关键工艺参数软测量模型包括二段磨矿粒度软测量模型、一段磨矿粒度软测量模型、一段磨矿质量浓度软测量模型和磨机负荷推理模型。其中二段磨矿粒度软测量模型采用基于案例推理的软测量算法对二段磨矿粒度指标进行预报;一段磨矿粒度软测量模型采用人工神经网络对一段磨矿粒度指标进行预报。一段磨矿质量浓度软测量模型根据球磨机的给矿量、返砂水流量、螺旋分级机电流等过程输入输出数据,采用基于神经网络与物料平衡相结合算法,给出当前磨矿质量浓度的在线估计值。建立磨矿质量浓度软测量模型的目的在于解决磨矿质量浓度无法用仪表直接在线测量的问题,以保证适宜的磨矿质量浓度从而使得球磨机的磨矿效率达到最佳。
磨机负荷推理模型根据一段球磨机有功功率,螺旋分级机电流,球磨机给矿量等过程输入输出数据,采用模糊推理算法,给出当前磨机负荷的估计值,并将磨机负荷的估计值输入一段磨矿智能设定模块,作为优化设定的约束条件。
3综合自动化系统实施及应用效果
某大型赤铁矿选矿厂年处理铁矿石5×106t,其磨矿工序具有8个系列的一段球磨机和7个系列的二段球磨机。所处理的矿石矿物组成复杂,铁矿物嵌布粒度细,属弱磁性难选矿石。以往磨矿的生产主要由操作员通过眼看、手摸、耳听等手段进行操作,往往等发现产品质量有问题后才进行相应的生产参数调整,生产波动较大,操作不稳定,生产质量难以保证,影响正常作业。
结合选矿厂生产工艺实际情况,设计实施了磨矿过程综合自动化系统。控制系统采用美国AB公司的Controllogix5000系统,基于RSview32,VBA等组态开发环境,开发了监控软件、过程控制软件和优化控制软件,实现了过程控制系统和过程管理系统的集成。
磨矿过程综合自动化系统自投运以来取得了显著的应用成效,图4和图5分别给出了一段和二段磨矿过程的控制效果曲线,各输出变量跟踪各自的优化设定值。综合自动化系统有效地避免了人为主观因素对磨矿运行过程造成的影响,保证了磨矿生产的平稳、安全和高效运行,明显改善了工人的劳动强度和工作环境;系统自动投运以来,球磨机的台时处理量提高0.7t/h,二次磨矿粒度从原来的72.98提高到75.90,提高了2.92个百分点。
4结束语
针对磨矿过程当中存在的大惯性、时变、非线性、工艺参数(磨矿粒度、磨矿质量浓度、磨机负荷)难以在线测量等综合复杂性,提出了由磨矿智能优化设定系统和磨矿回路控制系统组成的实现磨矿粒度和磨机处理量优化控制的磨矿过程智能优化控制策略。结合选矿厂生产过程,提出了由智能优化控制系统、运行过程管理系统组成的两层结构的磨矿过程综合自动化系统。该系统可以推广到钢铁、有色金属、选矿、水泥等行业的复杂生产过程,有广阔应用前景。
参考文献
[1>DuarteM,RedardJ.GrindingoperationoptimizationoftheCODELCO-Andinaconcentratorplant[J>.MineralsEngineering,1998,11(12):1119-1142.
[2>ManuelD,FlorencioS.Acomparativeexperimentalstudyoffivemultivariablecontrolstrategiesappliedtoagrindingplant[J>.PowderTechnology,1999,104(1):1-28.
[3>AndreP,DanielH.Asurveyofgrindingcircuitcontrolmethods:fromdecentralizedPIDcontrollerstomultivariablepredictivecontroller[J>.PowderTechnology,2000,108(2):103-115.
[4>HerbstJAandPateWT.Objectcomponentsforcomminutionsystemsoftsensordesign[J>.PowderTechnology,1999,105(1):424-429.
[5>欧洲钢铁工业联盟著.欧洲钢铁工业技术发展指南[M>.韩静涛译.北京:中国金属学会,1999.
[6>HousemanLA,SchubertJH,HartJRandCarewWD.PlantStar2000:aplant-widecontrolplatformformineralsprocessing[J>.MineralsEngineering,2001,14(6):593-600.
[7>柴天佑,李小平,周晓杰,等.基于三层结构的金矿企业现代集成制造系统[J>.控制工程,2003,10(1):18-22.