造厂提供的设计值或通过现场试验来设定系统运行值。然而，在系统实际运行时，由于矿石易磨性变化、磨机内钢球和衬板的磨损以及系统返砂量的变化等，往往会使最佳运行设定值发生漂移。如通过现场试验进行定期校正，不仅增加线程运行维护人员的工作强度，还直接影响到磨矿分级系统的正常生产运行。因此，选矿厂大多采用参考历史数据统计值的方法，即通过统计一段时间内系统运行数据，来分析获得关键控制变量的最优设定值。但是，过程数据统计需经过数据验证、典型数据选择和边界条件构建等过程，整体过程复杂费时，且一般不经常性更新分析结果，易造成分析结果和运行工况的不符。采用变工况模型计算的方法虽可确定出当前工况下的最佳设定值，但该计算结果受限于计算模型的优劣，且结果为理论计算值，较难在运行中达到。

针对磨矿分级系统运行优化所存在的问题，人们积极探索了很多先进的优化算法。有的基于传统控制理论和过程数学模型，提出磨矿分级系统的多回路PID控制算法，其通过分析现场采样数据，对磨矿控制回路模型进行调整，限定并调节各回路控制器输出的上下限。有的将模糊系统与PID控制技术相结合，采用模糊推理的方法，根据人工经验知识对各磨矿控制回路控制器的参数进行在线整定。该类算法易于理解且操作方便，并可一定程度上减小磨矿分级系统各回路间的耦合性，但系统精确数学模型无法获得，使其在实际控制应用中不甚方便。有的基于球磨机和分级机的简化机理模型，提出了一种基于预测模型的监督控制算法，根据综合经济目标函数进行在线优化，搜索监督层中各控制变量的优化设定值。该方法基于预测模型和反馈信息，实现控制作用的闭环滚动优化，但该类方法步骤繁琐，且控制精度过于依赖磨矿分级系统的过程模型和反馈校正。针对磨矿分级系统精确模型难以获得的问题，有的提出一种基于神经网络的磨矿分级专家控制算法，其应用人工神经网络对现场数据信息进行离线学习，确定出过程变量的模糊化方案以及产生式专家规则，推理出底层控制回路的优化设定值。但该类方法由于人工神经网络模型设定隐层函数中心的随机性，以及专家定性知识与数据定量信息有效集成存在的瓶颈，造成该方法的通用性受到了限制。有的基于模糊系统适于表达复杂对象动态特性的特点，提出一种基于规则的模糊控制优化算法，对各控制回路构建以相应控制变量误差和误差变化率为输入的模糊控制器，从而确定底层各控制回路的最优设定值。但在模糊控制算法的设计中，规则集的构建仍根据专家经验得到，且缺乏有效的对规则知识的动态维护方法，从而加大了该方法有效应用难度。为解决这些问题，基于对生产过程记录数据的分析和计算，自动构建出模糊决策规则集并实现规则集的增量更新和完备化。因此，在此基础上构建的磨矿分级系统节能优化方法更适合估计各控制回路的设定优化值，为选矿厂磨矿分级系统能够在自动控制下保持稳定高效的运行提供了保证。

【发明内容】