一种多源数据驱动与物理特征融合的旋流器溢流粒度预测的方法与流程
本发明涉及一种多源数据驱动与物理特征融合的旋流器溢流粒度预测的方法,属于矿物加工智能控制领域。
背景技术:
1、磨矿产品的分离,在选矿工业中主要依靠分级作业完成,目的是将磨矿产物中粒度已达到要求的细颗粒和未达标的粗颗粒分离开来,具体方法有筛分、分级,其中筛分就是利用筛网将物料按几何尺寸分开,工业上常用有圆筒筛、振动筛等;分级则是利用固体颗粒在介质(通常是水或空气)中沉降速度的不同,将粒度范围较宽的物料群,分离成两个或多个粒度级别(细级别和粗级别)的作业过程,最常用的是螺旋分级机、水力旋流器等。水力旋流器利用离心力场加速沉降,分级效率更高、占地面积小,是目前细粒分级的主流设备。旋流器溢流粒度(p80)是磨矿系统中的关键性指标,直接决定下游浮选段的金属回收率。目前的旋流器粒度检测方法存在明显不足:
2、1、目前主要的旋流器溢流粒度检测方法为取样筛分,过程中需要一定的时间,无法实现对粒度的实时检测,不能够实时指导工业生产。
3、2、粒度分析仪本身存在±5%的物理测量噪声,且易受矿石块度、矿浆浓度、旋流器堵塞等多个未直接测量的工况因素影响。
4、3、由数据驱动的“黑箱”模型可解释性差,对于数据量要求较高,并且针对异常工况失真严重。
5、4、在对旋流器分级产品,需要进行手动取样筛分,操作复杂,不能及时获得数据等等。
6、因此,发明一种实时性高、可解释性好、适用性强以及部署方便的旋流器对溢流粒度进行实时预测模型有重要意义。
技术实现思路
1、针对上述现有技术存在的问题及不足,本发明提供一种多源数据驱动与物理特征融合的旋流器溢流粒度预测的方法。通过本发明建立的模型可用于实时预测旋流器溢流粒度p80,有利于现场及时调整磨机以及旋流器参数,避免无效运转,对选厂节能降耗、提质增效有重要意义。本发明通过以下技术方案实现。
2、一种多源数据驱动与物理特征融合的旋流器溢流粒度预测的方法,其步骤包括:
3、(1)以半自磨-球磨-旋流器流程为参考,基于分布式控制系统(distributedcontrol system)在线采集与旋流器溢流相关的六个测点以及对应旋流器实际粒度的数据,对数据进行清洗并切分成训练、验证、测试三组数据集;
4、(2)现场测量半自磨机、球磨机和旋流器的实际参数以及给入矿石密度;
5、(3)根据磨机功率计算公式hogg-fuerstenau公式、旋流器粒度分级公式plitt公式以及矿石能耗定律bond功第三定律确定所需的关键参数;
6、(4)对步骤(1)中测点数据进行特征空间扩展,并用已得到的特征空间扩展数据、步骤(2)中设备参数、步骤(3)中的设备参数基于显式数学公式建立旋流器溢流粒度p80预测模型:
7、;
8、其中y1为旋流器溢流粒度p80预测值,j_sag为半自磨机的装料率,j_bm为球磨机的装料率,x7_mean5为旋流器底流泵流量5分钟均值,x7_mean30为旋流器底流泵流量30分钟均值,x6_lag1为旋流器给矿泵流量1分钟前值,p_hogg_bm基于hogg-fuerstenau公式计算的球磨理论功率,x6_mean30为旋流器给矿泵流量30分钟均值,x7为旋流器底流泵流量,x7_lag10为旋流器底流泵流量10分钟前值,x6_lag30为旋流器给矿泵流量30分钟前值,x1_std30:给矿量x1的30分钟标准差;x3_lag2:入磨矿石粒度的2分钟前值。
9、所述步骤(1)中六个测点的数据为给矿量x1、入磨矿石粒度均值代理x3、半自磨筒体磨音强度x5、旋流器进料泵流量代理x6、旋流器底流泵流量代理x7、球磨筒体磨音强度x8。
10、所述步骤(1)中数据为在线采集的分钟级数据。
11、所述步骤(2)中实际参数包括所涉及的半自磨机几何尺寸、配置,球磨机尺寸、配置,旋流器尺寸、进料和排料口直径。
12、所述步骤(3)中关键参数为磨机装料率j,理论功率phogg,旋流器几何主项d50以及bond比能耗。
13、所述步骤(3)中磨机装料率可由磨机磨音强度反演得出,反演公式为:装料率=0.45-0.20×tanh(2×(归一化磨音-0.5))。
14、所述步骤(4)中特征空间扩展后的数据包括:6个dcs测点、30个滞后特征、36个滚动窗口特征、8个比率与交叉特征、9个物理特征。
15、所述步骤(4)中选定步骤(1)、(2)、(3)中关键特征后,通过最小化残差平方和的模型训练和验证确定每个特征前的系数,然后再通过测试数据进行测试,剔除更多不显著的变量,最终得到旋流器溢流粒度p80预测模型。
16、所述步骤(4)中旋流器溢流粒度p80预测模型通过plc控制器嵌入数据或者excel手算进行计算。
17、通过上述方法还能获得中阶版(1个基准项+20个加权项)旋流器溢流粒度p80预测模型,中阶版旋流器溢流粒度p80预测模型为:
18、
19、其中,x1、x3、x5、x6、x7、x8分别为半自磨给矿量、给矿粒度均值、半自磨磨音强度、旋流器给矿泵流量、旋流器底流泵流量、球磨机磨音强度;j_sag为半自磨机的装料率;j_bm为球磨机的装料率;p_hogg_bm为计算得出的球磨机理论功率;x_stdn表示x的n分钟前的标准差,x_stdn2表示x的n分钟前的方差;x_meann表示x的n分钟前的均值,x_meann2表示x的n分钟前的均值的平方;x_lagn表示x在n分钟前的值;x_lagn2表示x在n分钟前的值的平方。
20、以及高阶版(1个基准项+181个加权项)旋流器溢流粒度p80预测模型,高阶版旋流器溢流粒度p80预测模型为:其中,,为常数项; 为系数项;为由“常数、原始变量的线性效应以及二次效应、变量的比值与交叉、和差线性组合、窗口滚动、时间滞后、变量与参数的混合交互”生成的特征项。
21、本发明的有益效果是:
22、(1)即测即用、实时响应:模型所需的全部输入变量(包括给矿量、充填率、磨音、泵流量等)均可通过现有工业传感器在线连续采集,无需额外取样或离线化验。这一特性使得模型能够以秒级响应速度输出溢流粒度p80的预测值,为操作人员提供及时、可靠的调控依据,真正实现了磨矿分级过程的便捷化与时效化管控。;
23、(2)自动化程度高,摆脱人工依赖:无需人工取样或离线化验,实现了溢流粒度的在线连续预测,消除了人工操作带来的滞后与误差,可直接写进excel、plc控制器或dcs上位机,部署成本接近零;
24、(3)适用范围广:该预测方法不依赖于特定矿石或特定设备,对磨矿分级流程中的常见扰动(矿石硬度变化、磨机衬板磨损、钢球消耗等)具备良好的自适应能力,可广泛应用于多种规格的半自磨/球磨闭路分级系统。在指导现场生产时,只需获得相应时刻的测点数据,通过极简公式y1即能在短时间得出旋流器溢流粒度p80。
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