磨矿分级过程计算机控制系统

磨矿分级工序是选矿生产的关键环节。文章简要介绍了磨矿分级工艺,设计了磨矿分级过程计算机控制系统,实现了磨矿分级的浓度和流量自动控制,并给出了控制系统的硬件和软件设计。     

磨矿仿真实验平台的设计和实现

采用Matlab软件及RSView32组态软件开发了磨矿生产过程虚拟对象计算机通用实验平台。系统采用半实物仿真结构,由模拟磨矿动态过程的虚拟对象计算机、实现回路控制和设备启停的可编程控制器、实现监控和过程优化的监控计算机组成。该平台提供了磨矿生产过程的控制实验环境,能对综合自动化系统中的控制与优化算法进行研究与改进,并为控制系统的早期开发、解决复杂生产过程的实时控制与优化提供了实验手段。     

磨矿过程综合自动化系统应用研究

作为选矿厂的关键作业环节，磨矿过程会消耗大量的金属材料和动力，可以有效提高磨矿作业指标，还能对选矿作业进行改善，成为未来选矿技术的主要发展趋势。本文基于我国当前磨矿工艺发展状况，主要对磨矿过程综合自动化系统结构及应用功能进行分析，探究了磨矿过程综合自动化系统应用控制策略，以期提高磨矿过程产品的合格率，进一步提升选矿厂的生产效率，降低能源消耗。     

基于PLC的磨矿分级监控系统设计

磨矿分级工序是选矿生产的关键环节,将自动化技术、计算机技术和网络通信技术应用于磨矿过程的自动控制,可提高磨矿效率、节能降耗;论文简要介绍了磨矿分级工艺及系统控制要求,设计了基于西门子S7-300 PLC的磨矿分级过程监控系统,讨论了系统结构、PLC硬件配置、软件设计,并利用WINCC设计了上位机监控界面,实现了磨矿分级的自动控制和远程监控;实际运行结果表明,该系统调节速度快、稳定可靠,实现了管控一体化,提高了磨矿分级的产品质量和企业的经济效益。     

基于PLC的磨矿分级智能控制系统

磨矿过程是选矿生产的关键环节。将自动化技术、计算机技术和网络通信技术应用于磨矿过程的自动控制,可提高磨矿效率、节能降耗。介绍了S7-400系列PLC应用于磨矿分级智能控制系统的实现技术,讨论了系统结构、PLC硬件配置、软件设计以及系统的主要控制方法。实际运行结果表明,该系统控制精度高、调节速度快、抗干扰能力强、稳定可靠,实现了管控一体化,提高了磨矿分级的产品质量和企业的经济效益。     

基于RBF神经网络的磨矿粒度预测模型

磨矿分级作业是选矿生产过程中至关重要的环节,磨矿粒度的好坏直接影响到浮选的精矿品位和回收率;通过分析实际磨矿过程的生产状况和基本的生产数据,磨矿粒度存在在线检测成本高、滞后时间长、实现困难等问题;在分析RBF神经网络结构特点的基础上,提出用RBF网络建立磨矿粒度预测模型,网络中心的选取采用可以在线学习的最近邻聚类算法;仿真结果表明,该网络非线性处理能力和逼近能力强,学习时间短,网络运算速度快,模型精度满足工艺要求。     

控制技术在选矿过程中的研究和应用

以东源县深坑选矿磨矿生产过程为背景,针对矿山铁选矿系统,首先介绍了整体控制方案,然后分步介绍了磨矿过程中主要参数的控制方法.采用这种方式后,可以大大提高生产过程的自动化水平,并且达到提高产品品质,提高回收率和台时处理量,降低能耗的目的.     

磨矿粒度动态过程的一种快速Monte Carlo仿真方法

磨矿是降低矿物粒度的工业过程,产品粒度是磨矿过程的关键质量指标. 由于磨矿粒度难以在线检测且磨矿生产过程具有综合复杂特性,难以采用传统控制方法实现磨矿粒度的控制. 因此,建立磨矿粒度和关键工艺参数的动态模型对于磨矿运行控制和优化具有重要意义. 采用总量平衡原理获得磨矿粒度的微分方程模型多数情况下无法获得解析解. 而基于Monte Carlo （MC）方法的磨矿粒度模型能够精确模拟磨矿粒度分布的动态变化,但是其仿真效率低难以实用. 本文针对这一问题提出一种新的MC仿真方法： 在定总量方法的基础上引入新的颗粒移除机制,在移除过程中动态地分配各个粒级颗粒数目并保持破裂前后各个粒级颗粒所占总颗粒数的百分比不变,避免颗粒移除过程中由于粒级差异导致的抽样误差,且避免MC仿真速度随着仿真推进下降的问题. 仿真实验验证表明,本方法能够在保证一定精度前提下显著提高磨矿粒度MC仿真的计算速度. 最后,通过一个实例介绍了本文仿真模型在磨矿优化控制中的应用.     

基于UML的磨矿分级流程模拟系统设计

磨矿分级流程是氧化铝选矿拜耳法过程的重要环节,其处理能力决定了选矿厂的整体效益.因此运用流程模拟技术开发磨矿分级流程模拟系统对氧化铝生产工业的提高产能,降低资源消耗等具有十分重要的意义.本文介绍了磨矿分级工艺流程,并基于面向对象开发过程,构造了模拟系统的总体框架,建立了系统的分析和设计UML模型.实践表明,应用UML技术,可以使系统具有良好的扩充性和重用性,还能有效提高系统开发效率.     

基于RBF神经网络的磨矿粒度软测量模型及实现

磨矿分级作业是选矿生产中的重要环节,磨矿粒度的好坏直接影响浮选的精矿品位和尾矿回收率;在实际生产中粒度的测量有在线粒度分析仪,但存在成本高、维修率高,离线实验室化验又有时间延迟大的问题;对实际磨矿分级作业过程进行了分析,提出用径向基函数(RBF)神经网络建立磨矿粒度软测量模型,采用正交最小二乘法(OLS)算法对网络进行训练学习,泛化校验;仿真结果表明,在较少训练数据下该网络非线性处理能力和逼近能力依然很强,学习时间短,模型基本符合要求;通过OPC技术将Matlab与PKS控制系统相结合,实现实时软测量磨矿粒度。     

基于模糊规则与CBR的磨矿专家控制方法

为了解决磨矿过程这一典型的复杂工业过程的优化控制问题,基于某选矿厂的两段全闭路磨矿流程展开研究,提出了基于模糊规则和案例推理相结合的磨矿专家系统控制方法,解决了实际应用中案例检索相似度较低,无法求解的问题.同时,为了进一步提高模型的准确性,解决由于检索到的案例与当前工况之间的差异导致的案例解之间存在差别的问题,采用RB...     

典型赤铁矿磨矿过程智能运行反馈控制

冶金磨矿是典型的高能耗、低效率过程,其控制与优化不仅仅是使常规过程控制系统尽可能好地跟踪期望设定值,而且要控制整个过程运行,实现表征磨矿整体运行性能的磨矿粒度与生产效率等运行指标的优化.针对我国广泛使用的赤铁矿两阶段全闭路磨矿,由于其原矿石性质与成份复杂且不稳定、粒级波动大,磨矿运行指标不能在线测量,工况时变,难以建立过程数学模型,提出基于数据与知识的智能运行反馈控制方法,包括基于案例推理的控制回路预设定、磨矿粒度动态神经网络软测量以及多变量模糊动态调节器.为了验证所提方法的有效性,将所题方法应用于中国某大型赤铁矿选厂,取得显著应用成效.     

Intelligent Optimal-Setting Control for Grinding Circuits of Mineral Processing Process

During the operation of a grinding circuit (GC) in mineral processing plant the main purpose of control and optimal operation is to control the product quality index, namely the product particle size, into its technically desired ranges. Moreover, the grinding production rate needs to be maximized. However, due to the complex dynamic characteristics between the above two indices and the control loops, such control objectives are difficult to achieve using existing control methods. The complexity is reflected by the existence of process heavy nonlinearities, strong coupling and large time variations. As a result, the lower level loop control with human supervision is still widely used in practice. However, since the setpoints to the involved control loops cannot be accurately adjusted under the variations of the boundary conditions, the manual setpoints control cannot ensure that the actual production indices meet with technical requirements all the time. In this paper, an intelligent optimal-setting control (IOSC) approach is developed for a typical two-stage GC so as to optimize the production indices by auto-adjusting on line the setpoints of the control loops in response to the changes in boundary conditions. This IOSC approach integrates case-based reasoning (CBR) pre-setting controlling, neural network (NN)-based soft-sensor and fuzzy adjusting into one efficient control model. Although each control element is well known, their innovative combination can generate better and more reliable performance. Both industrial experiments and applications show the validity and effectiveness of the proposed IOSC approach and its bright application foreground in industrial processes with similar features.     

磨矿过程的多变量模糊监督控制

针对磨矿过程的关键工艺指标-磨矿粒度难以用现有控制方法进行有效控制的难题,提出一种由模糊监督器、磨矿控制回路预设定模型和磨矿粒度预报器组成的磨矿过程多变量模糊监督控制(MFSC)方法.MFSC方法用于对磨矿过程进行监督,根据工况变化对回路控制器设定值进行调整.通过控制回路跟踪调整后的设定值,可将磨矿粒度控制在期望目标范围内.工业试验表明了所提出方法的有效性.     

基于自适应蚁群算法的作业车间模糊调度研究

在研究不确定生产调度问题的基础上,针对具有模糊加工时间和模糊交货期的调度问题给出了作业车间模糊调度模型,用三角模糊数表示模糊加工时间,梯形模糊数表示模糊交货期,以交货期平均满意度最大作为调度目标.针对模糊调度问题对基本蚁群算法作了改进,并给出了新的状态转移规则,同时采用自适应信息素更新策略使算法能快速跳出局部收敛,进行仿真结果验证了自适应蚁群算法求解作业车间模糊调度的有效性.     

加工时间不确定的炼钢连铸生产调度问题研究

针对炼钢连铸生产过程中存在的加工时间不确定性问题,采用三角模糊数表示不确定性加工时间信息,引入４种模糊运算,建立了问题的模糊规划调度模型．采用“中间值最大隶属度”的算法,将模糊规划调度模型转化为非线性规划模型,并在多重精炼工序、多机并行条件下,应用遗传算法求解最小完成时间．最后,利用实际生产数据的仿真实验表明了模型与算法的有效性．     

基于模糊推理模型的水泥粉磨专家控制系统研究

针对水泥粉磨这一类难用准确的数学模型来描述以及常规模糊控制器的控制效果不理想等问题,通过将模糊控制技术与专家系统的有机融合,提出了基于模糊推理的贴近度决策方法,建立了模糊控制规则模型,解决了模糊推理的规则匹配问题,并给出了控制结论的化优化求解模型。实验结果表明该方法改善了负荷控制性能,提高了产品质量和磨机生产效率。     

金矿选矿过程自动化系统设计

介绍了某金矿选矿过程自动化系统的设计思想和系统组成。结合选矿生产过程的特点,在实际中采用模糊控制的方法,根据偏差的大小和变化率来控制磨矿旋流器入口浓度;采用控制均匀值的思想,保持球磨机给矿量平均值的稳定;还介绍了一种测量浮选槽液位的方法。实际应用表明：该控制系统能有效控制生产过程,提高了生产能力,保证了精矿品位和回收率都达到或超过设计指标。     

超启发式交叉熵算法求解模糊分布式流水线绿色调度问题

针对实际生产过程中普遍存在的加工时间不确定性,采用模糊数表示工件的加工时间,以同时最小化模糊最大完工时间和模糊总能耗为优化目标,建立模糊分布式流水线绿色调度问题(green distributed permutation flow-shop scheduling problem with fuzzy processin...     

基于模糊聚类的模糊关联规则在流程企业中的应用

采用数据挖掘中的模糊聚类分析了流程企业中历史数据的区间值,然后用模糊关联规则挖掘出有用的规则。首先阐述了模糊聚类的RFCM算法和关联规则的Apriori算法的内容,分析了实现模糊关联规则的Fuzzy_ClustApriori算法流程,并用RFCM算法对实际数据进行分析,得到不同类别的模糊数。根据Fuzzy_ClustApriori算法的步骤对模糊化的参数点进行处理,得到了有价值的模糊规则,为流程企业的生产优化提供了理论依据。