赤铁矿选矿过程运行指标的软件模型设计

张帆

(陕西国防工业职业技术学院 计算机与软件学院网络教研室， 西安 710300)

0 引言

赤铁矿的选矿处理对于最终矿石纯度的评价尤为重要，直接影响到最终的产品销售，关于矿石选取处理的手段有多种，现主要利用计算机技术，结合各种关键处理算法结合各类传感设备进行矿石的选取过滤。如根据矿石特性，矿石硬度，颗粒粒度分布，矿物组成或变化的流量等，这些关键指标间具有非线性、强耦合等特点。利用软传感器建模技术有效解决在线工业过程质量指标的估算问题，应用该技术解决铁矿选矿指标的估算直接关系到最终矿产品的质量。

针对矿石选取过程，国内学者提出了多种基于神经网络和基于案例推理的软测量建模方法[1]。结合矿石选取分级过程的实际工况，提出了一种基于RBF神经网络的软测量模型[2]。根据两阶段选取过程的特点，在遗传算法(GA)优化的多输入层神经网络的基础上，建立了矿石粒度的神经网络软测量模型[3]。基于案例推理(CBR)技术应用于选取过程的矿石尺寸预测[1]。现在单个模型结构最常用于非线性软传感器模型。理论上，如果模型的大小没有限制，并且有大量的训练数据，基于神经网络或模糊系统的软件传感器模型总能获得令人满意的模型结构和预测精度。但随着训练领域的扩大和系统状态复杂度的急剧增加，软测量模型的预测精度，鲁棒性和泛化能力大大降低；多模切换的思想可以满足复杂工作条件的要求，提出了燃煤电厂过热蒸汽温度的预测控制模型[4]。

1 矿石粒度的软测量模型

1.1 分离粒度模型

分离粒度是矿石选取过程中颗粒度，各占50%，模型描述如式(1)。

(1)

其中d50(c)表示选矿过程的分离粒度；Dc，Do，Du分别表示选取过程中进料的速度、进料口内径以及出料口内径。h表示选取过程的传输带长度；V表示进料的固体浓度；Q表示进料流量。

1.2 选取粒度的理论模型

选取粒度是指粒度范围或某个特定粒度的内容，理论模型如式(2)。

(2)

其中M200是整个矿产品选取过程中过滤孔为200孔时(类度直径75 μm)矿物粒度的质量百分比；d75表示矿物粒度为75 μm；N表示分类产品中最大的粒度大小；mi表示水力旋流器进料粒度分布确定的第i级选矿粒度的质量；Rf是水力旋流器底口的质量分数，该参数与旋流浆的含水量和水力旋流器的结构参数有关；Ei是第一个i级矿物粒度的分级效率，由水力旋流器的结构参数和运行参数决定。

1.3 BP神经网络模型

反向传播(Back Propagation，BP)算法本质上是一种梯度下降方法。 BP神经网络的训练可以看作一个多元函数的最小点搜索过程[5-9]，其基本思想描述如下：

Step1：将每个权重值初始化为具有分布均匀随机数的小随机数作为初始连接权值和节点的阈值；

Step2：计算BP神经网络的实际输出：

(2) 对于隐藏层节点，其输入描述如式(3)、式(4)。

(3)

输出结果为：

(4)

(3) 输出层节点的输入描述如式(5)、式(6)。

(5)

输出层节点的输出为：

(6)

Step3：输出节点的误差如式(7)。

ek=dk-yk

(7)

然后计算所有输出节点的误差平方和，并获得能量函数,如式(8)。

(8)

如果E小于预定值，则转到Step5，否则继续Step4。

Step4：调整BP神经网络的权重

(1) 输出层节点和隐藏层节点之间的权重按如下方式调整,如式(9)。

(9)

(10)

(11)

(12)

(13)

(14)

Step5：继续下一个训练样本，直到每个训练样本满足目标，即完成BP神经网络的学习。

软件模型流程如以上5步所示，由于在实际的选矿过程中存在当前模型不匹配的情况。因此，使用这些模型来预测磨削粒度不仅会增加算法的复杂度，而且会降低预测性能。 为此，提出了一种可以动态选择合适的软传感器模型的多模式切换思想。因此，基于布谷鸟搜索(Cuckoo)算法和滞后切换策略，建立了一种基于机构模型、BP神经网络和小波神经网络(WNN)的混合型多传感器软件模型，其结构如图1所示[10-12]。

图1 混合多重软测量模型结构图

2 仿真实验

为了预测矿石的选取粒度，建立了基于磁滞切换策略的机构模型，BPNN模型，WNN模型等。三个软传感器模型的预测曲线，如图2所示。

图2 三种软测量模型下的输出曲线

这些软传感器模型下的预测误差,如图3所示。

图3 三种软测量模型下的预测误差曲线

利用本文所提出的各类模型作为赤铁矿选矿过程运行指标监控，利用表1的性能指标，选取所需时间的性能比较如表2所示。

表1 指标的定义

表2 用于训练不同预测模型的计算时间的性能比较

从结果分析可得，混合多源传感的模式由于其他单源检测的方式，因此所提出的软测量模型可以实现对关键技术指标的预测，并能够及时充分满足磨矿过程的控制要求。

3 总结

针对选矿过程的关键技术指标(矿石粒度)，提出了一种基于CS迟滞切换策略的混合式多重软测量模型，并基于该模型实现运行指标软件，用于监控选矿过程中的关键指标。 通过对实际运行数据的推理估计，仿真结果表明，基于CS迟滞切换策略的混合多重软测量模型具有较好的跟踪速度和较高的预测精度，可以实现对关键技术指标的预测，选矿过程的控制要求准时。