專利名稱：基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動控制技術(shù)領(lǐng)域，特別涉及對選礦廠磨礦工段中用于研磨礦石的由球磨機和螺旋分級機組成的濕式磨礦系統(tǒng)的基礎(chǔ)控制回路進行智能優(yōu)化設(shè)定的方法。
背景技術(shù)：
就選礦領(lǐng)域而言，磨礦作業(yè)的基本任務(wù)就是使礦物原料粉碎到適宜的粒度，使有用礦物成分從脈石中單體解離，或不同有用礦物成分相互分離，為后續(xù)選礦過程提供原料。由球磨機和螺旋分級機組成的濕式磨礦回路廣泛用于將礦石研磨至工藝要求的粒度范圍內(nèi)，粒度過大或過小均對后續(xù)的選別過程產(chǎn)生不利影響。由于每一種選礦方法和選礦工藝流程分選不同粒度組成的物料時的選礦效率不同，且都有不同的物料分選粒度下限，因此，對于給定的礦石和選礦流程，依據(jù)磨礦產(chǎn)生最適宜的粒度組成十分重要。目前，常規(guī)的磨礦控制方法僅能實現(xiàn)新給礦量、溢流濃度、入口加水量的基礎(chǔ)回路控制，而無法根據(jù)磨礦粒度指標的目標給出基礎(chǔ)控制回路的優(yōu)化設(shè)定值。

發(fā)明內(nèi)容
為了解決以上磨礦系統(tǒng)的控制方法之不足，本發(fā)明提供一種基于案例推理的智能優(yōu)化設(shè)定方法，根據(jù)磨礦粒度指標的目標，給出當前磨礦系統(tǒng)基礎(chǔ)控制回路的優(yōu)化設(shè)定值，使磨礦分級系統(tǒng)處于最優(yōu)的工作狀態(tài)，以獲得由合格粒度組成的磨礦產(chǎn)物。
本發(fā)明的智能優(yōu)化設(shè)定方法依賴于磨礦系統(tǒng)硬件平臺，由智能優(yōu)化軟件實現(xiàn)。
其硬件平臺核心由球磨機、螺旋分級機以及相關(guān)設(shè)備組成，同時配備了測量儀表，執(zhí)行機構(gòu)以及進行軟件計算的計算機系統(tǒng)。其硬件的聯(lián)接是球磨機的輸入端與皮帶給料機、球磨機入口加水量管路及分級機返砂口相聯(lián)接，球磨機輸出端與出口補加水入口同時與螺旋分級機輸入口相接，螺旋分級機返砂端與球磨機入口相接，詳細結(jié)構(gòu)如下(如圖1所示)以球磨機和螺旋分級機為核心的磨礦系統(tǒng)，還包括以下測量儀表用于在線測量球磨機新給礦量QGKL的稱重儀表(如核子秤或皮帶秤)，安裝在球磨機給料皮帶上；用于在線測量球磨機入口加水量WF1的流量計，安裝在球磨機入口加水管上；用于在線測量分級機溢流濃度DYLND的密度計，安裝在分級機溢流管路上；兩個功率計或兩個電流計，用于在線測量球磨機功率PQM、螺旋分級機功率PFJJ或球磨機電流和螺旋分級機電流，分別與球磨機及分級機的驅(qū)動電機相接，由于功率信號與電流信號等價，所以本說明書中PQM和PFJJ也可以用來表示球磨機和螺旋分級機電流信號。
其執(zhí)行機構(gòu)包括兩個電動調(diào)節(jié)閥門，分別用于調(diào)節(jié)球磨機入口補加水和球磨機出口補加水，安裝于球磨機入口補加水管和球磨機出口補加水管上；一個變頻器，用于調(diào)節(jié)給料機振動頻率，與振動給料機相接；該磨礦系統(tǒng)同時配置了分布式計算機控制系統(tǒng)(DCS)、或可編程邏輯控制器(PLC)、或工業(yè)控制計算機(IPC)，或分立式工業(yè)調(diào)節(jié)器，并按照如下對應(yīng)關(guān)系組成基本控制回路電振給料機頻率控制新給礦量QGKL；球磨機入口補加水電動調(diào)節(jié)閥控制球磨機入口補加水流量WF1；球磨機出口補加水電動調(diào)節(jié)閥控制螺旋分級機溢流濃度DYLND。
本發(fā)明的智能優(yōu)化設(shè)定軟件即可以運行在計算機控制系統(tǒng)的監(jiān)控計算機上，也可以運行于獨立的優(yōu)化設(shè)定計算機上，該軟件通過與控制計算機(分布式計算機控制系統(tǒng)(DCS)、或可編程邏輯控制器(PLC)、或工業(yè)控制計算機(IPC))進行通訊，獲得實時的過程數(shù)據(jù)，并給出基本控制回路的優(yōu)化設(shè)定值。
本發(fā)明的實現(xiàn)方法包括，(1)溢流粒度軟測量、(2)輔助變量的選擇、(3)主導變量的選擇、(4)邊界條件的確定、(5)案例表示、(6)案例庫初始案例的取得、(7)案例推理、(8)案例存儲與維護。本發(fā)明的基于案例推理的智能優(yōu)化設(shè)定方法模型結(jié)構(gòu)圖如圖2所示。
(1)溢流粒度軟測量。
采用“球磨機磨礦系統(tǒng)溢流粒度指標軟測量方法”，該方法已申請專利，其專利申請?zhí)枮?3133951.4。該方法包括輔助變量的選擇、訓練數(shù)據(jù)的取得、神經(jīng)網(wǎng)絡(luò)軟測量模型的學習和使用步驟，根據(jù)過程的穩(wěn)態(tài)實時數(shù)據(jù)估計出穩(wěn)態(tài)的螺旋分級機溢流粒度。
(2)輔助變量的選擇。
選擇礦石可磨性MKMX作為模型的一個輔助變量。但是礦石可磨性只能用比較模糊的文字性的語言描述，為了進行案例相關(guān)操作的方便，不把礦石可磨性MKMX作為案例數(shù)據(jù)庫的一個屬性，而是根據(jù)不同的礦石可磨性的差異，建立其相應(yīng)的案例數(shù)據(jù)庫。
本發(fā)明所選擇的輔助變量包括時間變量TJQ；這里的TJQ指的是在一個加球周期之內(nèi)，從加球時刻開始到當前時刻的以小時為單位的時間長度。
分級機溢流粒度期望值LDEXP；分級機溢流粒度軟測量值LDRCL；球磨機電流檢測值PQM；分級機電流檢測值PEJJ；(3)主導變量的選擇。
根據(jù)底層的三個控制回路，選擇如下三個變量作為模型的主導變量。
球磨機新給礦量QGKL；球磨機入口加水量WF1；分級機溢流濃度DYLND；(4)邊界條件的確定。
為了保證優(yōu)化設(shè)定后的參數(shù)，在正常的工作范圍內(nèi)，必須對其進行邊界條件約束，即確定球磨機給礦量的上下限、球磨機給礦水的上下限以及分級機溢流濃度的上下限。至于上下限的具體數(shù)值根據(jù)具體工藝確定。
(5)案例表示。
磨礦系統(tǒng)工況按照一定的結(jié)構(gòu)進行組織并以案例的形式存于案例數(shù)據(jù)庫中。每個案例由工況描述和解組成，案例的工況描述即選取的輔助變量——時間變量TJQ、分級機溢流粒度期望值LDEXP、分級機溢流粒度軟測量值LDRCL，球磨機電流檢測值PQM，分級機電流檢測值PFJJ案例的解為選取的主導變量——球磨機新給礦量QGKL、球磨機入口加水量WF1、分級機溢流濃度DYLND另外，為了便于案例檢索與匹配及其它案例操作的需要在案例數(shù)據(jù)庫表中再增加兩條屬性時間和相似度，其中時間為案例獲得時間，相似度為當前工況描述與案例庫中該條案例的相似度，案例數(shù)據(jù)庫表中每條案例的該屬性值只有在進行案例檢索、匹配、重用時才有意義，因為相同案例庫中的案例與不同工況描述的相似度是不同的。所以對數(shù)據(jù)庫中的案例進行如下案例表示表1案例表示結(jié)構(gòu)

為了進行案例修正與評價，本發(fā)明建立了智能優(yōu)化設(shè)定實時數(shù)據(jù)庫(以下簡記為實時數(shù)據(jù)庫)，記錄每一次智能優(yōu)化設(shè)定的時間、工況描述及其給出的解，另外，為了進行比較實時數(shù)據(jù)庫還設(shè)有“分級機溢流粒度化驗值”屬性。智能優(yōu)化設(shè)定實時數(shù)據(jù)庫表示結(jié)構(gòu)如下表2智能優(yōu)化實時數(shù)據(jù)庫表示結(jié)構(gòu)

(6)案例庫初始案例的取得。
每隔一定時間間隔對分級機溢流進行人工采樣一次，以化驗分級機溢流粒度。對應(yīng)每一次的采樣時間，可以找到計算機控制系統(tǒng)中儲存的對應(yīng)的過程變量值及分級機溢流粒度軟測量值。這樣就可以得到一組案例，其數(shù)據(jù)包括測量樣本的分級機溢流粒度期望值LDEXP(用化驗值代替)、時間變量TJQ、分級機溢流粒度軟測量值LDRCL、球磨機電流檢測值PQM、分級機電流檢測值PFJJ、球磨機新給礦量QGKL、球磨機入口加水量WF1和分級機溢流濃度DYLND以及采樣時間T。待m組數(shù)據(jù)收集后，可以得到如下的數(shù)據(jù)集合MV＝{[Ti，TJQ，LDEXP，LDRCL，PQM，PFJJ，QGKL，WF1，DYLND，]|i＝1，…，m}以上述數(shù)據(jù)集合按照下述規(guī)則配對，即成為案例{[Ti，TJQ，LDEXP，LDRCL，PQM，PEJJ]|i＝1，…，m}→{QGKL，WF1，DYLND|i＝1，…，m}通常，磨礦分級作業(yè)要分期處理多種礦石，每一種礦石的硬度、可磨性是不同的，應(yīng)該針對不同的礦石的可磨性差異分別建立其對應(yīng)的案例數(shù)據(jù)庫。
(7)案例推理本發(fā)明的案例推理采用軟件實現(xiàn)，其基本流程框圖如圖3所示。左列為案例檢索與匹配及案例重用的流程，右列為案例評價與修正的流程。其詳細步驟如下(A)初始化進行所有變量的初始化。
(B)是否進行智能優(yōu)化設(shè)定？如果是，則轉(zhuǎn)至(C)，進行案例檢索與匹配及案例重用的過程；如果否，則轉(zhuǎn)至(K)，進行案例評價與修正的過程。
步驟(C)至(J)為案例的檢索與匹配及案例重用流程，采用案例檢索策略中的最近相鄰策略。
(C)選擇礦石可磨性；不同的礦石具有不同的可磨性，其對應(yīng)的用于智能優(yōu)化設(shè)定的案例數(shù)據(jù)庫也是不同的，所以選擇礦石可磨性也就是選擇案例數(shù)據(jù)庫。
(D)讀取當前工況描述也就是讀取需要進行智能優(yōu)化設(shè)定的工況描述參數(shù)或者在線實時自動讀取當前工況描述參數(shù)。
(E)相似度計算設(shè)磨礦分級過程當前運行工況為MGK，定義MGK的工況描述為F＝(f1，f2，f3，f4，f5)，MGK的解為JGK＝(j1，j2，j3)。定義案例庫中案例為C1，C2…Cn，其中案例Ck(k＝1，2…n)的工況描述為Fk＝(f1，k，f2，k，f3，k，f4，k，f5，k)，Ck的解為Jk＝(j1，k，j2，k，j3，k)。
那么當前工況描述MGK的描述特征fi(i＝1，2，3，4，5)與案例Ck(k＝1，2…n)的描述特征fi，k的相似度函數(shù)為sim(fi,fi,k)=1-|fi-fi,k|Max(fi,fi,k),i=1,2,3,4,5,k=1,2,···n]]>當前工況描述MGK和案例Ck(k＝1，2…n)的相似度函數(shù)為SIM(MGK,Ck)=Σi=15ωisim(fi,fi,k),k=1,2···n]]>其中ωi為工況描述特征的加權(quán)系數(shù)，可以根據(jù)具體工藝特征或經(jīng)驗確定，ωi滿足Σi=15ωi=1]]>案例庫中每個案例與當前工況描述的相似度計算完畢后，使案例庫中相應(yīng)案例的“相似度”屬性值等于其相應(yīng)的相似度值。
(F)確定閾值設(shè)SIMmax為所有上述求得的相似度的最大值，即SIMmax=Maxk=1,2···n(SIM(MGK,Ck)),]]>那么閾值SIMyz可通過下式確定 其中閾值XYZ由具體工藝或經(jīng)驗確定。
(G)案例檢索與匹配從案例庫中挑選出案例“相似度”屬性值SIM≥閾值SIMyz的所有案例作為匹配案例并依次按“相似度”、“時間”(案例存儲時間)屬性值降序排序。
(H)案例重用一般情況下案例庫中不存在與當前工況描述完全匹配的案例，因而檢索出的匹配工況的解并不能直接作為當前工況的解，這就需要對檢索得到的相似案例進行重用。具體方法如下
從匹配案例中挑選出具有最大相似度SIMmax的案例并確定其個數(shù)Num。
若Num＝1，即具有最大相似度的案例只有一個，設(shè)這個案例為Cm，1≤m≤n，記匹配案例數(shù)據(jù)表中案例Cm的下一個案例為Ck，1≤k≤n，由于匹配案例檢索出來的時候按“相似度”、“時間”(案例存儲時間)屬性值降序排序，所以Ck應(yīng)具有第二大相似度并且是時間最新的一個。記案例Cm的解為Jm、相似度為SIMm，案例Ck的解為Jk、相似度為SIMk，那么當前工況描述MGK的解JGK為JGK=SIMm×Jm+SIMk×JkSIMm+SIMk]]>若Num＞1，即具有相同最大相似度的案例有多個，不妨設(shè)有l(wèi)，(l＞1，l∈Z)個，假設(shè)這些案例Ci，i＝1…l按“時間”(案例存儲時間)屬性值降序排列為C1，C2…Cl，J1，J2…Jl為其相應(yīng)的解，那么當前工況描述的解JGK為JGK=Σi=1lθi×JiΣi=1lθi]]>其中θi為本次案例重用的時間加權(quán)系數(shù)，滿足θ1≥θ2≥…≥θl，可根據(jù)具體情況或經(jīng)驗確定。
(I)邊界條件約束為了保證優(yōu)化設(shè)定后的參數(shù)不超出正常的工作范圍，必須對案例重用后當前工況描述的解進行各自邊界條件的約束，邊界條件約束及其調(diào)整算法根據(jù)具體工藝確定。
(J)下裝并保存智能優(yōu)化設(shè)定結(jié)果邊界條件約束后就可以把當前工況的解即球磨機新給礦量QGKL、球磨機入口加水量WF1、分級機溢流濃度DYLND下裝到下位機回路控制當中，如果必要的話在下裝之前還可以憑人工經(jīng)驗進行適當修改。同時把智能優(yōu)化設(shè)定的結(jié)果以及當前工礦描述、時間等數(shù)據(jù)保存到相關(guān)數(shù)據(jù)庫中，以供案例修正與評價及其它操作使用。
步驟(K)至(U)為案例評價與修正流程。
(K)選擇礦石可磨性對應(yīng)不同的礦石可磨性，建立了不同的案例數(shù)據(jù)庫，對應(yīng)不同的案例數(shù)據(jù)庫，應(yīng)建立不同的智能優(yōu)化設(shè)定實時數(shù)據(jù)庫。在這里選擇礦石可磨性，就是選擇其對應(yīng)的優(yōu)化設(shè)定實時數(shù)據(jù)庫。
(L)讀取分級機溢流粒度化驗值和化驗取樣時間記分級機溢流粒度化驗值為LDreal，化驗取樣時間為TQY。
(M)記錄檢索在實時數(shù)據(jù)庫中檢索“時間”屬性值T與化驗取樣時間TQY最接近的數(shù)據(jù)紀錄，記檢索到的數(shù)據(jù)紀錄為CT，其對應(yīng)的工況描述時間變量、分級機溢流粒度期望值、分級機溢流粒度軟測量值、球磨機電流檢測值、分級機電流檢測值分別記為FT=(f1T,f2T,f3T,f4T,f5T),]]>并記CT的分級機溢流粒度期望值為LDEXP。
(N)求粒度期望值和化驗值之差記分級機溢流粒度期望值和化驗值之差為ΔLD，那么ΔLD＝|LDEXP-LDreal|。
(O)是否滿足精度要求若ΔLD≤LDHG(LDHG為粒度合格標準)，則說明粒度精度合格，不需要進行案例修正；若ΔLD＞LDHG，則說明粒度精度不合格，需要進行案例修正。
(P)輸入與取樣時間對應(yīng)的工況描述把實時數(shù)據(jù)庫中與取樣時間TQY對應(yīng)的記錄CT的工況描述屬性值FT=(f1T,f2T,f3T,f4T,f5T)]]>再次輸入智能優(yōu)化設(shè)定模型中，重新進行下述(P)～(R)的操作。
(Q)相似度計算與圖3中步驟(E)一樣。
(R)確定閾值與圖3中步驟(F)一樣。
(S)案例檢索與匹配與圖3中步驟(G)一樣。
(T)案例修正從匹配案例中挑選出具有最大相似度SIMmax的案例并確定其個數(shù)Num。
若SIMmax＜XXZYZ，則直接把案例CT加入到案例庫中。其中閾值XXZYZ根據(jù)具體工藝和實際情況確定。
若SIMmax≥XXZYZ，并且Num＝1，設(shè)這個案例為Cm，1≤m≤n，那么把案例Cm對應(yīng)的工況描述Fm＝(f1、m，f2，m，f3，m，f4，m，f5，m)用FT=(f1T,f2T,f3T,f4T,f5T)]]>取代，案例Cm的解Jm＝(j1，m，j2，m，j3，m)用CT的解JT=(j1T,j2T,j3T)]]>代替，而其“時間”屬性值設(shè)為TQY。
若SIMmax≥XXZYZ，并且Num＞1，不妨設(shè)Num＝l(l＞1，l∈Z)個，假設(shè)這些案例為Ci，i＝1…l，其對應(yīng)的解為Ji，i＝1…l，設(shè)Jj，1≤j≤l為使|Jj-Jreal|最大的一個，那么把Jj所在案例Cj對應(yīng)的工況描述Fj＝(f1，j，f2，j，f3，j，f4，j，f5，j)用FT=(f1T,f2T,f3T,f4T,f5T)]]>取代，案例Cj的解用CT的解JT=(j1T,j2T,j3T)]]>取代，而其“時間”屬性值設(shè)為TQY。
(U)案例保存把修正后的案例保存到案例庫中。
(V)結(jié)束(8)案例存儲與維護。
隨著時間的推移，案例庫中的案例不斷增加，如果不采取適當?shù)拇胧?，很有可能在一段時間后出現(xiàn)案例重疊大的問題，這樣即加大了推理的時間，又使得案例缺乏典型性。為了使案例庫控制在一定規(guī)模內(nèi)，必須對加入案例庫中的案例進行學習。這里的學習可看成是“合并”或者“泛化”過程。具體操作是這樣的對準備加入案例庫中的新案例Cnew，按照前面的相似度計算公式，計算其與案例庫中存儲的所有舊案例的相似度。設(shè)這些相似度分別為SIM1，SIM2…SIMn(n為案例庫中舊案例的個數(shù)，0≤SIMi≤1)。
若求出的所有相似度都小于或者等于某一個給定的閾值ξ1，0＜ξ1＜1，則加入該新案例Cnew；若至少存在一個相似度大于該閾值，則拋棄該新案例，不存儲。
本發(fā)明的優(yōu)點在于根據(jù)磨礦粒度指標的目標，通過案例推理技術(shù)給出當前磨礦系統(tǒng)的新給礦量、溢流濃度、入口加水量等基礎(chǔ)控制回路的優(yōu)化設(shè)定值，使磨礦分級系統(tǒng)處于優(yōu)化的工作狀態(tài)，以獲得由合格粒度組成的磨礦產(chǎn)物。


圖1磨礦回路的流程及測量儀表、執(zhí)行機構(gòu)、基礎(chǔ)回路配置和計算機配置2基于案例推理的智能優(yōu)化設(shè)定模型結(jié)構(gòu)3本發(fā)明的智能優(yōu)化設(shè)定軟件的流程框1至圖2中所用標記符號如下球磨機功率(或電流)——PQM球磨機新給礦量——QGKL球磨機給礦水量——WF1分級機電流——PFJJ分級機溢流濃度——DYLND分級機溢流粒度化驗值——LDREAL分級機溢流粒度軟測量值——LDRCL分級機溢流粒度期望值——LDEXP時間變量——TJQ功率(或電流)變送器——PT濃度變送器——DT流量變送器——FT質(zhì)量變送器——WT實線箭頭表示物流(原礦，水和礦漿)或信號流；虛線表示傳感器與變送器的連接。
具體實施例方式
本發(fā)明的實施例為一個大型鐵礦選礦廠的弱磁焙燒礦的一段磨礦系列。該選礦廠的主要鐵礦石為黃鐵礦、褐鐵礦，脈石以重晶石、石英、碧玉及鐵白云石為主，礦石實際含鐵品位33％，經(jīng)分選后的弱磁礦經(jīng)焙燒工序后輸至弱磁選圓筒礦倉，磨礦系統(tǒng)的示意圖如圖1所示，弱磁選圓筒礦倉內(nèi)的焙燒礦由電振給礦機排料，再由給礦皮帶機送入球磨機內(nèi)，與球磨機入口補加水混合在球磨機內(nèi)被研磨成礦漿，該段磨礦采用格子型球磨機，球磨機排礦與球磨機出口補加水回合進入螺旋分級機，螺旋分級機返砂返回一次球磨，與一次球磨形成閉路。螺旋分級機溢流(即本道工序之最終產(chǎn)品)進入泵池后被輸送至后續(xù)工序。
球磨機型號為Φ3200×3500，有效容積25.3m3，筒體轉(zhuǎn)速18.5r/min，最大裝球量54噸。
螺旋分級機為2FLG-2400型雙螺旋分級機。螺旋轉(zhuǎn)速3.5r/min，水槽坡度17度。
首先在按照本說明書的要求安裝如下的測量儀表，包括核子秤測量新給礦量QGKL電磁流量計測量球磨機入口補加水流量WF1核子密度計測量螺旋分級機溢流濃度DYLND電流計測量球磨機電流PQM電流計測量螺旋分級機電流PFJJ變頻器控制電振給料機頻率兩個電動調(diào)節(jié)閥控制球磨機入口補加水和球磨機出口補加水以可編程控制器(PLC)實現(xiàn)基礎(chǔ)控制回路的自動控制。在下位機中，使用PLC中的單回路調(diào)節(jié)器組態(tài)成如下的基礎(chǔ)控制回路電振給料機頻率控制新給礦量QGKL球磨機入口補加水電動調(diào)節(jié)閥控制球磨機入口補加水流量WF1球磨機出口補加水電動調(diào)節(jié)閥控制螺旋分級機溢流濃度DYLND在上位機(監(jiān)控計算機)以RSView32軟件實現(xiàn)監(jiān)控人機界面。該磨礦系統(tǒng)的正常工作范圍為新給礦量——75±5噸/小時一次磨礦濃度——78％～85％
螺旋分級機溢流濃度——45％～50％螺旋分級機溢流粒度——55％～60％(-200目)介質(zhì)填充率——38％～42％智能優(yōu)化設(shè)定程序和分級機溢流粒度軟測量程序用RSView32提供的VBA應(yīng)用軟件編制。優(yōu)化設(shè)定軟件在單獨的優(yōu)化計算機上運行，該計算機上裝有RSLinx通訊程序負責與PLC和上位機進行數(shù)據(jù)通訊，RSLinx與優(yōu)化設(shè)定程序之間通過DDE方式進行雙向通訊。
首先應(yīng)用專利——《球磨機磨礦系統(tǒng)溢流粒度指標軟測量方法(專利號03133951.4)》進行分級機溢流粒度的軟測量粒度軟測量神經(jīng)網(wǎng)絡(luò)采用七輸入一輸出單隱層BP網(wǎng)絡(luò)。七個輸入分別為新給礦量QGKL、入口補加水流量WF1、分級機溢流濃度DYLND、球磨機電流PQM、螺旋分級機電流PFJJ、時間變量TJQ、恒定的閾值(-1)。將上述七個變量連同對應(yīng)時刻的溢流粒度的化驗值組成訓練集合。神經(jīng)網(wǎng)絡(luò)的隱元數(shù)目選擇為60個，網(wǎng)絡(luò)的結(jié)構(gòu)以矩陣的形式表示為y＝NN(x)＝W1·sig(W2·x)其中，y為網(wǎng)絡(luò)的輸出，x為含有閾值在內(nèi)的增廣輸入向量，激活函數(shù)選擇為Sigmoid函數(shù)，其表達式為sig(z)=ez-e-zez+e-z]]>輸出變量與輸出層權(quán)值W1之間為線性關(guān)系，采用梯度下降法進行訓練，學習速率η取0.0001。當相對誤差下降至2％以下時停止訓練。
按照本說明書所述的實現(xiàn)方法選擇時間變量TJQ、分級機溢流粒度期望值LDEXP、分級機溢流粒度軟測量值LDRCL、球磨機電流檢測值PQM、分級機電流檢測值PFJJ為輔助變量、選擇球磨機新給礦量QGKL、球磨機入口加水量WF1、分級機溢流濃度DYLND為主導變量，建立案例數(shù)據(jù)庫表后，用20天內(nèi)的運行數(shù)據(jù)建立案例庫的初始案例。進行案例檢索與匹配及案例重用時所涉及到的加權(quán)系數(shù)或相關(guān)閾值根據(jù)具體工藝特征和經(jīng)驗具體確定如下工況描述特征的加權(quán)系數(shù)時間變量加權(quán)系數(shù)——ω1＝0.2
分級機溢流粒度期望值加權(quán)系數(shù)——ω2＝0.3分級機溢流粒度軟測量值加權(quán)系數(shù)——ω3＝0.2球磨機電流檢測值加權(quán)系數(shù)——ω4＝0.15分級機電流檢測值加權(quán)系數(shù)——ω5＝0.15在進行案例檢索與匹配及案例重用中的“確定閾值”步驟時用到的閾值XYZ確定為0.9，即XYZ＝0.9。
在進行案例重用時，設(shè)有l(wèi)，(l＞1，l∈Z)個具有相同最大相似度的案例，假設(shè)這些案例Ci，i＝1…l按“時間”(案例存儲時間)屬性值降序排列為C1，C2…Cl，那么它們的時間加權(quán)系數(shù)分別確定為10+l，10+(l-1)，…，10+[l-(l-1)]。
在進行案例評價與修正時，精度合格標準LDHG確定為2，即JHG＝2，閾值XXZYZ確定為0.9，即XXZYZ＝0.9。
在進行案例存儲與維護時，閾值ξ1確定為0.9，即ξ1＝0.9。
邊界條件確定及其調(diào)整方法如下分級機溢流濃度DYLND上限50％，下限為45％。
球磨機新給礦量QGKL上限80噸/小時，下限為70噸/小時。
球磨機給礦水量WF1上限為16噸/小時，下限為10噸/小時。
若優(yōu)化設(shè)定后某一參數(shù)超出了邊界條件，那么就令這個參數(shù)值等于該邊界條件。
基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定模型在磨礦系統(tǒng)運行期間，能夠根據(jù)過程的實時數(shù)據(jù)給出最優(yōu)的基礎(chǔ)控制回路設(shè)定值，使分級機溢流粒度實際值和期望值之間相對誤差不超過2％，成為一個具有很高實用價值的、低成本的磨礦系統(tǒng)優(yōu)化設(shè)定方法。
權(quán)利要求
1.一種基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于該方法依賴于磨礦系統(tǒng)硬件平臺，由智能優(yōu)化設(shè)定軟件實現(xiàn)，包括以下步驟(1)溢流粒度軟測量；(2)輔助變量的選擇；(3)主導變量的選擇；(4)邊界條件的確定；(5)案例表示；(6)案例庫初始案例的取得；(7)案例推理；(8)案例存儲與維護。
2.如權(quán)利要求1所述的基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于該方法依賴的磨礦系統(tǒng)硬件平臺，包括球磨機、螺旋分級機以及相關(guān)設(shè)備組成，同時配備了測量儀表，執(zhí)行機構(gòu)以及進行軟件計算的計算機系統(tǒng)，球磨機的輸入端與皮帶給料機、球磨機入口加水量管路及分級機返砂口相聯(lián)接，球磨機輸出端與出口補加水入口同時與螺旋分級機輸入口相接，螺旋分級機返砂端與球磨機入口相接，球磨機給料皮帶上安裝稱重儀表，在球磨機入口加水管上安裝一個流量計和一個電動調(diào)節(jié)閥門，在球磨機出口加水管上一個電動調(diào)節(jié)閥門，在分級機溢流管路上安裝密度計，在球磨機及分級機的驅(qū)動電機上分別安裝功率計或電流計，在振動給料機上安裝變頻器，上述測量儀表和執(zhí)行機構(gòu)連接至控制計算機，并組成電振給料機頻率控制新給礦量QGKL、球磨機入口補加水電動調(diào)節(jié)閥控制球磨機入口補加水流量WF1、球磨機出口補加水電動調(diào)節(jié)閥調(diào)節(jié)球磨機控制螺旋分級機溢流濃度DYLND三個基礎(chǔ)控制回路。
3.如權(quán)利要求1所述的基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于所述輔助變量的選擇包括時間變量TJQ，分級機溢流粒度期望值LDEXP，分級機溢流粒度軟測量值LDRCL，球磨機電流檢測值PQM，分級機電流檢測值PFJJ。
4.如權(quán)利要求1所述的基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于主導變量選擇包括球磨機新給礦量QGKL；球磨機入口加水量WF1；分級機溢流濃度DYLND。
5.如權(quán)利要求1所述的基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于所述邊界條件的確定即確定球磨機給礦量的上下限、球磨機給礦水的上下限以及分級機溢流濃度的上下限。
6.如權(quán)利要求1所述的基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，其特征在于所述案例推理包括案例的檢索與匹配及案例重用、案例評價與修正，其流程為(A)初始化進行所有變量的初始化；(B)是否進行智能優(yōu)化設(shè)定？如果是，則轉(zhuǎn)至(C)，進行案例檢索與匹配及案例重用的過程；如果否，則轉(zhuǎn)至(K)，進行案例評價與修正的過程；(C)選擇礦石可磨性；(D)讀取當前工況描述；(E)相似度計算；(F)確定閾值；(G)案例檢索與匹配；(H)案例重用；(I)邊界條件約束；(J)下裝并保存智能優(yōu)化設(shè)定結(jié)果；(K)選擇礦石可磨性；(L)讀取分級機溢流粒度化驗值和化驗取樣時間；(M)記錄檢索；(N)求粒度期望值和化驗值之差；(O)是否滿足精度要求，若粒度精度合格，不需要進行案例修正，否則需要進行案例修正；(P)輸入與取樣時間對應(yīng)的工況描述；(Q)相似度計算；(R)確定閾值；(S)案例檢索與匹配；(T)案例修正；(U)案例保存；(V)結(jié)束。
全文摘要
一種基于案例推理的磨礦系統(tǒng)智能優(yōu)化設(shè)定方法，屬于自動控制技術(shù)領(lǐng)域，具體地涉及對選礦廠磨礦工段中用于研磨礦石的由球磨機和螺旋分級機組成的濕式磨礦系統(tǒng)的基礎(chǔ)控制回路進行智能優(yōu)化設(shè)定的方法，該方法包括以下步驟溢流粒度軟測量、輔助變量的選擇、主導變量的選擇、邊界條件的確定、案例表示、案例庫初始案例的取得、案例推理、案例存儲與維護，本發(fā)明根據(jù)磨礦粒度指標的目標，給出當前磨礦系統(tǒng)的新給礦量、溢流濃度、入口加水量等基礎(chǔ)控制回路的優(yōu)化設(shè)定值，使磨礦分級系統(tǒng)處于優(yōu)化的工作狀態(tài)，以獲得由合格粒度組成的磨礦產(chǎn)物。
文檔編號G05B13/02GK1603986SQ200410050750
公開日2005年4月6日 申請日期2004年10月29日 優(yōu)先權(quán)日2004年10月29日
發(fā)明者趙大勇, 岳恒, 柴天佑, 丁進良, 周平 申請人:東北大學