一种基于数字孪生的稀土采选能效仿真与调控方法与系统
本发明涉及稀土矿山采选过程控制,具体涉及一种基于数字孪生的稀土采选能效仿真与调控方法与系统。
背景技术:
1、稀土矿物通常与萤石、方解石、重晶石、铁矿物、硅酸盐矿物等脉石或伴生矿物紧密共生,实际选矿流程需要根据矿石类型采用破碎磨矿、重选、磁选、浮选以及化学处理等组合工艺;其中,细磨和超细磨工段往往消耗大量的电能。如何在高耗能磨矿工艺和高回收率选别之间找到边际效益的最优平衡,大幅提升每单位有效回收稀土氧化物的综合能效,是目前稀土矿物加工领域的重点研究问题。
2、现有稀土矿采选现场通常能够采集设备电流、功率、皮带秤、矿浆浓度、流量、ph、药剂量、浮选泡沫图像和部分在线品位数据,但这些数据往往分散在 dcs、plc、mes、lims、能源管理系统和人工报表中,难以形成可用于实时决策的统一状态。此外,决定选矿质量的精矿品位与尾矿损失等核心指标往往依赖耗时漫长的人工化验,这种严重的时滞导致生产调控具有极大的盲目性,操作人员无法预知当前的给矿量、加药量或加风量调整对全流程能效和最终回收率的真实耦合影响,导致局部环节虽然节能但全流程回收率大幅下降或药剂节省但尾矿稀土流失超标等全流程失调问题。
3、因此,需要提出一种基于数字孪生的稀土采选能效仿真与调控方法,在保障稀土回收质量的前提下动态压降单位稀土氧化物产品的能耗与药耗,最终实现稀土采选的全局最优控制。
技术实现思路
1、有鉴于此,本发明提供一种基于数字孪生的稀土采选能效仿真与调控方法及系统,用以解决现有稀土采选过程调控盲目滞后、质量与能效割裂、无法实现全局最优控制的技术问题。
2、第一方面,本发明提供了一种基于数字孪生的稀土采选能效仿真与调控方法,包括:
3、实时获取目标稀土采选全过程的多源数据;所述多源数据至少包括矿石基础属性数据、工艺状态数据、设备运行数据、质量检测数据、能源消耗数据以及安全环保监测数据;
4、对进入加工流程的矿石批次进行标记,基于所述工艺状态数据和设备运行数据提取物料输送特征,构建矿石批次流转关系,并计算得到不同矿石批次在加工流程的各工艺单元中的质量占比;
5、根据各矿石批次的质量占比与矿石基础属性数据,构建各工艺单元内不同矿石批次的动态能效特征;
6、调用预构建的稀土采选数字孪生模型,将各批次矿石对应的动态能效特征和对应的多源数据输入至所述数字孪生模型中,动态预测在不同工艺控制参数组合下的选别质量指标、综合能耗指标、安全环保指标以及尾矿稀土损失率;其中,所述数字孪生模型包括粒度-解离模型、分选响应模型、设备能效模型及数据驱动残差模型;
7、以所述选别质量指标、综合能耗指标、安全环保指标与尾矿稀土损失率为优化目标,在满足设备性能和产品质量的约束条件下,求解工艺控制参数的推荐参数值;
8、将所述推荐参数值转换为可执行控制指令下发并执行;当接收到质量检测反馈数据后,利用所述数字孪生模型的预测数据与实际反馈数据的残差,反向更新所述数字孪生模型参数及动态能效特征。
9、第二方面,本发明提供了一种基于数字孪生的稀土采选能效仿真与调控系统,用于实现上述技术方案的方法,包括:
10、数据采集层,用于实时获取目标稀土采选全过程的多源数据;所述多源数据至少包括矿石基础属性数据、工艺状态数据、设备运行数据、质量检测数据、能源消耗数据以及安全环保监测数据;
11、矿石动态追踪层,用于对进入加工流程的矿石批次进行标记,基于所述工艺状态数据和设备运行数据提取物料输送特征,构建矿石批次流转关系,并计算得到不同矿石批次在加工流程的各工艺单元中的质量占比;
12、特征表征层,用于根据各矿石批次的质量占比与矿石基础属性数据,构建各工艺单元内不同矿石批次的动态能效特征;
13、仿真模型层,用于调用预构建的稀土采选数字孪生模型,将各批次矿石对应的动态能效特征和对应的多源数据输入至所述数字孪生模型中,动态预测在不同工艺控制参数组合下的选别质量指标、综合能耗指标、安全环保指标以及尾矿稀土损失率;其中,所述数字孪生模型包括粒度-解离模型、分选响应模型、设备能效模型及数据驱动残差模型;
14、多目标优化调控层,用于以所述选别质量指标、综合能耗指标、安全环保指标与尾矿稀土损失率为优化目标,在满足设备性能和产品质量的约束条件下,求解工艺控制参数的推荐参数值;
15、反馈更新层,用于将所述推荐参数值转换为可执行控制指令下发并执行;当接收到质量检测反馈数据后,利用所述数字孪生模型的预测数据与实际反馈数据的残差,反向更新所述数字孪生模型参数及动态能效特征。
16、相比于现有技术,本发明提出的基于数字孪生的稀土采选能效仿真与调控方法及系统具有以下优势:
17、(1)本发明通过对进入加工流程的矿石批次进行标记,结合工艺状态数据与设备运行数据提取物料输送特征,构建矿石批次在各工艺单元间的流转关系并计算质量占比,使得每个工艺单元内的能耗、质量表现能够精确追溯到具体矿石批次,克服了传统方法按设备或时间维度笼统统计能耗、无法区分不同矿石批次贡献差异的问题,为精细化调控提供了可信的状态基础。
18、(2)本发明构建了兼具机理可解释性与数据自适应能力的多子模型融合数字孪生体系,通过构建包括粒度-解离模型、分选响应模型、设备能效模型的数字孪生模型,分别从磨矿解离、分选行为、设备效率三个维度对生产过程进行机理建模,从而在控制动作真正下发前,对不同工艺控制参数组合下的选别质量指标与综合能耗指标进行虚拟预测,为决策提供依据。
19、(3)本发明以数字孪生模型预测的选别质量与综合能耗指标构建多目标优化函数,在设备能力与产品质量约束下求解推荐控制参数并下发执行,同时在接收到质量检测反馈数据后,利用预测数据与实际反馈数据之间的残差反向更新数字孪生模型参数及矿石能效特征,使模型能够持续跟踪矿石性质波动和设备状态变化,避免了开环控制或静态模型长期使用后产生的预测失准问题。
1.一种基于数字孪生的稀土采选能效仿真与调控方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述多源数据通过对稀土加工流程中的破碎、磨矿、分级、浮选、磁选、浓缩和脱水工段进行同步采集及时序分析后得到;
3.根据权利要求1所述的方法,其特征在于,所述基于所述工艺状态数据和设备运行数据提取物料输送特征,构建矿石批次流转关系,并计算得到不同矿石批次在加工流程的各工艺单元中的质量占比,包括:
4.根据权利要求1所述的方法,其特征在于,所述各工艺单元内不同矿石批次的动态能效特征表示为多维状态向量;
5.根据权利要求4所述的方法,其特征在于,所述数字孪生模型中的粒度-解离模型用于根据矿石批次的粒度分布特性、硬度指数及当前工艺控制参数,计算稀土矿物解离度分布及选择性解离阈值;
6.根据权利要求4所述的方法,其特征在于,所述数字孪生模型的分选响应模型用于预测选别质量指标和尾矿稀土损失率,包括:
7.根据权利要求1所述的方法,其特征在于,所述数字孪生模型中的设备能效模型用于根据设备运行数据及所述动态能效特征,计算各工艺单元设备的比能耗、效率衰减系数及负荷率,并预测得到所述综合能耗指标,包括:
8.根据权利要求7所述的方法,其特征在于,所述数字孪生模型中的设备能效模型用于预测所述安全环保指标,包括:
9.根据权利要求7所述的方法,其特征在于,所述优化目标构建为综合多目标加权优化函数,包括全流程综合稀土回收率最大化目标项、单位稀土氧化物综合能耗最小化目标项、单吨选别药剂消耗成本最小化目标项,以及尾矿中有害化学药剂残留浓度最小化目标项;
10.一种基于数字孪生的稀土采选能效仿真与调控系统,其特征在于,用于实现权利要求1-9任一项所述的方法,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com