[发明专利]一种湿法冶金浓密洗涤过程的故障监测与诊断方法在审
申请号: | 201810344519.X | 申请日: | 2018-04-17 |
公开(公告)号: | CN108734197A | 公开(公告)日: | 2018-11-02 |
发明(设计)人: | 肖冬;于志超;刘崇敏;单丰;杨丰华;付晓锐 | 申请(专利权)人: | 东北大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/50 |
代理公司: | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人: | 李晓光 |
地址: | 110169 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 支持向量机分类器 二维数据 故障监测 浓密洗涤 湿法冶金 训练集 预处理 采集 故障检测模型 支持向量机 诊断 故障特征 故障状态 管道堵塞 函数估计 模式识别 其他机器 三维矩阵 实际结果 样本数据 样本训练 影响因素 测试集 浓密机 小样本 高维 决策 标签 检测 预测 学习 | ||
本发明涉及一种湿法冶金浓密洗涤过程的故障监测与诊断方法,步骤为:确定故障状态及影响因素,提取故障特征,采集样本数据;对采集的三维矩阵数据进行预处理,得到二维数据阵;根据二维数据阵,为进行样本训练,得到训练集;将训练集对SVM分类器进行训练,得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型;用得到的检测模型对测试集进行标签预测,辅助实际决策和控制,或与实际结果比较,调整支持向量机分类器的参数。本发明利用支持向量机特有的优势解决小样本、非线性及高维模式识别问题,可以推广应用到函数估计等其他机器学习问题中,来辅助实际决策和控制,调整支持向量机分类器的参数,达到较理想的测试结果。
技术领域
本发明涉及一种湿法冶金领域中的浓密洗涤技术,具体为一种湿法冶 金浓密洗涤过程的故障监测与诊断方法。
背景技术
湿法冶金是处理复杂矿、低品位矿、且对环境污染较少的一种冶金方 法。湿法冶金是指金属矿物原料在酸性介质或碱性介质的水溶液中进行化 学处理或有机溶剂萃取、分离杂质、提取金属及其化合物的过程。
固液分离作为湿法冶金中连接浸出过程与置换过程的中间环节,位置 关键作用明显,浓密洗涤过程是以浓密机为主要设备进行固液分离的。浓 密机作为大型的固液分离设备,造价昂贵结构复杂,实际生产现场浓密机 的生产环境比较恶劣、干扰因素较多,从而造成浓密洗涤过程工况复杂。 由于控制不当、操作不当或疏于检测等因素,可能导致洗涤出的矿液质量 超标,如“跑浑”和底流浓度过低等异常状况,影响金属回收率和硫精矿的压滤效果,严重时甚至会导致“压耙”事故,使生产过程中断。浓密机一旦发生 严重故障致使洗涤工序无法进行,导致整个冶金工程生产瘫痪,造成巨大 浪费和严重经济损失。对浓密洗涤过程的运行状态进行监测可以及时检测 过程干扰以及其他的异常工况,定位并诊断引发故障的原因变量,有效预 防“压耙”、“跑浑”等故障的发生,是实现浓密洗涤过程安全经济生产的关键, 对保证生产过程安全运行,提高产品质量和生产效率有着重要意义。
浓密机是浓密洗涤过程中的关键设备,它起到了将矿浆中固相和液相 分离的作用。浓密机的构造主要有工作桥梁、刮泥传动装置、底部呈圆锥 形的槽体、主轴提升装置、传动主轴、耙架和刮板组成。浓密机采用的传 动方式为电机通过联轴器带动行星摆线减速器,减速器出轴通过一对开式 齿轮带动涡轮减速器传至主轴,从而带动耙子转动。
生产现场金矿的浓密洗涤过程使用一台高效浓密机,浓密机检测量有: 来料浓度、来料流量、浓密机溢流槽液位、溢流流量、底耙压力、底流浓 度、浓密机驱动电机的功率、浓密机洗水添加量,底流流量以及底流渣浆 泵功率等。浓密机的控制目标是使浓密机能够正常稳定的运行,要求浓密 机底流浓度控制在工艺要求的范围之内,以便在浓密机中维持一个浓缩泥 浆床,保持一定的浓缩层有利于压缩,加强浓密,提高整个过程的运行效率。浓密机的溢流槽的液位也要控制在要求的设定值附近,超过设定值太 多会引起溢流水溢出。底耙压力不能太大,否则可能使耙子负荷太大,造 成“压耙”现象,影响正常工作。
在实际生产过程中,浓密机底流管道易发生堵塞,主要是由于控制不 当、自然因素(异物调入浓密机)等原因,造成生产过程延误,同时造成 巨大的人力、物力及财力消耗。
发明内容
针对现有技术中湿法冶金的浓密洗涤过程存在浓密机底流管道易发生 堵塞故障或失效的潜在可能性等不足,本发明要解决的问题是提供一种湿 法冶金浓密洗涤过程的故障监测与诊断方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种湿法冶金浓密洗涤过程的故障监测方法,包括以下步骤:
1)确定故障状态及影响因素,提取故障特征,采集用于选定训练集和 测试集的样本数据;,
2)为建模和在线监测需要,对采集的三维矩阵数据进行预处理,得到 二维数据阵;
3)根据二维数据阵,为进行样本训练,得到训练集;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810344519.X/2.html,转载请声明来源钻瓜专利网。