专利名称：用于选矿生产过程的配矿方法
技术领域：
本发明属于选矿生产技术领域。
背景技术：
选矿是冶金、化工、建材等工业部门必不可少的极其重要的一环，铁矿石也是钢铁生产的主要原料之一。选矿生产实践表明，不同性质的矿石在不同的配矿比例下，其精矿品位也不同，而合理的精矿品位是企业的重要生产参数。配矿是多阶段的工艺过程，是矿物资源质与量的相互协调与均衡，是原矿石加工处理能力及产品质量、数量的相互匹配与控制，配矿过程应该是延续于生产勘探至入炉冶炼的整个矿业活动时期。矿石采出后，经过选矿各系统料仓(甚至中间贮矿仓)进入球磨机，而这些环节都可以构成配矿系统。从国内外公开报道的文献来看，已有的配矿工作研究仅仅停留在采矿生产阶段，而配矿系统的其它阶段的研究还未见公开报道。选矿生产过程的配矿，对于确定入高炉的合理铁精矿品位则是十分重要的。
发明内容
针对现有技术存在的问题，本发明提供一种用于选矿生产过程的配矿方法。
本发明方法包括采集相关参数；确定每时段筛选期望的铁精矿品位；建立模型，配置参数评价每个微粒的适应度确定全局最好的适应度；输出原矿配矿比例等六个步骤。
1、采集相关参数需要采集一周原矿种类及库存、设备生产能力及精矿需求量等参数，如已知进行磁选的原矿种类为N种，其中第i(i＝1，、、、，N)种矿石的总量是Gi，粉矿和块矿的比例μi1，铁元素含量分别占ρi1，金属回收率为ηi1，精矿产率为σ1。在计划期[1，T]范围内t时段用于筛选粉矿和块矿的设备额定生产能力CEt1(1=1,2);]]>库存中铁精矿的原始储量为S0，各时段烧结厂所需的精矿量M(t)。
2、确定每时段筛选期望的铁精矿品位制定选矿过程周计划时决策者期望每时段的筛选的铁精矿的金属品位尽可能接近P0(t)。
3、建立模型，配置参数定义决策变量Xi(t)代表第i种原矿在时间t的投入量；P(t)代表实际综合精矿品位，P0(t)为金属平衡品位；
minf(x)=(1TΣt=1T[P(t)-P0(t)]2)1/2---(1)]]>s.t.
Σt=1Txi(t)≤Gi,i=1,···,N;---(2)]]>Σi=1Nxi(t)×μil≤CEl(t),l=1,2,···,M;t=1,···,T;---(3)]]>Στ=1t[Σi=1Nxi(τ)Σl=1L(μil×ρil×ηil)-M(τ)]+S0≥0,t=1,···,T;---(4)]]>P(t)=Σi=1Nxi(t)Σl=1M(μil×ρil×ηil)Σi=1Nxi(t)Σl=1M(μil×σl),t=1,···,T;---(5)]]>xi(t)≥0，i＝1，…，N，t＝1，…，Y； (6)模型说明目标函数(1)是使得各时段金属平衡偏差最小；约束条件(2)是指各类原矿总量限制；约束条件(3)是指中间产品生产的设备能力限制；约束条件(4)保证铁精矿需求量限制；约束条件(5)是指综合铁精矿品位；约束条件(6)是指第i种原矿在时间t的投入量大于0。
选矿生产过程配矿优化模型属于非线性规划，由于PSO算法的简单易于实现，适合求解非线性问题，变量为实数有界问题的优点，所以结合问题的特点，故尝试采用该算法求解。
配置参数表微粒数量m、惯性权重、加速常数、最大速度/最大运行代数；4、评价每个微粒的适应度eval(x)为了限制不可行解，采用罚函数法。定义ΔGi、ΔCE1和ΔM(t)代表各约束的违反量，其中ΔGi=max{Σt=1Txi(t)-Gi,0}]]>ΔCEl(t)=max{Σi=1Nxi(t)×ηil-CEl(t),0}]]>
ΔM(t)=max{Στ=1tM(τ)-Στ=1tΣi=1Nxi(τ)×ηi-S0,0}]]>评价函数选择如下的乘法形式eval(x)＝P0-f(x)×P(x)，这里p(x)=1N+N×T+T(Σi=1NΔGiΔGimax+Σi=1NΣτ=1TΔCEl(t)ΔCElmax(t)+Σt=1TΔM(t)ΔMmax(t))]]>其中ΔGimax、ΔCElmax(t)和ΔMmax(t)代表当前种群中各约束的最大违反量；ΔGimax=max{ϵ,ΔGi};]]>ΔCElmax(t)=max{ϵ,ΔCEl(t)};]]>ΔMmax(t)＝max{ε，ΔM(t)}；对于每个微粒，将其适应度与经历过的最好位置做比较；如果较好，则将其作为当前的最好位置；5、对于每个微粒，将其适应度与全局所经历过的最好位置做比较；如果较好，则重新设置索引号；根据公式调整微粒的速度和位置；粒子速度和位置调整公式如下υit=ωit×υit+c1rand()×(gitbest-xit)+c2rand()×(hitbest-xit);]]>xi(t)＝xi(t)+υit；6、根据最大代数判断是否达到算法终止条件，如达到则输出原矿配矿比例值，如未满足则返回步骤4。
本发明为选矿生产提供了一种有效的配矿方法，改变了由人工计算造成的误差和凭人工经验进行金属平衡分析造成的主观失误，解决了选矿厂生产过程的科学配矿问题。
图1为本发明方法的软件流程图具体实施方式
根据酒钢选矿厂生产现场的实际数据，提出了用金属平衡法来指导选矿生产，以中间仓及库存量为最小目标，建立基于合理配矿的物料平衡、能力平衡、投入产出等因素的选矿生产计划优化模型，并运用粒子群优化算法PSO(particle swarm optimization algorithm)算法求解此问题，显然其解为可行解，满足期望值，表明该发明是解决选矿过程配矿问题的一个有效的方法并容易实现，可以减少由于人工计算造成的计算误差，和凭人工经验进行金属平衡分析造成的主观失误，为选矿厂的成本核算、计划和生产指导提供重要理论依据。
实例根据酒钢选矿厂的实际情况，共期望精矿品位在52.5-53.5％，＞54.20％为高废，＜52.20％为低废。已知在计划期T[1，4](四周)内对5种原矿(包括镜铁矿(块、粉)、低品位黑鹰山块矿(块、粉)、高磷黑鹰山块矿(块、粉)、黑鹰山粉矿、大堆粉矿、黑粉矿)进行筛选，各种原矿的总量Gi，粉矿和块矿的比例μi1，以及铁元素含量分别占ρi1，金属回收率为ηi1，精矿产率为σ1，见表1；生产组织方式，若设备能力及精矿需求量在计划[1，2]范围内则选8系列进行，也就是4台弱磁球磨机和4台强磁球磨机运行。若设备及精矿需求量在计划其[3，4]范围内，则选6系列运行，也就是3台弱磁球磨机和3台强磁球磨机运行。表2给出球磨台时处理量及其他参数。
表1原矿综合指标和总量
表2已知设备能力和精矿需求量
我们采用下列参数值来控制算法微粒数量m＝10，C1＝C2＝2.0惯性权重＝0.5-0.9加速常数最大运行代数＝60；表3给出不同计划期内原矿投入量和铁精矿品位的仿真结果。
表3各周原矿投入量xi(t)综合精矿品位
权利要求
1.一种用于选矿生产过程的配矿方法，其特征在于包括以下六个步骤(1)采集相关参数；(2)确定每时段筛选期望的铁精矿品位；(3)建立模型，配置参数；(4)评价每个微检的适应度；(5)确定全局最好的适应度；(6)输出原矿配矿比例。
2.如权利要求1所述的用于选矿生产过程的配矿方法，其特征在于所述步骤(1)采集的参数包括一周原矿种类及库存，设备生产能力及精矿需求量。
3.如权利要求1所述的用于选矿生产过程的配矿方法，其特征在于所述步骤(3)建立的模型为minf(x)=(1TΣt=1T[P(t)-P0(t)]2)1/2---(1)]]>s.t.Σt=1Txi(t)≤Gi,i=1,···,N;---(2)]]>Σi=1Nxi(t)×μil≤CEl(t),l=1,2···,M;t=1,···,T;---(3)]]>Στ=1t[Σi=1Nxi(τ)Σl=1L(μil×ρil×ηil)-M(τ)]+S0≥0,t=1,···,T;---(4)]]>P(t)=Σi=1Nxi(t)Σl=1M(μil×ρil×ηil)/Σi=1Nxi(t)Σl=1M(μil×σl),t=1,···,T;---(5)]]>xi(t)≥0，i＝1，…，N，t＝1，…，T； (6)其约束条件为(1)是使得各时段金属平衡偏差最小；(2)是指各类原矿总量限制；(3)是指中间产品生产的设备能力限制；(4)保证铁精矿需求量限制；(5)是指综合铁精矿品位；(6)是指第i种原矿在时间t的投入量大于0。
4.如权利要求1所述的用于选矿生产过程的配矿方法，其特征在于所述步骤(3)配置参数包括微粒数量m、惯性权重、加速常数、最大速度/最大运行代数。
全文摘要
一种用于选矿生产过程的配矿方法，包括采集相关参数；确定每时段筛选期望的铁精矿品位；建立模型，配置参数；评价每个微粒的适应度；确定全局最好的适应度；输出原矿配矿比例等六个步骤，本发明为选矿生产提供了一种有效的配矿方法，改变了由人工计算造成的误差和凭人工经验进行金属平衡分析造成的主观失误，解决了选矿厂生产过程的科学配矿问题。
文档编号C22B1/00GK1680945SQ200410021249
公开日2005年10月12日 申请日期2004年4月9日 优先权日2004年4月9日
发明者柴天佑, 李慧莹, 黄肖玲 申请人:东北大学