基于流量特性的調(diào)節(jié)閥閥芯曲線智能擬合*

李戰(zhàn)明，王云峰,2，袁占亭

(1.蘭州理工大學(xué)電氣工程和信息工程學(xué)院，甘肅 蘭州 730000)

在浮選過程中，浮選槽液位控制是浮選生產(chǎn)中的一個(gè)重要環(huán)節(jié)，其輸入輸出流量的大小及調(diào)節(jié)閥的控制等各影響因子之間的關(guān)系錯(cuò)綜復(fù)雜, 又相互影響, 是一種復(fù)雜的非線性關(guān)系, 用傳統(tǒng)的分析方法難以進(jìn)行模擬。由于神經(jīng)網(wǎng)絡(luò)模型(Neural Network Model)具有對(duì)復(fù)雜對(duì)象、糊信息分析與建模的優(yōu)勢(shì)[1], 本文提出了基于神經(jīng)元網(wǎng)絡(luò)技術(shù)的軟測(cè)量方法，在基于過程補(bǔ)余量算法中，引入利用不同形狀的反饋凸輪片產(chǎn)生不同非線性來(lái)改變控制閥的原有流量特性，結(jié)合比例系數(shù)μi得到具有線性流量特性的不同調(diào)節(jié)閥曲線函數(shù)，最后通過仿真不同調(diào)節(jié)閥閥芯曲線函數(shù)給控制帶來(lái)的影響，得到了適合大型浮選機(jī)浮選槽調(diào)節(jié)閥閥心曲線函數(shù)的建模和優(yōu)化過程。

如今由于全球經(jīng)濟(jì)發(fā)展對(duì)礦物原料質(zhì)量、數(shù)量要求的不斷增長(zhǎng)和礦產(chǎn)資源的品味越來(lái)越貧，大型浮選設(shè)備在礦物加工領(lǐng)域的作用和重要性日益突出，國(guó)內(nèi)外各研究機(jī)構(gòu)和公司紛紛加強(qiáng)了開發(fā)和研究工作[2-3]。金川集團(tuán)公司自主研發(fā)了我國(guó)第一臺(tái)160m3大型充氣機(jī)械攪拌式浮選機(jī)，并配備了液面自動(dòng)控制系統(tǒng)和充氣量自動(dòng)控制系統(tǒng)[4]，該系統(tǒng)對(duì)浮選槽液位控制效果的好壞直接影響到精礦品位和回收率的工藝指標(biāo)的優(yōu)劣[5]。

1 神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型的建立

由于出口閥門流量測(cè)量滯后較大且很難通過傳感器直接進(jìn)行測(cè)量，采用軟測(cè)量技術(shù)提供估計(jì)值，為浮選槽液位優(yōu)化控制與決策提供重要信息。

1.1 神經(jīng)網(wǎng)絡(luò)的選擇

1985年美國(guó)MIT的PDP小組提出BP模型是近年來(lái)應(yīng)用最廣泛的網(wǎng)絡(luò)之一[6]。通過對(duì)各種神經(jīng)網(wǎng)絡(luò)建模和函數(shù)逼近能力的評(píng)價(jià)，結(jié)合流體是液體時(shí)其慣性大的特點(diǎn)，選用BP網(wǎng)絡(luò)為建模用神經(jīng)網(wǎng)絡(luò)。

1.2 神經(jīng)網(wǎng)絡(luò)模型的建立

圖1 軟測(cè)量的結(jié)構(gòu)圖

2 基于過程補(bǔ)余量算法

浮選槽液位的控制，受浮選槽入口礦液流量、浮選槽容積以及出口調(diào)節(jié)閥閥門開度調(diào)節(jié)等因素的制約，液位變化的過程是與入口流量和出口流量相關(guān)的過程[8]。不失一般性，設(shè)定控制作用為控制過程的流入量Uc，稱為控制量；流出量由負(fù)荷需求UL決定；被控參數(shù)只影響流出量，其影響程度為1/K，稱K為過程通道的增益[9]。根據(jù)過程的儲(chǔ)存特性，過程的儲(chǔ)存量可表示為：

(1)

其中SU為過程的儲(chǔ)存量，y是被控參數(shù)。

對(duì)儲(chǔ)存量及參數(shù)的變化給出如下定義：

(2)

其中ΔSU稱為過程儲(chǔ)存量的補(bǔ)入量，簡(jiǎn)稱補(bǔ)入量；Δy是對(duì)應(yīng)于ΔSU的被控參數(shù)調(diào)整量。ΔSU>0，稱正補(bǔ)入；ΔSU<0，稱為負(fù)補(bǔ)入。

3 滿足調(diào)節(jié)閥理想流量特性設(shè)計(jì)

對(duì)于閥的流量特性，當(dāng)閥前后壓差一定時(shí)的流量特性稱為理想流量特性或稱固有流量特性[10]，如圖2所示。

圖2 理想流量特性

3.1 理想流量特性與目標(biāo)補(bǔ)入量之間的關(guān)系

線性流量特性是指調(diào)節(jié)閥的相對(duì)開度與相對(duì)流量為直線關(guān)系：

(3)

其中R為半徑，L為行程，Umax為最大流量，UL為行程為L(zhǎng)時(shí)的流量，l為實(shí)際行程。結(jié)合基于過程補(bǔ)余量算法[11]，得到浮選過程中流量符合線性特性的余量與調(diào)節(jié)閥有關(guān)參數(shù)的關(guān)系式：

·Umax

(4)

其中Ji+1為該狀態(tài)下目標(biāo)補(bǔ)入量，Ri為該時(shí)刻調(diào)節(jié)閥閥芯半徑，li為該時(shí)刻調(diào)節(jié)閥實(shí)際行程。

3.2 神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)閥曲線擬合

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

(5)

輸出單元每產(chǎn)生一個(gè)實(shí)際的輸出向量時(shí)，用期望輸出與實(shí)際輸出之差修正網(wǎng)絡(luò)權(quán)值。權(quán)值修正采用δ學(xué)習(xí)規(guī)則，權(quán)值wij取(-1，1)之間的隨機(jī)數(shù)。然后求出不同開度下半徑所對(duì)應(yīng)的行程，進(jìn)而得到半徑與行程相應(yīng)的序偶對(duì)(Ri,li)，對(duì)該序偶對(duì)按半徑由小到大排序，得到有序的序偶對(duì)(Ri',li')，最后對(duì)該序偶對(duì)進(jìn)行神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)閥曲線擬合，可得到任意精度擬合曲線：

Ax2+Bxy+Cy2+Dx+Ey+F=0

(6)

3.3 比例系數(shù)μi

根據(jù)伯努利方程[12]：

ρυ2=常數(shù)

(7)

其中P代表壓強(qiáng)，ρ代表流體密度，υ代表流體速度。在實(shí)際應(yīng)用時(shí)，由于理想流量特性已經(jīng)畸變?yōu)楣ぷ髁髁刻匦浴Ｔ诤雎阅Σ良盁峤粨Q情況下，對(duì)于不可壓縮流體定常流動(dòng)，應(yīng)用式(6)擬合出的閥芯曲線函數(shù)，我們可以得到理想靜態(tài)狀況下，調(diào)節(jié)閥從一種狀態(tài)變化到另外一種狀態(tài)時(shí)體積的變化率μi：

(8)

由于閥芯從一種形狀變?yōu)榱硗庖环N情況，導(dǎo)致在同等行程下，閥芯半徑發(fā)生了變化，相應(yīng)地流量開度也發(fā)生了變化，這里用體積的變化率μi值來(lái)對(duì)閥芯半徑進(jìn)行修正。下面是對(duì)浮選槽排礦時(shí)調(diào)節(jié)閥在不同開度和行程下神經(jīng)網(wǎng)絡(luò)擬合后的各采樣點(diǎn)流速的修正：

(i=0,1,…,n)

(9)

其中υ1=0，n為采樣點(diǎn)數(shù)目，L為行程，g為重力加速度。浮選槽中流體，濃度、流量和壓強(qiáng)等時(shí)刻都在發(fā)生變化，修正后的流速可以減小誤差帶來(lái)的影響。

4 實(shí)驗(yàn)仿真

(1)利用結(jié)論，結(jié)合現(xiàn)場(chǎng)工藝及設(shè)計(jì)要求，基于神經(jīng)網(wǎng)絡(luò)軟測(cè)量技術(shù)，求出反饋凸輪片應(yīng)產(chǎn)生的非線性作用，并且應(yīng)用μi值進(jìn)行修正，可分別計(jì)算出調(diào)節(jié)閥不同行程所應(yīng)對(duì)應(yīng)的開度，表1給出了一種情況下行程為li時(shí)開度的對(duì)應(yīng)值Ri。

表1 li的對(duì)應(yīng)值Ri

(2)對(duì)表1中的采樣點(diǎn)，應(yīng)用文中的神經(jīng)網(wǎng)絡(luò)軟測(cè)量的方法進(jìn)行神經(jīng)網(wǎng)絡(luò)曲線擬合：

y=-5.469 7x2-8.297 3e-0.16x+0.46

(10)

(3)滿足線性流量特性的調(diào)節(jié)閥曲線。

圖4中給出了經(jīng)神經(jīng)網(wǎng)絡(luò)軟測(cè)量計(jì)算擬合后調(diào)節(jié)閥的3種不同函數(shù)曲線，它們均在各自不同的開度和行程狀態(tài)下可以完全滿足線性流量特性的設(shè)計(jì)要求。但是，通過繼續(xù)研究，通過現(xiàn)場(chǎng)跟蹤檢測(cè)，圖5給出了調(diào)節(jié)閥閥芯采用3種不同函數(shù)曲線時(shí)浮選槽液位的變化情況，當(dāng)調(diào)節(jié)閥閥芯為拋物線函數(shù)曲線時(shí)浮選槽液位變化最小，有利于浮選槽的液位穩(wěn)定；同時(shí)，從仿真應(yīng)用不同調(diào)節(jié)閥閥芯的控制系統(tǒng)中，圖6給出了其相應(yīng)控制系統(tǒng)的階躍響應(yīng)曲線，當(dāng)閥芯為拋物線函數(shù)曲線時(shí)其控制效果最佳。

5 結(jié) 論

在金川有色金屬公司選礦廠進(jìn)行的工業(yè)試驗(yàn)表明：作為我國(guó)目前單槽容積最大的浮選設(shè)備液面控制系統(tǒng)配備的調(diào)節(jié)閥，達(dá)到了工藝設(shè)備的要求，對(duì)閥芯的大小和形狀等有關(guān)參數(shù)與液面穩(wěn)定方面的相關(guān)性進(jìn)行了探討，為我國(guó)研究開發(fā)大型浮選機(jī)各項(xiàng)技術(shù)的本土化，具有自主知識(shí)產(chǎn)權(quán)等，奠定了良好的科學(xué)理論依據(jù)。

圖4 三種不同函數(shù)曲線

圖5 液位變化情況

圖6 階躍響應(yīng)曲線

參考文獻(xiàn)：

[1] 王兆禮, 陳曉宏, 李艷.基于BPNNSI的多年平均水面蒸發(fā)量插值方法[J].中山大學(xué)學(xué)報(bào):自然科學(xué)版,2007,46(1):114-115.

WANG Zhaoli;CHEN Xiaohong，LI Yan.Yearly mean pan evaporation interpolation method based on back propagation neural network model[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni,2007,46(1):114-115.

[2] 許榮華.硫化鎳及硫化銅鎳礦石選礦概述[J].昆明理工大學(xué)學(xué)報(bào),2000(4):16-19.

XU Ronghua. Brief review on separtion of nickel sulfide ores and nickel-copper sulfide ores[J]. Journal of Kunming University of Science and Technology,2000(4) :16-19.

[3] 王碧善.國(guó)外大型浮選機(jī)的研制與應(yīng)用[C].大型浮選機(jī)學(xué)術(shù)研討會(huì),1988:17-27.

[4] 沈振昌,劉振春.KYF-50充氣機(jī)械攪拌式浮選機(jī)研制[J].礦冶,2001(3):31-36.

SHEN Zhengchang,LIU Zhenchun. Development of KYF-50 pneumo-mechanical flotation machine[J]. Beijing General Research Institute of Mining and Metallurgy,2001(3):31-36.

[5] 黃開國(guó),陳萬(wàn)雄.一種低品位鎳礦石的浮選工藝[J].中國(guó)有色金屬學(xué)報(bào),1999,9(3):601-605.

HUANG Kaiguo, CHEN Wanxiong. A flotation technique for low grade nickel ore[J].The Chinese Journal of Nonferrous Metals, 1999,9(3):601-605.

[6] 羅中良,麥宜佳,余劍峰.基于多傳感器的神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法[J].中山大學(xué)學(xué)報(bào):自然科學(xué)版,2001,40(5):21-24.

LUO Zhangliang; MAI Yijia; YU Jianfeng.Method of model identification using neural network network based on multi-sensor[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni,2001,40(5):21-24.

[7] 金以慧,王詩(shī)宓,王桂增.過程控制的發(fā)展與展望[J].控制理論與應(yīng)用,1997,14(2):145-151.

JIN Yihui; WANG Shifu; WANG Guizeng. Developments and prospects of process control[J]. Journal of Control Theory and Applications,1997,14(2):145-151.

[8] BERKAN R C. Advanced automation concepts for large scale-systems[J].IEEE Control Systems Magazine,1991,11(5):4-8.

[9] 朱國(guó)瑜.過程補(bǔ)入量與仿人智能控制.第二屆全國(guó)智能控制專家討論會(huì)論文集[C].清華大學(xué),1994:481-486.

[10] 周其鑒.仿人智能控制器[J].中國(guó)儀器儀表,1993(2):5-9.

ZHOU Qijian. Human-simulated intelligent controller[J].China Instrumentation,1993(2):5-9.

[11] 柏建國(guó),胡可劍.補(bǔ)償純滯后過程的新方法──智能采樣調(diào)節(jié)[J].化工自動(dòng)化儀表,1989(5):23-27.

BAI Jianguo,HU Kejian. A new method on compensation for time delay process-regulation on intelligent sampling[J].Control and Instrument in Chemical Industry,1993(5):23-27.

[12] 蔡武昌,孫淮清,紀(jì)綱.流量測(cè)量方法和儀表的選用[M].北京：化學(xué)工業(yè)出版社.2004:301-302.