选矿厂磨矿分级智能化控制系统研究

摘 要：随着社会对选矿的需求不断升高，选矿自动化发展在近几年得到广泛关注。磨矿控制环节是整个选矿工艺的关键环节，在实际应用中如果能够把先进的智能控制技术与丰富的人工实践经验结合，就会获得很好的生产效果。首先，该文研究磨矿电气分层控制系统的结构以及运行原理；其次总结磨矿分级过程控制的技术特点以及现存问题；最后研究如何将智能控制引入到磨矿分层控制系统回路中。

关键词：选矿自动化 磨矿电气控制 分级过程控制 智能化

中图分类号：TP309 文献标识码：A 文章编号：1672-3791（2017）04（b）-0031-03

x矿自动化的发展是从20世纪中期开始发展起来的技术，相比传统的人工选矿它具有以下优势：（1）降低人工成本；（2）简化操作流程；（3）提高生产效率；（4）降低损耗；（5）提高选矿产品的稳定性以及质量。选矿自动化的工艺主要分为3个部分：（1）原料矿物破碎过程；（2）磨矿过程；（3）浮选过程。其中磨矿环节是矿石破碎的继续部分，主要目标为将矿石经过处理后形成细粒度级的颗粒用于浮选环节，所以磨矿的效果直接影响磨矿产品的质量（包括：磨矿粒度特性、磨矿产品浓度、磨矿单体的解离度）和后续其他工艺处理能力，这样就会影响整个选矿自动化工艺的经济性、技术性、高品质性[1]。磨矿分级自动化能够有效减少球磨机能耗的同时还能提高磨矿分级效率以及能源利用率。其发展经历了3个阶段[2]：（1）初始发展阶段。开始没有用于检测控制的仪表，主要由人来主观操作，这样导致生产指标不稳定；（2）稳定发展阶段。由于这个时期自动检测仪表使用和推广，如，矿浆pH计、X焚光分析仪和线矿装粒度仪等，使得在磨矿过程给矿量及溢流浓度能得到精确控制；（3）最优化生产发展阶段。这个阶段主要特点是控制理论的不断发展，先进的控制技术不断优化控制效果，如，PID串级控制、模糊控制与PID控制结合等。不过，由于磨矿本身的非线性以及时变性特点，其本身的建模以及回路控制相对复杂，国内很少企业研究出较好的成果。近年来，由于人工智能技术、过程模型以及仿真技术得到很好推广，这样使得国内外出现了许多以磨矿过程控制模型为基础，将智能控制算法与传统的控制理念结合的潮流。该文分析传统的选矿厂磨矿分级控制系统，研究近年来国内外的智能化控制算法与磨矿分级控制相结合情况。

1 矿厂磨矿电气分级控制系统分析

传统的磨矿电气控制系统结构由图1所示，由图可以看出核心是磨棒机，分级作业主要是在原来磨棒机的基础上加入分级机，目前主要是有水力旋流分级机和螺旋分级机两种。其余包括不同的子系统[3]：（1）磨矿电机油部分。主要采用高、低压油系统，磨主体分三段，前两段采用球形磨，第三段采用棒形磨；（2）电气控制联锁和继电保护部分。不同设备的打开与关掉是有先后且持续时间也是不同的，要实现这些就需要电气联锁，继电保护主要有气压、气温、油温、油压保护，还包括过电流、电压、励磁保护等两部分组成；（3）同步电机励磁装置部分。由两部分组成：一部分是系统组成的回路部分；另一部分就是这个回路的控制部分，整个电路采用三相全桥整流，去磁部分采用具有高、低电压的双级双路去磁；（4）自动喷油机械装置部分。为了保证大齿轮运行摩擦小，喷油装置就会每过一段时间就喷油一下；（5）气动离合器部分。要就是通过气压压力推动同步电机带动磨机转动的过程，目前主流的供气结构是两层供气：一层是用来控制气罐泄压的压力；另一层是确保控制气罐工作压力；（6）慢速转动设备部分。添加慢速转动结构，带动磨机运动，使其可以实现电动“盘车”。

磨矿分级流程：矿石经传送带送入球磨机中，在棒磨机内加入矿水，然后在钢球冲击和研磨下逐渐粉碎，最后排入分级机中，分级机通过矿粒大小不同运动特点不一样的原理，小颗粒矿石下沉速度较慢，就会随分级机溢流进入浮选环节，较大的则会返回棒磨机中重新再磨。

2 传统电气分级控制系统存在的问题

存在以下几点主要问题：（1）磨矿分级过程中，许多检测量存在多变性以及随机性的特点，不能很好地做出适应性强的控制策略；（2）检测无法实现真正的实时控制。在时间上就无法避免地存在滞后的问题，且测量的结果也不准确；（3）需要较多的继电器（时间继电器和中间继电器），这样接线复杂的同时容易出现故障，且维修较为困难。

3 磨矿分级智能控制研究

3.1 磨矿分级机建模

为了实现磨矿分级的智能化控制，数学建模的准确性就十分重要。针对不同的分级机采用不同的建模。螺旋分级机粒度分级数学模型通过质量守恒定律，将分级前后的第次结果满足（1）（2）等式；旋流器粒度分级数学模型国内外有很多，目前使用广泛的是采用阿提本分离粒度模型，可以以公式（3）（4）表示：

式中：、、分别为初始矿石总量、分级后流入浮选的矿石总量以及分级后进入沉砂的矿石总量；、、分别为初始第i 粒级矿石质量分数、分级后流入浮选的第i 粒级矿石质量分数以及分级后进入沉砂的第i 粒级矿石质量分数；为分级效率；、、分别为旋流器给矿石入口压力、矿石密度以及给水密度；、 分别为分离粒度和分级粒度；为旋流器直径；为给矿的固体体积溶度。

3.2 磨矿分级控制算法

有了准确的控制模型，再加上近年来分级过程检测（如，给矿量检测、矿浆浓度检测、矿浆粒子检测等）仪表的快速发展，给磨矿分级控制的发展提供了很好的前提条件。传统的磨矿控制策略存在以下问题：（1）闭环PID控制不能很好地适用于时间滞后较多的控制对象，但磨矿本身存在很大的时间滞后，期间参数随机性变化的情况较多，不能很好地应用于磨矿分级过程；（2）Simth预估控制模型能够在一定程度减小由于磨矿分级带来的时间滞后的影响，但补偿效果不明显，且对系统稳定性的控制能力不强；（3）解耦控制算法则只能处理对应的被控变量，在一定程度上存在局限性。

3.2.1 磨矿分级现代控制算法

现代控制算法是从20世纪中期发展起来的，主要有：（1）自适应控制。可以通过控制变量的输入输出参数，提取模型的一些信息，然后调整系统控制参数，使自身处于一个满意的工作状态，这样就算一些控制变量在变化，也能通过自适应算法自我调整逐渐适应；（2）预测控制。与传统的Simth预估控制不同，是建立在传统预测算法、滚动优化算法、反馈矫正算法基础上的滚动时域模型。如动态矩阵控制，能够实时地进行反馈自动调节，且具有很强的鲁棒性。

3.2.2 磨矿分级智能控制算法

随着人工智能的发展，智能控制算法在磨矿工艺里得到了较好的应用。目前用于磨矿分级的智能控制算法主要有模糊PID控制、专家控制、神经网络控制以及混沌控制。

（1）模糊PID控制[4]。在磨矿分级工艺中，常常采用两个二维的模糊控制器并联连接设计。这两个模糊控制器一个是用于给料控制，一个用于主电机电流控制。前者输入变量是粒度偏差、粒度偏差变化率，输出为控制量、、，其语言值为，对应的论域值为。隶属度函数采用三角形隶属度函数，规则为合成算法，输出量采用重心法解模糊运算，生成相应的给料模糊控制规则。另外一个主电机电流控制的输入参数是主电机工作电流偏差以及主电机工作电流偏差变化率，其输出控制量的论域和语言值与给料控制一样，对应的隶属度函数以及控制规则也相同。其结构可参考图2。

（2）专家控制[5]。主要依靠的是模拟熟练员工或者专家对磨矿工艺思维的一套智能推理算法。如图3所示，其中：Pa为粒度实际化验值；Pd为粒度期望设定值；Ip为工况条件集；Id为边界条件集。这样通过磨机的动态特点，结合知识库，采用人工智能自动寻优算法来修正磨矿分级环节的相关参数，使得控制更加具有适应性。

（3）神经网络控制[6]。目前有很多算法与神经网络结合，如模糊神经网络。建立一个N1层输入M1层输出的W1层神经网络来实现对磨矿分级磨机装载量的控制，另外，再建立一个N2层输入M2层输出的W2层神经网络磨矿浓度的控制，即将给矿量、补加水量、返砂量等作为输入，磨机功率的最优值作为输出然后就是对神经网络进行模拟训练，常采用RBFN训练方式，也有RLS和LMS等。最后得到合适的参数，用于磨矿分级控制。神经网络算法在近年来发展较快，特别是人工智能的发展，该方法能够很好地避免磨矿延时特性以及参数波动所引起的一些扰动，具有很好的鲁棒性。

4 结语

随着社会对选矿的需求不断升高，选矿自动化发展在近几年得到广泛关注。磨矿控制环节在选矿工艺中占有重要地位，在实际应用中容易受到干扰以及其他影响，且磨矿分级控制本身存在的非线性时变的特点，加大了对磨矿控制的难度。通过研究分析磨矿分级系统的原理，找出实际应用的问题，分析现有控制算法的特点，研究如何将先进的智能控制算法（模糊PID控制、专家控制、神经网络控制）引入到磨矿分级控制环节，能够有效地优化整个磨矿分级控制工艺，提高生产效率。

参考文献

[1] 赵大勇，岳恒，周平，等.基于智能优化控制的磨矿过程综合自动化系统[J].山东大学学报：工学版，2005，35（3）：119-124.

[2] 胡博.磨V自动控制系统在广东大顶矿业的应用[J].南方金属，2012（4）：27-30.

[3] 刘晓青，杨静，吴定允，等.磨矿过程的综合自动化技术[J].河南理工大学学报：自然科学版，2016，35（5）：666-671.

[4] 程恒.模糊PID控制技术在磨矿系统中的应用[J].矿山机械，2010（3）：76-79.

[5] 周平，柴天佑.基于案例推理的磨矿分级系统智能设定控制[J].东北大学学报：自然科学版，2007，28（5）：613-616.

[6] 王云峰，李战明，袁占亭，等.RBF神经网络与模糊理论相结合的磨矿分级智能控制方法[J].重庆大学学报：自然科学版，2010，33（3）：124-128.