基于神經(jīng)網(wǎng)絡(luò)的磨礦分級自動控制系統(tǒng)在廣西某選礦廠的應(yīng)用

摘 要：根據(jù)廣西某選礦廠的生產(chǎn)工藝情況和要求，本文在分析磨礦分級原理和影響因素的基礎(chǔ)上，設(shè)計一套基于神經(jīng)網(wǎng)絡(luò)的磨礦分級自動控制系統(tǒng)，對給定值的算法及其控制系統(tǒng)進(jìn)行優(yōu)化。該方案已在廣西某選礦廠成功應(yīng)用，經(jīng)濟(jì)效益顯著。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);極限學(xué)習(xí)機(jī);磨礦分級;自動控制

中圖分類號：TP29-A1 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2018）25-0090-03

在選礦廠，磨礦的上一道工序是破碎，下一道工序是分選，磨礦的目的是既要將礦石中有價成分單體分離，又要避免過度研磨，同時要保證礦漿的粒度、濃度等符合選礦指標(biāo)。磨礦和分級是兩道密切相關(guān)的生產(chǎn)工序，分級工序要負(fù)責(zé)將不符合選礦粒度的返砂返回磨機(jī)重磨，也要把符合選礦要求的相應(yīng)粒級的礦漿及時分離出來，供給下一道生產(chǎn)工序。過磨和欠磨的有價成分不僅不能被下一道選礦工序篩選出來，造成有價礦物跑尾，而且會增加選礦藥劑消耗等生產(chǎn)成本。

1 磨礦分級工藝

廣西某選廠粉礦倉底部安裝電磁振動給礦機(jī)，礦石通過皮帶入磨礦機(jī)，使用球磨機(jī)與旋流器閉路磨礦分級，合格礦漿經(jīng)旋流器分級送入下一道工序浮選環(huán)節(jié)。影響磨礦處理能力及磨礦產(chǎn)品粒度的因素包括給礦量、礦石粒度及硬度、分級設(shè)備的返砂量、高頻細(xì)篩的給水量、磨礦濃度、磨機(jī)轉(zhuǎn)速、介質(zhì)充填率、襯板狀況及磨礦介質(zhì)充填率等。這些因素的多變性及隨機(jī)性增加了磨機(jī)過程控制的難度。

2 磨礦分級控制方案

2.1 磨礦分級PID控制的優(yōu)缺點(diǎn)

無論是從算法還是軟硬件工具來說，PID控制都具有成熟可靠、使用方便等顯著特點(diǎn)，是工業(yè)現(xiàn)場應(yīng)用最廣泛的控制方法之一[1]。但是，對于一些多變量輸入輸出、非線性的控制對象，單純的PID控制很難滿足要求。

在磨礦分級控制過程中，核心控制指標(biāo)礦漿粒度和濃度受給礦量、給水量、返砂量、介質(zhì)充填率等眾多因素影響，是一個典型的多輸入、多輸出、非線性的復(fù)雜控制系統(tǒng)。PID控制只擅長單輸入-單輸出控制調(diào)節(jié)[2]。在本文的研究中，即使通過人工調(diào)節(jié)PID參數(shù)，也很難取得理想的調(diào)節(jié)效果。

2.2 磨礦分級神經(jīng)網(wǎng)絡(luò)控制的優(yōu)缺點(diǎn)

理論證明，2層以上的神經(jīng)網(wǎng)絡(luò)模型可以無限逼近任意的非線性曲線。目前，神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛應(yīng)用于機(jī)器視覺、模型建立、數(shù)據(jù)挖掘和人工智能模式識別等復(fù)雜領(lǐng)域，尤其在工業(yè)控制領(lǐng)域正發(fā)揮著越來越重要的作用[3]。神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)主要是學(xué)習(xí)效率低，參數(shù)設(shè)置比較煩瑣，需長期進(jìn)行大量數(shù)據(jù)的學(xué)習(xí)實驗。因此，在研究應(yīng)用中，需要花費(fèi)大量精力和時間去優(yōu)化神經(jīng)網(wǎng)絡(luò)算法及進(jìn)行驗證。

2.4 基于ELM的磨礦分級控制應(yīng)用

結(jié)合磨礦分級生產(chǎn)過程的實際過程，研究磨礦分級單隱層反饋神經(jīng)網(wǎng)絡(luò)。由于該工藝各個參數(shù)存在復(fù)雜的耦合關(guān)系，因此，單隱層反饋神經(jīng)網(wǎng)絡(luò)的輸入變量設(shè)置為5個，分別為：給礦量、給水量、礦漿濃度、配藥量和給藥量。隱層的節(jié)點(diǎn)個數(shù)初始設(shè)置10個，根據(jù)黃廣斌教授的理論，無論輸入權(quán)值和偏置如何設(shè)定，只要增加隱層節(jié)點(diǎn)個數(shù)n，就能實現(xiàn)0誤差訓(xùn)練[5，6]，因此，隱層節(jié)點(diǎn)個數(shù)應(yīng)在研究中靈活調(diào)整。單隱層神經(jīng)網(wǎng)絡(luò)其初始結(jié)構(gòu)如圖1所示。

礦漿濃度是隨時變化的，應(yīng)采用高精度在線檢測設(shè)備進(jìn)行測量;給礦量、給水量大小也存在很大的時變性，但通過高精度的核子秤、流量計，依然可獲取良好的檢測信息;配藥量、加藥量為浮選工段實時所需流量，各個藥劑之間存在嚴(yán)格配比關(guān)系，研究過程中可將各個藥劑的流量作為單獨(dú)輸入引進(jìn)神經(jīng)網(wǎng)絡(luò)中。根據(jù)以上設(shè)置，激勵函數(shù)選用S型函數(shù)，通過現(xiàn)場采集數(shù)據(jù)并對該神經(jīng)網(wǎng)絡(luò)進(jìn)行ELM訓(xùn)練。在訓(xùn)練中，通過在磨礦生產(chǎn)現(xiàn)場采集100份數(shù)據(jù)對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練，分成60組進(jìn)行訓(xùn)練，20組進(jìn)行驗證，20組進(jìn)行測試，經(jīng)過訓(xùn)練后，該系統(tǒng)期望方差為0.014 2。經(jīng)過MATLAB仿真研究，結(jié)果表明，隱層節(jié)點(diǎn)個數(shù)大于15后，自相關(guān)誤差為0，預(yù)測和實際數(shù)值間誤差幾乎為0，仿真效果十分理想。

3 結(jié)語

磨礦分級過程受眾多外界因素干擾，其本身是一個多變量輸入-多變量輸出的復(fù)雜控制系統(tǒng)。人工受能力、精力等客觀因素影響，很難及時準(zhǔn)確地對系統(tǒng)進(jìn)行調(diào)節(jié);傳統(tǒng)的PID等機(jī)器自動控制系統(tǒng)很難勝任多變量控制調(diào)節(jié)任務(wù)。本文針對磨礦分級難以控制的問題，提出了基于神經(jīng)網(wǎng)絡(luò)的磨礦分級自動控制系統(tǒng)，對給礦量、給水量等關(guān)鍵算法和控制系統(tǒng)進(jìn)行了優(yōu)化，該方案已在廣西某選礦廠成功應(yīng)用，經(jīng)濟(jì)效益顯著。

參考文獻(xiàn)：

[1]潘蓮輝，張美義，甘桂裕，等.模糊自整定PID控制方案在自動加藥系統(tǒng)中的應(yīng)用[J].化工自動化及儀表，2017（3）：262-266.

[2]袁遜，徐天宏，龐貴金，等.基于自適應(yīng)模糊PID控制的選礦藥劑自動配制系統(tǒng)的研究與應(yīng)用[J].有色金屬（選礦部分），2017（3）：91-93.

[3]徐辰華，李智.基于神經(jīng)網(wǎng)絡(luò)遺傳算法的鋁電解槽電壓優(yōu)化[J].系統(tǒng)仿真學(xué)報，2016（5）：1124-1130.

[4]韓波.基于集成學(xué)習(xí)的極限學(xué)習(xí)機(jī)的算法研究[D].青島：中國海洋大學(xué)，2014.

[5]張美義，廖承業(yè)，李玨，等.基于ELM的智能加藥系統(tǒng)的研究[J].礦冶，2017（2）：64-67.

[6]徐辰華，吳敏.基于神經(jīng)網(wǎng)絡(luò)的鉛鋅燒結(jié)過程產(chǎn)量質(zhì)量預(yù)測模型[J].系統(tǒng)仿真學(xué)報，2009（4）：1024-1028.