基于灰盒神經(jīng)網(wǎng)絡(luò)的球磨機(jī)能耗預(yù)測(cè)模型

基于灰盒神經(jīng)網(wǎng)絡(luò)的球磨機(jī)能耗預(yù)測(cè)模型

研磨和分級(jí)開(kāi)采是研磨和生產(chǎn)過(guò)程中重要的環(huán)節(jié)。研磨的目的是將大礦渣破碎到一定程度，將有用廢物和脈石廢物分開(kāi)，并以個(gè)體分離狀態(tài)，以促進(jìn)有用廢物的選擇。磨礦產(chǎn)品粒度分布情況不但是磨礦作業(yè)重要的生產(chǎn)指標(biāo),也是影響后續(xù)選別作業(yè)的精礦品位和回收率的關(guān)鍵因素。實(shí)際生產(chǎn)中磨礦產(chǎn)品粒度的分析是通過(guò)人工采樣后化驗(yàn)得到,檢測(cè)滯后大,不能滿足實(shí)時(shí)控制要求。采用流程仿真系統(tǒng)可對(duì)整個(gè)流程進(jìn)行模擬,實(shí)現(xiàn)各種操作條件下的磨礦產(chǎn)品粒度在線預(yù)測(cè),為操作參數(shù)優(yōu)化提供指導(dǎo)。而流程仿真是以數(shù)學(xué)模型為基礎(chǔ)的,球磨機(jī)是磨礦分級(jí)作業(yè)中能耗較大的設(shè)備,因此對(duì)球磨機(jī)數(shù)學(xué)模型的研究是建立磨礦分級(jí)作業(yè)流程仿真系統(tǒng)的基礎(chǔ)。目前,球磨機(jī)模型的研究,廣泛采用磨礦動(dòng)力學(xué)與物料平衡相結(jié)合的方法,即首先假定系統(tǒng)符合某種形式的數(shù)學(xué)方程,結(jié)合實(shí)驗(yàn)室分批磨礦數(shù)據(jù),利用模型參數(shù)辨識(shí)方法,確定該模型的有關(guān)參數(shù),最后將辨識(shí)所得模型通過(guò)比例放大應(yīng)用到工業(yè)現(xiàn)場(chǎng)。該方法求解方便,但在應(yīng)用比例放大時(shí),難以估計(jì)現(xiàn)場(chǎng)實(shí)際的運(yùn)行參數(shù)。特別是對(duì)內(nèi)部機(jī)理復(fù)雜、擾動(dòng)頻繁,很多重要過(guò)程參數(shù)不能實(shí)時(shí)連續(xù)檢測(cè)的復(fù)雜磨礦過(guò)程,更難估計(jì)其實(shí)際運(yùn)行參數(shù)。球磨機(jī)內(nèi)部各參數(shù)的變化直接影響球磨機(jī)的磨礦效率,而磨礦效率主要體現(xiàn)在磨機(jī)功耗上,磨機(jī)的功耗與磨礦介質(zhì)、濃度、礦漿充填率、礦漿流量、給礦物料的粒級(jí)分布等因素有關(guān)。而基于徑向基神經(jīng)網(wǎng)絡(luò)和磨機(jī)功耗機(jī)理模型組成的灰箱神經(jīng)功耗預(yù)測(cè)模型在形式上為一種復(fù)合人工神經(jīng)網(wǎng)絡(luò),從而保證了模型具有十分理想的仿真精度。論文深入分析現(xiàn)場(chǎng)實(shí)際運(yùn)行參數(shù)與功耗的關(guān)系,引入選擇函數(shù),建立球磨機(jī)的動(dòng)態(tài)數(shù)學(xué)模型。通過(guò)Matlab的Simulink組件建立了仿真模型,分析驗(yàn)證了所建模型的有效性。1磨礦分級(jí)過(guò)程工藝磨礦作業(yè)是在磨機(jī)筒體內(nèi)進(jìn)行的,筒體內(nèi)裝有磨礦介質(zhì)(鋼球)。鋼球和礦石在離心力和摩擦力的作用下,隨著筒體的旋轉(zhuǎn)而被帶到一定的高度后,自由下落或滾下,筒體內(nèi)的礦石受到鋼球的沖擊力;另一方面,由于鋼球在筒體內(nèi)沿筒體軸心的公轉(zhuǎn)和自轉(zhuǎn),在鋼球之間及其在筒體接觸區(qū)又產(chǎn)生對(duì)礦石的擠壓和磨剝力,從而將礦石磨碎。圖1為某選礦廠磨礦分級(jí)過(guò)程工藝簡(jiǎn)圖,經(jīng)球磨機(jī)研磨后的礦漿排入分級(jí)機(jī),分級(jí)機(jī)和球磨機(jī)形成回路,其返砂與一定比例的水和從給礦機(jī)的皮帶上的原礦共同給入球磨機(jī)。通過(guò)調(diào)節(jié)給礦量,能夠克服礦石硬度、給礦粒度等因素的擾動(dòng),保持磨礦穩(wěn)定、優(yōu)化運(yùn)行,使處理量保持在較高的水平。調(diào)節(jié)一級(jí)返砂的加水量以保持磨礦濃度穩(wěn)定,提高磨礦效率。對(duì)于球磨機(jī)而言,球磨機(jī)的排礦粒度分布情況為衡量球磨機(jī)一次磨礦運(yùn)行效率的關(guān)鍵工藝指標(biāo),由圖1可以看出,影響球磨機(jī)排礦粒度的參數(shù)主要包括給礦流量、礦漿濃度、給礦粒度分布情況以及磨機(jī)功耗。2dvbcdt、k某選礦廠衡量磨礦產(chǎn)品的作業(yè)指標(biāo)主要是排礦中-200目的百分含量,設(shè)系統(tǒng)的各變量如下:球磨機(jī)的排礦流率Q2、球磨機(jī)的排礦濃度C2、排礦中-200目的百分含量M2、球磨機(jī)的輸入流率Q1、球磨機(jī)的輸入濃度C1、入磨礦中-200目的百分含量M1、功耗P、排礦中-200目的百分含量M2。因?qū)嶋H工業(yè)現(xiàn)場(chǎng)的磨機(jī)較長(zhǎng),不能忽略磨機(jī)內(nèi)礦漿總量VB的變化,若將球磨機(jī)看作一階混合器,磨機(jī)內(nèi)平均濃度、粒級(jí)分布與C2、M2相同,同時(shí)對(duì)于一階模型,磨機(jī)中礦漿總量為VB=τQ2,(1)VB=τQ2,(1)其中,τ為時(shí)間常數(shù),可利用現(xiàn)場(chǎng)數(shù)據(jù)求得。由礦漿總量平衡可知dVBdt=Q1?Q2,(2)dVBdt=Q1-Q2,(2)即dQ2dt=1τ(Q1?Q2),(3)dQ2dt=1τ(Q1-Q2),(3)由固體物料平衡得dVBC2dt=Q1C1?Q2C2,(4)dVBC2dt=Q1C1-Q2C2,(4)因?yàn)閐VBC2dt=VBdC2dt+C2dVBdt,(5)dVBC2dt=VBdC2dt+C2dVBdt,(5)利用(2)～(5)可知dC2dt=Q1τQ2(C1?C2).(6)dC2dt=Q1τQ2(C1-C2).(6)由磨機(jī)中-200目總量平衡可得d(VBC2M2)dt=Q1C1M1?Q2C2M2+rVBC2(1?M1),(7)d(VBC2Μ2)dt=Q1C1Μ1-Q2C2Μ2+rVBC2(1-Μ1),(7)其中,r為選擇函數(shù),是與磨機(jī)功耗和磨機(jī)給礦流量有關(guān)的函數(shù),其含義為+200目物料被破碎到-200目物料占固體物料總量的百分含量。r=1?(1+KP2Q1)?2,(8)r=1-(1+ΚΡ2Q1)-2,(8)式中,K為常數(shù),在正常操作范圍內(nèi),是與磨機(jī)尺寸和操作參數(shù)無(wú)關(guān)的常數(shù);P為球磨機(jī)功耗。由(2)、(4)和(7)可推導(dǎo)出dM2dt=Q1C1τQ2C2(M1?M2)+r(1?M1).(9)dΜ2dt=Q1C1τQ2C2(Μ1-Μ2)+r(1-Μ1).(9)將(8)式代入(9)式可得dM2dt=Q1C1τQ2C2(M1?M2)+[1?(1+KP2Q1)?2](1?M1).(10)dΜ2dt=Q1C1τQ2C2(Μ1-Μ2)+[1-(1+ΚΡ2Q1)-2](1-Μ1).(10)式(3)、(6)、(10)即為球磨機(jī)的動(dòng)態(tài)模型方程。3基于徑向基函數(shù)的補(bǔ)充劑神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)灰箱神經(jīng)網(wǎng)絡(luò)一般有并聯(lián)和串聯(lián)2種,本研究采用的并聯(lián)灰箱神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。邦德公式是目前對(duì)功耗預(yù)測(cè)所廣泛采用的公式,但是邦德功耗公式只與磨礦介質(zhì)充填率有關(guān),而磨機(jī)功耗還與磨礦濃度、礦漿充填率、給礦物料的粒級(jí)分布等因素有關(guān)。研究對(duì)功耗的預(yù)測(cè)仍以邦德公式為基本元素作為灰箱神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的機(jī)理模型,采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)誤差進(jìn)行補(bǔ)償。該神經(jīng)網(wǎng)絡(luò)的主體為一個(gè)具有3層神經(jīng)單元的神經(jīng)網(wǎng)絡(luò),且該網(wǎng)絡(luò)具有局部逼近能力,基函數(shù)選取高斯函數(shù),具體的應(yīng)用分析請(qǐng)參考文獻(xiàn)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本輸入為磨礦濃度、礦漿充填率、固體質(zhì)量、給礦物料的粒級(jí)-200目百分含量,輸出為功耗的實(shí)測(cè)值與邦德功耗公式的預(yù)測(cè)值之差。4考慮多種因素的耗耗模型的建立仿真數(shù)據(jù)來(lái)自某選礦廠2號(hào)濕式溢流型球磨機(jī),磨機(jī)長(zhǎng)度5.0m、直徑3.5m、額定功率1250kW、空載功耗約為550kW。選擇230組實(shí)測(cè)新給礦流量、給礦中-200目所占的百分含量、磨機(jī)排礦濃度、排礦中-200目所占的百分含量、返砂濃度、返砂-200目所占的百分含量等數(shù)據(jù),借助數(shù)據(jù)協(xié)調(diào)軟件Bilmat,根據(jù)物料平衡、粒級(jí)平衡原理協(xié)調(diào)得到不易直接測(cè)量的運(yùn)行參數(shù)如磨機(jī)的給排礦流量,同時(shí)剔除一些因采樣誤差而存在較大偏差的樣本。其中200組協(xié)調(diào)數(shù)據(jù)用于辨識(shí)式常數(shù)τ與K,通過(guò)反算法得到τ與K值分別為0.85、0.018178,以及運(yùn)用與磨礦濃度、給礦流量、給礦粒級(jí)中-200目百分含量、礦漿充填率和磨機(jī)功耗實(shí)測(cè)值與邦德公式預(yù)測(cè)值之差的200組相關(guān)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,其余30組相關(guān)數(shù)據(jù)作為樣本檢驗(yàn)集。利用MatLab中的SimuLink組件,建立如圖3所示的功耗預(yù)測(cè)模型及圖4所示的球磨機(jī)動(dòng)態(tài)模型,以功耗模型的輸出作為球磨機(jī)動(dòng)態(tài)模型功耗的輸入。應(yīng)用檢驗(yàn)樣本集對(duì)本文提出的模型進(jìn)行仿真試驗(yàn),圖5給出了磨機(jī)功耗實(shí)測(cè)值和預(yù)測(cè)值曲線。圖6給出了-200目產(chǎn)品的百分含量的模型預(yù)測(cè)值曲線和實(shí)測(cè)值。由圖5和圖6可以看出,所建立的模型的功耗預(yù)測(cè)值與實(shí)測(cè)值之間達(dá)到了90%的可信度,粒級(jí)預(yù)測(cè)值與實(shí)測(cè)值之間達(dá)到了95%的可信度,反映了所建立模型的有效性。為了驗(yàn)證對(duì)所建模型的合理性,當(dāng)系統(tǒng)穩(wěn)定后對(duì)所建模型進(jìn)行擾動(dòng)試驗(yàn),考慮到工業(yè)現(xiàn)場(chǎng)提高磨礦效率主要是改變給料流量與調(diào)整磨礦濃度,因此擾動(dòng)試驗(yàn)考慮2種情況下磨機(jī)排礦中-200目所占百分含量的變化情況:①給料量增加或減少10%,其余不變;②磨礦濃度增加或減少10%,其余不變。在球磨機(jī)磨礦過(guò)程中,當(dāng)系統(tǒng)處于穩(wěn)態(tài)時(shí),磨機(jī)內(nèi)的礦漿總量一般會(huì)處于某一平均值,從(1)式可以看出,當(dāng)增加或減少給礦流量,會(huì)使礦石在球磨機(jī)內(nèi)的平均停留時(shí)間增加或減少,由于磨礦時(shí)間增加或減少,礦石在磨機(jī)內(nèi)被磨的時(shí)間相應(yīng)的增加或減少,細(xì)顆粒則會(huì)相應(yīng)的增加或減少,也就是說(shuō)磨機(jī)排礦中-200目所占的百分含量相應(yīng)的增加或減少。從圖7和圖8可以看出,-200目的百分含量確實(shí)有所增加或減少。當(dāng)增加磨機(jī)內(nèi)的礦漿濃度時(shí),致使礦漿的粘性增加,流動(dòng)性變差,極容易粘在磨礦介質(zhì)(鋼球)表面和磨機(jī)內(nèi)壁上,從而在磨機(jī)內(nèi)壁上形成的礦漿越來(lái)越厚,致使部分小直徑的鋼球與礦漿一樣粘在磨機(jī)的內(nèi)壁上,使得磨礦效率降低,從而使得磨機(jī)排礦中-200目所占百分含量減少,同時(shí)也容易造成球磨機(jī)“脹肚”現(xiàn)象。相反,礦漿濃度減少時(shí),礦漿的流動(dòng)性改善,使磨礦效率提高,磨機(jī)排礦中的-200目所占百分含量有所增加,圖9、圖1