浮选加药量预测模型的研究

为解决浮选加药过程中存在的人为主观因素大,浮选产品灰分易波动,浮选药剂耗损量大等问题,分别建立了基于BP神经网络和GRNN神经网络的两种加药量预测模型,并设计硬件系统,对两种模型预测的捕收剂添加量和起泡剂添加量进行了试验验证。结果表明,基于BP神经网络建立的浮选加药量预测模型预测效果较好,更适用于浮选生产过程中的药剂添加量预测。     

基于PSO-LSSVM的煤泥浮选药剂自动添加系统研究

针对煤泥浮选过程手动加药存在加药方式粗放、随意性较强、药剂消耗大、工人劳动强度高等问题,提出了一种基于最小二乘支持向量机(LS-SVM)的浮选药剂量预测及自动添加方法。选择煤泥浮选过程主要过程变量作为模型输入变量,药剂添加量作为输出变量,建立了一个基于LSSVM的多输入多输出模型,同时利用粒子群算法(PSO)对模型内部参数进行优化选择,并进行了仿真验证。应用效果表明:在保证产品质量情况下,系统能够有效地降低药剂消耗,其中捕收剂消耗量降低了13.73%,起泡剂消耗量降低了12.67%,应用效果良好。     

浮选自动加药机的研究概况

为了获得良好的浮选结果,在浮选过程中有必要精确添加各种浮选药剂.加药机起添加药剂的作用,它的药剂添加精度将决定浮选效果好坏.综述了加药机的发展历程,介绍了电磁阀式加药机和计量泵式加药机的原理和结构,预测了自动加药机的发展前景.     

铜选矿厂浮选过程控制系统的研究与应用

信息技术的飞速发展,引起自动化系统结构的变革,逐步形成以网络集成自动化系统为基础的生产过程信息化系统。针对浮选过程的复杂性及选矿药剂对浮选指标的影响,利用浮选过程控制系统和定量加药控制系统的以太网通讯接口,对自动控制系统的PLC系统数据通讯和上位机组态软件进行信息层的集成开发,实现浮选液位控制系统与定量药剂添加设备的集成,通过数据共享,协调这两个工艺参数因素。重点介绍浮选过程自动控制系统集成方案和应用。     

邢台选煤厂煤泥浮选控制系统的研究

阐述了一个典型的煤泥浮选自动控制系统的研究过程。系统采用定值控制方式 ,根据吨煤药耗确定浮选药剂的添加量。系统可以实现动态显示浮选流程、生产趋势图 ,可以人工在线随时修改吨煤药耗等。系统实现自动控制以后将会对工人劳动生产率、浮选工艺指标以及选煤厂的经济效益产生重大影响。     

洗煤厂浮选自动加药装置的研制与应用

浮选药剂人工添加方式工作量大,精煤质量不易控制,精煤产率低,生产成本高,有必要对洗煤厂浮选加药方式进行药剂自动添加改造,以达到药剂的定量、精确添加.浮选自动加药装置的研制与应用实现了药剂添加自动化,使精煤质量稳定、产率提高和节省浮选剂用量,同时也较大幅度地降低了操作者的劳动强度.     

一种新型气动阀门在自动加药系统中的应用

由于各选矿厂浮选环境的差异性、药剂黏稠和添加量的不同,普通阀门难以满足自动加药系统的使用需要。设计了一种新型电磁气动阀门,介绍了阀门结构、工作原理,并将该阀门用于某钨选矿厂浮选自动加药系统,实现了液体浮选药剂添加量的精确控制,取得较好的效果。该阀门经济适用性强,可根据特定工作环境和液体药剂性质进行改进,具有一定的推广应用价值。     

范各庄矿选煤厂浮选加药系统改造实践

文章针对范各庄矿选煤厂原浮选加药系统存在的加药精度差、元件老化等问题,对原有系统进行改造,采用隔膜变频计量泵代替电磁阀控制加药,完善了加药程序,提高了药剂添加精度,改造的后浮选加药系统操作方便,节省浮选药剂;同时文章还对新加药系统使用中存在的细节问题提出了解决方案。     

浮选自动化系统中的微小流量测量

在浮选自动化系统中 ,为保证浮选药剂的准确添加 ,药剂流量的测量非常关键 ,这就需要精确的微小流量测量装置。文章介绍了一种利用电容式微差压变送器测量微小流量的装置及其工作原理、药剂量管路的设计等情况。     

选煤厂浮选过程检测与控制的研究

根据同位素放射线穿过煤浆时强度的衰减规律,用3种不同的射源,研制了煤浆测灰仪。以上为基础,开发了一套多流测灰系统,用于测量多种煤浆的灰分。借助多流测灰系统测得的灰分,设计了浮选计算机控制系统,它结合了按入料中干煤泥量加药和按浮选精灰分加药的原理,运用模糊控制技术,通过调整浮选药剂添加量,实现浮选过程的反馈控制。经生产使用表明,煤浆测灰仪的性能指标接近国外先进水平,同时浮选过程实现闭环控制后,提高了浮选精煤的回收率,也降低了药剂耗量。     

选煤厂浮选过程智能控制系统设计

针对屯兰选煤厂浮选过程加药量控制精度低、稳定性差、精煤洗出率低的问题,设计浮选过程智能控制系统。智能控制系统由基于BP神经网络的加药量预测模型和基于CAN总线通信的监控平台两部分组成,使得浮选过程智能化、透明化、信息化。经试验验证:屯兰选煤厂浮选过程采用BP神经网络预测模型后加药量更加精确、稳定,提高了精煤洗出率。     

基于RBF网络的浮选过程技术指标智能预测系统的研究

利用ZJWNNC标准函数建立了浮选过程技术指标与矿浆性质、药剂用量之间的关系模型 ,并对该模型进行了仿真试验。仿真结果表明 ,模型输出能以较高精度逼近样本数据。基于上述模型开发了西林铅锌矿浮选过程技术指标智能预测系统 ,并进行了工业试验。工业试验的结果表明 ,该系统能够以较高的精度预测浮选过程作业回收率和精矿品位。该系统的成功开发为浮选过程的优化控制奠定了基础。     

基于浮选过程的液位控制系统研究

浮选控制作为选矿厂生产过程中的一个重要环节,直接影响选矿厂的效益指标,因此必须充分发挥矿山自动化、先进控制、智能仪表以及大数据分析等技术优势,提高浮选过程的生产指标,增加市场竞争力,以保证浮选作业工作的稳定,在保证精矿、尾矿品位合格且标准差稳定的前提下,有效提高精矿金属回收率。液位控制作为浮选生产过程重要的环节,直接影响泡沫的移动速度控制,从而对选矿关键指标品位和回收率产生影响,另外液位控制也是整个浮选控制的难点和重点,因为选矿厂浮选过程通常是长流程、多设备耦合、大滞后、非时变、非线性的生产过程,在液位调节过程必须考虑整个浮选系统的液位协同控制,否则将会给系统带来巨大扰动,导致整个浮选系统不可控,严重影响整个选矿厂的经济指标,因而对浮选过程液位控制系统展开研究。     

基于MPC的浮选智能专家优化系统

针对浮选工艺复杂,多变量耦合、非线性强,难以控制的特点,浮选智能专家优化系统利用预测控制(MPC)技术,对浮选系统建模,预测系统的变化及扰动对浮选的影响,适时调整控制策略,优化浮选系统控制,保证浮选系统运行稳定,提高精矿品位,降低浮选药剂量,提高精矿的回收率。     

镍浮选过程智能控制系统开发与应用

针对国内某选矿厂镍浮选工艺来矿性质不稳定,泡沫速率不稳定,精矿品位波动大,回收率不理想的特点,并结合浮选生产现场检测设备不完备或者检测周期长、费用高的现状,设计了一套基于品位预测模型的浮选过程智能控制系统,系统投入运行后,泡沫流速稳定性显著提高,精矿品位波动性明显减小,证明了系统的实用性。     

复杂高品位硫氧混合铜浮选智能控制技术研究,

复杂高品位混合铜浮选工艺一直以来是选矿领域的研究热点和难点之一。同时,这种类型的浮选过程智能控制也属于行业空白。本文通过采用浮选过程专用的载流X荧光分析仪、泡沫图像分析仪对工艺过程在线监测,得到了反映混合铜浮选过程的重要工况参数,实现了流程的工况诊断。进一步通过研究基于模糊规则的浮选药剂添加与浮选机的液位充气量控制,实现了这一浮选流程的智能控制。通过本研究形成的控制系统,连续、稳定、可靠地应用于穆索诺伊选矿厂的生产过程之中,获得了较为明显的经济效益。     

浮选柱数学模型研究现状

浮选柱是细粒矿物浮选的有效设备,有着广阔的市场应用前景。研究浮选柱的数学模型,对于物料特性和操作参数已知时预测选别指标、浮选柱的设计放大及浮选过程的控制和优化有着重要意义。本文简要介绍了国内外浮选柱数学模型研究现状。     

Contemporary advanced control techniques for flotation plants with mechanical flotation cells – A review

Successful control of flotation plants in modern conditions represents a challenging and complex task that has yet to be accomplished. There have been multiple attempts, however, to find an appropriate control technique that would completely cover the dynamic, complex and poorly-defined flotation system. This paper presents a literature review of current theoretical and applied researches in the field of control of flotation plants with mechanical flotation cells. Significant aspects of the stratification of control levels are described in the paper, with emphasis on advanced techniques that include predictive and intelligent control methods.Traditional PID controllers are found not suitable for the comprehensive control of dynamic flotation systems, except, in part, for the lower hierarchy levels. In the area of advanced control, model predictive methods can improve flotation process performances, but as a rule, in a short period of time. Intelligent methods are playing a significant role in flotation process control, increasing its flexibility, although none of the available variations completely satisfy all the process control aspects.Bearing in mind the results achieved so far, further improvements are expected in the areas of overall control strategy, individual control components and repositioning of advanced control methods.     

Integrated prediction model of bauxite concentrate grade based on distributed machine vision

Concentrate grade of bauxite flotation is an important technology indicator, which has a direct effect on aluminum quality. Considering the unity, locality and inaccuracy of existing prediction methods of concentrate grade based on machine vision, a distributed machine vision system of bauxite flotation process is built in this paper, from which an integrated prediction model of concentrate grade is presented. At first, we use experimental methods to analyse image data from different flotation stages, as well as comment on the relationship between its global trends and local trends. Then taking advantage of the multiple kernels least squares support vector machine and wavelet extreme learning machine, models for prediction of concentrate grade and its residual compensation are established respectively to predict the concentrate grade through integration. Finally, validation and industrial applications show that the integrated prediction model based on distributed machine vision has a good generalization capability, which can achieve a good prediction accuracy of concentrate grade, with a relative error of less than 6%, thus laying a foundation for optimal control based on mineral grade in flotation process.