礦山浮選藥劑量控制模型研究

摘 要：在采礦中，浮選是選礦過(guò)程很重要的一個(gè)環(huán)節(jié)。在浮選工藝中，浮選藥劑添加量是一個(gè)很重要的控制指標(biāo)。在研究了國(guó)內(nèi)外浮選過(guò)程控制現(xiàn)狀的基礎(chǔ)上提出了基于RBF神經(jīng)網(wǎng)絡(luò)技術(shù)的浮選藥劑量控制模型和基于模糊控制技術(shù)的浮選槽液位控制方法。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；過(guò)程控制；模糊控制

我國(guó)礦石“貧、細(xì)、雜”，礦石成分復(fù)雜，性質(zhì)波動(dòng)嚴(yán)重，因而造成了我國(guó)浮選過(guò)程控制水平不高，浮選藥劑消耗量大，產(chǎn)品質(zhì)量波動(dòng)大，精礦回收率低，經(jīng)濟(jì)效益差的現(xiàn)狀，嚴(yán)重影響了我國(guó)鋼鐵工業(yè)的國(guó)際競(jìng)爭(zhēng)力。因此急需能夠滿(mǎn)足我國(guó)浮選工藝現(xiàn)狀的檢測(cè)設(shè)備及先進(jìn)控制算法，以提高我國(guó)浮選過(guò)程控制水平，以穩(wěn)定產(chǎn)品質(zhì)量，為后序煉鐵工序提供更好的原料。

對(duì)于浮選工藝過(guò)程控制，藥劑控制是根本性的。以反浮選為例，如果給藥量過(guò)少，無(wú)用礦物成分就不能充分浮選，則會(huì)導(dǎo)致精礦品位降低，不能滿(mǎn)足產(chǎn)品質(zhì)量要；如果藥劑量過(guò)多，不但藥劑費(fèi)用大，而且會(huì)導(dǎo)致返回的中礦量增加和尾礦品位增高，回收率降低，經(jīng)濟(jì)效益不理想。

本文根據(jù)影響浮選藥劑用量的因素確定了RBF神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)。針對(duì)RBF神經(jīng)網(wǎng)絡(luò)參數(shù)難以確定的缺點(diǎn)，提出一種基于蟻群算法RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。并通過(guò)仿真結(jié)果證明了該算法的有效性。

1 藥劑量控制模型結(jié)構(gòu)確定

目前傳統(tǒng)的藥劑添加方法是以給礦流量為參考，在應(yīng)用比例控制的方法的基礎(chǔ)上根據(jù)操作工經(jīng)驗(yàn)來(lái)控制藥劑流量。但由于浮選過(guò)程的嚴(yán)重非線(xiàn)性、干擾因素眾多且系統(tǒng)存在大滯后。這種簡(jiǎn)單的控制方法難以保證浮選最終精礦品位的穩(wěn)定，同時(shí)影響了精礦回收率。即使在浮選槽出口安裝上價(jià)值昂貴的在線(xiàn)精礦品位檢測(cè)儀表，由于浮選過(guò)程的大滯后特性，常規(guī)的閉環(huán)控制方法也難以達(dá)到目的。所以本章主要通過(guò)應(yīng)用浮選生產(chǎn)過(guò)程中積累的大量生產(chǎn)數(shù)據(jù)，根據(jù)相應(yīng)的浮選工藝參數(shù)，使用RBF神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)浮選過(guò)程進(jìn)行建模。然后根據(jù)初始生產(chǎn)條件，應(yīng)用建立好的數(shù)學(xué)模型預(yù)測(cè)所需的藥劑用量，從而克服系統(tǒng)的大滯后、非線(xiàn)性特性，穩(wěn)定浮選生產(chǎn)過(guò)程。

通過(guò)現(xiàn)場(chǎng)調(diào)研，我們知道原礦性質(zhì)和藥劑用量與浮選槽出口精礦品位有直接關(guān)系。最后我們依據(jù)工藝機(jī)理和現(xiàn)場(chǎng)操作工經(jīng)驗(yàn)知識(shí)，最終確定給礦品位、給礦流量、給礦粒度、給礦濃度、精礦品位5個(gè)變量對(duì)藥劑流量影響最大。

因此本文將給礦品位、給礦流量、給礦粒度、給礦濃度和精礦品位5個(gè)變量作為浮選藥劑量控制模型的輸入變量，將浮選藥劑流量作為模型輸出變量，從而建立一個(gè)5輸入、1輸出的RBF神經(jīng)網(wǎng)絡(luò)模型，模型結(jié)構(gòu)如圖1所示。

圖1 浮選藥劑量控制模型結(jié)構(gòu)圖

2 基于蟻群算法的網(wǎng)絡(luò)泛化能力優(yōu)化

我們應(yīng)用處理后的樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)性能進(jìn)行了測(cè)試（這里我們使用了700組樣本數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，50組數(shù)據(jù)作為網(wǎng)絡(luò)性能測(cè)試數(shù)據(jù)，網(wǎng)絡(luò)訓(xùn)練停止條件是網(wǎng)絡(luò)訓(xùn)練誤差小于網(wǎng)絡(luò)訓(xùn)練停止誤差或者超過(guò)最大訓(xùn)練次數(shù)。我們把網(wǎng)絡(luò)最大訓(xùn)練次數(shù)規(guī)定為5000次），測(cè)試中發(fā)現(xiàn)了兩個(gè)問(wèn)題。一是值得大小對(duì)網(wǎng)絡(luò)測(cè)試誤差的影響很大；二是網(wǎng)絡(luò)的訓(xùn)練停止誤差（訓(xùn)練次數(shù)）大小也影響測(cè)試誤差的大小。有時(shí)網(wǎng)絡(luò)訓(xùn)練停止誤差越小，反而網(wǎng)絡(luò)的性能越差。下面給出了仿真測(cè)試曲線(xiàn)：

圖2 不同r值下的模型預(yù)測(cè)曲線(xiàn)

3 蟻群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)

從網(wǎng)絡(luò)性能測(cè)試結(jié)果和上面關(guān)于神經(jīng)網(wǎng)絡(luò)泛化能力的相關(guān)知識(shí)我們可以知道，要提高本文RBF神經(jīng)網(wǎng)絡(luò)模型的泛化能力。在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，我們所能做的就是在確定一個(gè)合適的r值（確定合理網(wǎng)絡(luò)結(jié)構(gòu)），并且判定合理的網(wǎng)絡(luò)訓(xùn)練停止誤差（也可以是學(xué)習(xí)次數(shù)）。

[圖3 蟻群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)流程圖]

但是由于r值和網(wǎng)絡(luò)訓(xùn)練停止誤差是兩個(gè)參數(shù)，只有在兩個(gè)參數(shù)都合適的情況下才能獲得最好的網(wǎng)絡(luò)性能。這樣如何尋找這兩個(gè)參數(shù)的最優(yōu)組合就成了問(wèn)題的關(guān)鍵點(diǎn)。采用手動(dòng)試驗(yàn)的方式由于兩個(gè)參數(shù)的不同組合太多而難以實(shí)施。因而本文決定采用目前流行的蟻群優(yōu)化算法對(duì)上述兩個(gè)參數(shù)進(jìn)行優(yōu)化，來(lái)提高RBF神經(jīng)網(wǎng)絡(luò)的性能。本文應(yīng)用蟻群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的流程如圖3所示。

這里我們將樣本數(shù)據(jù)分成3個(gè)部分：一部分為訓(xùn)練樣本集；一部分為內(nèi)部測(cè)試樣本集；一部分為外部測(cè)試樣本集。蟻群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的工作過(guò)程如下：

Step1：蟻群算法參數(shù)。

Step2：隨機(jī)選定r值和網(wǎng)絡(luò)訓(xùn)練停止誤差。

Step3：采用文中的網(wǎng)絡(luò)中心和權(quán)值訓(xùn)練方法，應(yīng)用訓(xùn)練樣本集訓(xùn)練RBF網(wǎng)絡(luò)。訓(xùn)練結(jié)束后，應(yīng)用內(nèi)部測(cè)試樣本集測(cè)試網(wǎng)絡(luò)泛化誤差。

Step4：根據(jù)泛化誤差計(jì)算蟻群算法適應(yīng)度函數(shù)，適應(yīng)度函數(shù)值滿(mǎn)足要求或蟻群算法迭代次數(shù)超過(guò)目標(biāo)次數(shù)則停止算法，并給出參數(shù)優(yōu)化結(jié)果。否則進(jìn)行蟻群算法操作重新搜索r值和網(wǎng)絡(luò)訓(xùn)練停止誤差后返回Step3。

通過(guò)蟻群算法的優(yōu)化，我們最后得到r=1.37，網(wǎng)絡(luò)訓(xùn)練停止誤差為6.3×10-4。此時(shí)RBF神經(jīng)網(wǎng)絡(luò)仿真結(jié)果如下：

[圖4 蟻群算法優(yōu)化后的模型預(yù)測(cè)曲線(xiàn)]

從上面的仿真結(jié)果可以看出，使用螞蟻群算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化后，模型的精度有了一定提高，模型的預(yù)測(cè)誤差絕大多數(shù)分布在±2%之間。從模型的控制精度來(lái)看，可以滿(mǎn)足浮選過(guò)程藥劑量控制的需要，為浮選過(guò)程控制水平的提高奠定了一定基礎(chǔ)。

作者簡(jiǎn)介：王威（1982-），女，遼寧鞍山人，講師。