数据驱动的磨矿运行优化控制方法及硬件在环仿真系统

发布时间：2020-08-05 16:44

【摘要】：在工业生产中,磨矿过程对破碎矿物进行充分研磨,实现矿物与脉石之间单晶体解离,是选矿全流程不可或缺的环节。而磨矿粒度与循环负荷运行指标直接制约着产品质量和生产效率,由于生产过程中基础回路控制偏差的影响低于设定值控制偏差,因此,针对设定值优化的磨矿运行优化控制方法一直备受研究者关注。因此,本文在国家自然科学基金项目“动态环境下磨矿全流程数据驱动运行优化控制”资助下开展了磨矿过程运行优化控制研究,利用强化学习和基于相似度的迁移学习,设计一种利用运行数据学习得到优化设定值的控制方法,并设计与开发一套磨矿过程硬件在环仿真系统,以验证上述控制方法的有效性。本文主要研究工作如下:(1)针对基于模型或智能的优化控制方法难以实现磨矿全流程运行优化控制的问题,提出了基于神经网络的Q-学习运行优化控制方法,并针对神经网络学习速度难以跟随工况变化,引入案例推理,将相似工况下的Q模型迁移至当前工况,加快神经网络学习速度,实现磨矿全流程运行优化控制的目标。(2)为验证运行优化控制方法的可靠性,设计一套磨矿过程硬件在环仿真系统。利用METSIM与OPC技术开发磨矿过程虚拟对象,利用快速控制原型技术设计与开发运行优化控制器,缩短Simulink仿真到实际控制器算法实现的周期。(3)为实现控制器算法参数可调与运行状态可观测,利用WPF语言设计与开发算法监控软件,主要包括实验管理、控制配置、数据显示以及变量管理功能。(4)在所开发的磨矿过程硬件在环仿真系统上,验证所设计运行优化方法的有效性,证明仿真系统的可靠性。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP273;TD921.4
【图文】：

闭路磨矿,设备模型,过程仿真,筛分

4 磨矿过程硬件在环仿真系统开发(2) 针对物质组成成分，配置元素周期表中相关元素，进而选择有关成分的化合物分子式及其物质形态，本文根据文献[50]，获取的铁矿石矿物含量如所示，因此在系统的“Comp”菜单下的 DBAS 成分数据中配置元素，并在后续的物质选择中根据物质形态选择物质。表 4-2 赤铁矿中矿物组成及含量Table 4-2 Mineral composition and content in hematite矿石成分 Fe2O3 FeO SiO2 Al2O3 CaO MgO MnO BaO S含量(%) 38.29 7.18 39.19 4.09 1.23 2.85 1.46 4.48 1.23(3) 根据图 3-1，从右侧设备管理栏中选择对应的磨矿设备，添加至工艺流程设计面板并用物流箭头衔接各设备模块，搭建如图 4-1 所示的工艺流程;

筛分装置,网孔尺寸,筛分,菜单

图 4-1 METSIM 一段闭路磨矿过程仿真Figure 4-1 The simulation in METSIM for菜单下 ISCS 项为设备模型配置筛分标准，实验系统在该菜单 SSNI 项配置实验中使用的筛分装置网孔尺和各物流筛分提供依据。

主机,运行优化,启动盘,控制器

.2 基于快速控制原型的运行优化控制器开发（Development ofptimization Controller Based on Rapid Control Prototype）运行优化控制器：使用 MATLAB 提供的 Real-Time 内核，作为控制算法与策的运行载体，控制方法在 Simulink 环境下实现。运行优化控制器开发分为四。.2.1 主机操作环境配置1.主机需装配 Visual Studio 2015 的 C++编译器和 MATLAB2017B，（一般采 VS 的 C++编译器的版本要比 MATLAB 早两年）；2.在 MATLAB 命令行中，输入“mex setup C++”命令；MATLAB 开发环境把系统默认的 C++编译配置为'Microsoft Visual C++ 2015'；3.将主机的 IP 地址设置如所示，其 IP 地址与运行优化控制器 IP 在同一网段，并将启动盘格式化 DOS 盘，为后期将启动盘配置集成到后面所设软件上，处必须格式为化 DOS 盘。

【参考文献】