[发明专利]一种球磨过程的物料粒径分布预测方法

权利要求书

1.一种球磨过程的物料粒径分布预测方法，其特征在于，包括：

S1、基于物料的破碎分布函数、连续破碎速率函数以及停留时间分布函数，获得连续磨矿的物料粒径分布的预测模型；

S2、基于所述预测模型，获得预测的物料粒径分布与实际的物料粒径分布之间的预测误差；以及

S3、设置调整阈值以及多个误差区间，基于一定时间内所述预测误差出现在不同误差区间的概率与调整阈值的关系，相应调整所述预测模型；

其中，所述步骤S1之前还包括：

基于第1粒级物料和其他任意两个粒级物料的粒径以及破碎分布参数，获得任意两个粒级物料的所述破碎分布函数；

基于任意一个粒级物料的粒径、物料的入料粒径、该粒级物料在某时刻以及前一时刻的破碎速率的比值、破碎速率参数、粒径破碎变化参数、工况决定参数以及物料分布决定参数，获得所述连续破碎速率函数；以及

基于伽马函数、球磨时间以及物料平均停留时间，获得物料在球磨时间内的停留时间分布函数；

获得所述工况决定参数和物料分布决定参数的方法为：

根据分批磨矿的工况参数反算，获得初始的工况决定参数和物料分布决定参数；

将所述分批磨矿的工况参数与所述初始的工况决定参数和物料分布决定参数作为建模样本，建立可学习神经网络；

设置所述可学习神经网络的隐含层神经元个数和激励函数种类；以及

将所述工况参数输入至所述可学习神经网络，获得所述可学习神经网络输出的所述工况决定参数和物料分布决定参数。

2.如权利要求1所述的方法，其特征在于，所述步骤S2之前还包括：

基于所述预测模型，获得磨机出口每一粒级物料的预测的质量分数；

基于磨机出口每一粒级物料的预测的质量分数和实际的质量分数以及总粒级数，获得均方根误差；以及

基于所述均方根误差，识别所述预测模型满足精度要求。

3.如权利要求1所述的方法，其特征在于，所述步骤S3包括：

S3.1、设置调整误差阈值为P₀以及三个依次增大的误差阈值ε₀，ε₁，ε₂，在一段连续时间内统计预测模型误差ε分别落在0＜ε＜ε₀，ε₀＜ε＜ε₁，ε₁＜ε＜ε₂，ε＞ε₂区间的次数n₀，n₁，n₂，n₃，在该连续时间内预测误差ε出现在不同区域的概率为：

pri=niΣi=03ni;i=0,1,2,3;]]>

S3.2、当预测误差ε满足pr₁＞P₀时，基于即时学习，选择最佳的建模样本，对所述可学习神经网络输入的工况数据进行优化。

4.如权利要求3所述的方法，其特征在于，基于即时学习，选择最佳的建模样本，对所述可学习神经网络输入的工况数据进行优化，包括：

基于当前工况参数和过去一段时间的历史工况参数的欧氏距离和空间夹角建立相似度模型；以及

基于所述相似度模型，选择相似度较高的前一定数量的历史工况参数以及该历史工况参数对应的工况决定参数以及物料分布决定参数作为最佳的建模样本。