[发明专利]一种球磨过程的物料粒径分布预测方法

摘要

本发明提供一种球磨过程的物料粒径分布预测方法，包括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预测模型；基于所述物料粒径分布预测函数，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；以及设置调整阈值和多个误差区间，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。本发明为指导球磨生产、实现球磨过程优化控制与节能降耗创造条件。

主权项

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。