磨矿浓度对磨矿产品粒度组成特性的影响

磨矿浓度是影响磨矿产品粒度组成特性的关键因素.根据柿竹园矿石性质,在实验室和工业试验中分别考察不同浓度下一段磨和二段磨的产品粒度组成特性.结果表明,实验室条件下一段磨矿浓度在75 %、二段磨矿浓度在65 %时能获得均匀性好、合格产品粒度粗和有用磨矿耗能低的磨矿产品质量.工业试验条件下一段磨矿和二段磨矿产品中合格粒级产率分别增加2.23 %和3.96 %、平均粒度分别加粗1.13 μm和3.8 μm,过粉碎分别减轻0.88 %、1.35 %,磨矿过程技术效率分别增加2.79 %、4.86 %,能耗利用率分别增加4.39 %、6.12 %.同时,分级溢流产品中合格粒级产率增加0.72 %,平均粒度加粗1.4 μm,过粉碎减轻6.76 %,分级溢流产品质量得到全面优化.对选矿厂而言,稳定磨矿浓度非常有必要.      

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

基于智能磨矿介质及CNN和优化SVM模型的球磨机负荷识别方法

当前球磨机负荷检测方法难以准确评估磨机内部变化,给磨机综合运行状态的控制和优化带来较大难度。本文设计了一款内嵌加速度传感器且与钢球介质物理性质相一致的智能磨矿介质用于识别磨机负荷,开展了不同充填率等磨矿条件下的磨矿试验,设计磨矿效果系数划分磨机负荷状态;分别采用了卷积神经网络方法(CNN)和优化的支持向量机(SVM)模型对智能磨矿介质获取的加速度信号进行球磨机负荷识别。基于优化的SVM模型将获取的一维加速度信号进行互补集合经验模态分解算法（CEEMD）去噪、时域特征值和样本熵提取等预处理,将上述磨机负荷的特征向量分别输入GA?SVM、GS?SVM、PSO?SVM分类模型进行训练,研究表明,PSO?SVM模型的识别准确率可达98.33%,但存在训练过程繁琐,耗费时间长的问题。在图像识别领域具有优秀应用能力的CNN模型是把智能磨矿介质检测加速度信号数据转换为二维图片后直接输入基于VGG19网络的CNN模型进行分类识别,磨机负荷分类识别准确率高于优化的SVM模型,可达98.89%,在保证识别准确率的同时有效节约了计算时间。基于CNN的智能磨矿介质球磨机负荷识别方法可为实现球磨机负荷检测与在线评估提供重要解决方案与技术保障。      

BCOISOA-BP网络在磨矿粒度软测量中的应用

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求.     

金属矿山选矿厂磨矿分级自动控制研究现状

自动控制技术在国内选矿厂磨矿分级流程中应用已有将近40年,为促进磨矿分级控制系统的工业化应用和深入研究,对磨矿分级控制系统的发展进行了综述。目前磨矿分级检测仪表主要分为给矿量、矿浆流量、矿浆浓度、矿浆粒度、矿仓料位、磨机负荷量等六个方面;检测手段分为直接测量和间接测量。磨矿分级控制策略从传统控制策略发展为现代控制技术和人工智能控制技术相互结合的控制策略。     

基于T-S模糊神经网络模型的高炉铁水温度预测建模

 针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。     

基于模型迁移方法的回转窑煅烧带温度软测量

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS),首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温度建模,然后用PMBPS算法对窑头温度模型进行规划修正,获得煅烧带温度的软测量模型.仿真验证了所提出的软测量建模方法的有效性.     

南芬选矿厂一段磨矿分级沉砂抛尾的可行性研究

本钢集团矿业公司南芬选矿厂大选车间采用溢流型球磨机与水力旋流器组合,用于一段、二段闭路磨矿分级工艺。针对南芬选矿厂生产能力不足的实际情况,提出了能否在一次分级后对沉砂进行抛尾,为此对一次沉砂做了一系列可选试验。试验结果表明,对一次沉砂抛尾可行。关键词:沉砂;粒度组成;可选性;磁性     

矿浆粒度测量系统综述

在磨矿过程中矿浆粒度的测量,历来为选矿厂所重视。这是因为:磨矿费用占矿石处理费用的比例很高;而磨矿细度和均匀度,对选矿产品的质量和回收率又有着直接的影响。过去,一般选矿厂,多采用人工间断的测粒法,其效果是极有限的,尤其不能适应过程自动控制的需要。     

山东某金矿选厂磨浮工艺参数优化试验探究与应用

某金矿选矿厂采用一段磨矿+一段浮选工艺流程,磨矿系统改造为自动化控制系统后,存在一系列问题,通过工艺参数优化,实现产能优化提升。     

酒钢选矿厂强磁系统合理磨矿粒度组成研究

磨矿作业是实现有用矿物单体解离并提供具有合适入选粒度矿样的重要手段，是选矿厂的关键性工序。酒钢选矿厂磨矿作业存在的主要问题是产品“过粉碎”严重，影响了选矿厂技术指标的提高，本文针对这一问题进行了研究。     

利用JKSimMet模拟软件对磨矿分级作业优化分析

磨矿分级作业在选矿厂中的作用举足轻重,本文通过对某铜选厂磨矿分级系统进行考察,利用JKSim Met软件对考察结果进行分析讨论,从磨机给矿粒度、磨矿浓度、旋流器溢流浓度、钢球直径等方面进行了物料平衡、模拟计算和优化分析,最终得出选厂改造的合理化建议。     

瓷球磨矿在湖南柿竹园公司中的工业应用

为了解决湖南柿竹园公司钢球磨矿存在的高能耗、粒度分布特性差、钨过粉碎严重等问题,以柿竹园选矿厂中二段磨和三段磨给矿作为研究对象,进行了瓷球磨矿的工业化应用,对比了瓷球替换前后磨矿效果和节能降耗变化。磨矿效果表明,瓷球介质优于钢介质,使得瓷球磨矿下分级回路中的循环负荷减轻,分级质效率和量效率也得到明显提升。同时瓷球磨矿可以改善磨矿产品的粒度及金属分布,减轻过粉碎,使合格粒级中有用金属更多。其中,二段磨溢流产品中钨金属在合格粒级中的分布率高出钢锻产品7.2个百分点,三段磨溢流产品中铁金属在合格粒级中的分布率高出钢球产品2.1个百分点。对比磨矿能耗可以发现,在二段磨矿中,磨机运行功率从506 kW降低至307 kW,介质消耗从0.47 kg/t降低至0.12 kg/t;在三段磨矿中,磨机运行功率从300 kW降低至200 kW,介质消耗从0.83 kg/t降低至0.14 kg/t。     

磨矿过程的自动调节

磨矿过程是整个选矿厂与选金厂的主要操作过程之一。选矿厂全部经营费用约40～50％要投在磨矿过程上。选矿厂各种产品的数量、质量、指标与磨矿工段的操作情况有很大的关系。无论在粒度方面,或矿浆浓度方面,磨矿产品粒度的均匀性对精选过程来说,具有很大的意义。在现有人工调整法的条件下,磨矿和机组很难在良好的条件下操作。此     

某公司铜炉渣选矿磨矿细度工艺参数的探索和研究

磨矿细度是影响选矿指标的重要因素,进而影响选矿厂的经济效益。本文根据某公司铜炉合成炉的矿物特性的及工艺特点,对磨矿细度进行探索和研究,为最终工艺指标的达标打下基础。试验表面,合成炉渣一段磨矿细度达到-400目占80%,二段磨矿细度-400目达到90%为最合适参数。     

板坯连铸二次冷却智能控制模型

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量.     

基于神经网络质量模型的磨矿过程智能控制

通过分析实际磨矿过程的生产状况和基本的生产数据 ,提出了在磨矿过程中结合比值调节控制前水和给矿量 ,运用专家系统对给矿量进行优化控制和基于神经网络质量模型的智能控制方法。实际仿真研究表明 ,该方法能够提高生产效率 ,解决磨矿过程中有一定难度的溢流浓度和分级粒度控制问题。     

如何有效提高拜尔法格子磨磨矿效率

本文结合我厂生产实际,通过对影响拜尔法格子磨磨矿效率因素进行分析,特别对分级设备、循环负荷、入磨矿石粒度等因素对磨矿效率的影响进行了分析研究,指出格子磨-旋流器一段闭路磨矿工艺经过完善和优化;进一步降低入磨矿石粒度,是山西分公司提高磨矿效率的有效途径,通过生产实践证明,格子磨加旋流器一段闭路磨矿流程是目前拜尔法原矿浆制备工艺提高磨矿效率,保证矿浆细度的最佳选择。     

一段磨矿分级采用水力旋流器替代螺旋分级机的应用研究

针对云南某多金属选矿厂一段磨矿分级效率低,溢流细度提升小的问题,采用水力旋流器替代螺旋分级机。经过小试和工业优化试验,最终确认了采用FX500-GX旋流器作为一段分级旋流器。试验结果表明,使用旋流器替代螺旋分级机后,磨矿效果和分级指标有明显提升。磨矿分级设备均可通过DCS自动化控制系统控制,提高了磨矿分级工艺流程的稳定性,最终磨矿产品粒度组成更加均匀,过粉碎减少,为后续作业创造了良好条件。同时,球磨机平台噪声分贝有明显下降,有利于减少现场操作员工的职业健康危害因素。     

磨矿过程设定值在线优化策略设计

针对基于传统模型的方法难以在线优化磨矿过程回路设定值的问题,提出了基于案例推理与强化学习的运行指标优化方法,建立基于自回归神经网络的Q函数模型,并应用案例推理更新模型连接权值,实现了磨矿过程关键参数的实时优化。