金湿法冶金全流程三层结构过程监测方法
【专利摘要】金湿法冶金全流程三层结构过程监测及故障诊断方法，通过对金湿法冶金全流程分层、分块建立监测模型，实现从不同的视角——从底层到上层，从局部到整体对金湿法冶金各个层面的运行状态进行监测，并对异常工况进行故障诊断，为实际生产过程提供有价值的指导建议。算法包括建立全流程三层结构监测离线模型、估计子工序和全流程的统计量控制限、在线计算新数据的统计指标、实施监测及故障诊断等步骤。本发明提供了一种确保了生产过程安全运行的有效方法，对于提高生产安全性、提高生产效率、降低事故发生率、提高企业竞争力具有重要意义。
【专利说明】金湿法冶金全流程三层结构过程监测方法
【技术领域】
[0001] 本发明属于湿法冶金领域，特别提供一种基于多元统计方法的分层、分块过程监 测及故障诊断方法，即提供一种实时监测金湿法冶金过程各层面运行状态并对异常工况进 行故障诊断的方法。
【背景技术】
[0002] 湿法冶金工艺是逐渐成熟并且迫切需要工业化的新工艺，与传统的火法冶金相 t匕，湿法冶金技术具有高效、清洁、适用于低品位复杂金属矿产资源回收等优势。特别是针 对我国矿产资源贫矿多，复杂共生，杂质含量高的特点，湿法冶金工艺工业化对于提高矿产 资源的综合利用率，降低固体废弃物产量，减少环境污染，都有重大的意义。
[0003] 金湿法冶金全流程采用了磨矿、浮选、脱水调浆、氰化浸出、压滤洗涤、置换等湿法 冶炼的工艺流程。通过选矿工序，根据调浆后的矿浆中金品位及硫含量的高低，3种矿浆 (低硫尾矿、高硫矿和高铜矿）分别进入不同的处理流程，低硫矿进入低品位碳吸附氰化浸 出提金流程，高硫矿进入低品位氰化浸出置换流程，高铜矿进入高品位氰化浸出置换流程。
[0004] 近几年湿法冶金工艺、设备研究进展迅速。但是湿法冶金工艺流程复杂，设备类 型多样，整个流程具有多变量、变量之间强耦合等综合复杂性、其特性随生产条件变化而变 化、受到原料成分、工况、设备状态等多种不确定性因素干扰等特点，如有操作不当、疏于检 测或因不可抗拒的自然因素引起设备故障而导致生产中断等事故，将会给生产带来巨大的 浪费和损失。同时，金湿法冶金高腐蚀、高温甚至高毒的工艺条件使得对生产过程的监测变 得尤为重要。此外，湿法冶金工艺流程由多个彼此密切关联的子过程构成，对于湿法冶金流 程这样具有多个子过程的复杂生产过程而言，仅仅实现对各子过程运行状态的监测是远远 不够的，需要在各个子过程运行状态监控的基础之上，根据各子过程间的内在及外在联系， 进一步实现湿法冶金过程的整体监控，及时为各子过程间的协调提供依据。
[0005] 了解过程变量的正常异常状态信息，预测故障的发展趋势，及早发现导致异常工 况的主过程变量，并结合过程知识，针对具体情况做出决策，对于提高生产安全性、提高生 产效率、降低事故发生率、提高企业竞争力具有重要意义。
[0006] 目前，金湿法冶金生产全流程缺乏对安全稳定、运行状态系统有效的监测技术，更 无法为正常生产以及优化控制提供保障与决策依据。工厂所采用的方法是对与生产过程息 息相关的过程变量信息进行人为或者仪表的记录，通过人为查看报表来获取过程运行状态 信息。这种方法的缺陷是操作者依靠的是各自的经验判断过程的运行状态及发生异常的原 因，很难保证判断结果的及时性及准确性。
【发明内容】
[0007] 本发明提供一种金湿法冶金全流程三层结构过程监测方法，通过对金湿法冶金全 流程分层、分块建立监测模型，实现从不同的视角--从底层到上层，从局部到整体对湿法 冶金各个层面的运行状态进行监测，并对异常工况进行故障诊断。
[0008] 本发明采用的装置包括湿法冶金过程监测与故障诊断系统、上位机、PLC、现场传 感变送部分。其中现场传感变送部分包括浓度、压力、流量等检测仪表。在湿法冶金过程现 场安装检测仪表，检测仪表将采集的信号通过Profibus-DP总线送到PLC，PLC通过以太网 定时将采集信号传送到上位机，上位机把接受的数据传到湿法冶金过程监测与故障诊断系 统，进行生产过程实时监测与诊断，并提供生产操作指导建议。
[0009] 本发明装置的各部分功能：
[0010] ①现场传感变送部分：包括浓度、压力、流量等检测仪表由传感器组成，负责过程 数据的
[0011] 采集与传送；
[0012] ②PLC :负责把采集的信号A/D转换，并通过以太网把信号传送给上位机；
[0013] ③上位机：收集本地PLC数据，传送给湿法冶金过程监测与故障诊断系统，并提供 生产
[0014] 操作指导建议；
[0015] ④全流程过程监测及故障诊断系统对湿法冶金各个层面的运行状态进行监测，并 对异常工况进行故障诊断；
[0016] 本发明的技术方案实现方法为三层结构过程监测方法，如图1所示。底层子工序 级：以各主要工序中主要子工序为分析对象，实现对其运行状态监测和故障诊断的功能； 中层工序级：将每个工序看作一个整体，从整体的角度分析每个工序中各个子工序之间的 相关关系，实现对每个工序运行状态监测和故障诊断的功能；上层流程级：从全流程的角 度，分析整个湿法冶金过程中各个工序之间的相关关系，实现对全流程运行状态监测和故 障诊断的功能。
[0017] 主成分分析（PCA)是一种多变量统计分析方法，其主要思想是通过线性空间变换 求取主成分变量，将高维数据空间投影到低维主成分空间。由于低维主成分空间可以保留 原始数据空间的大部分方差信息，并且主成分变量之间具有正交性，可以去除原数据空间 的冗余信息，因此主成分分析逐渐成为一种有效的数据压缩和信息提取方法，已在过程监 测领域得到了越来越广泛的应用。
[0018] 本发明利用PCA多元统计方法来实现金湿法冶金的三层结构监测及故障诊断，底 层子工序级：根据可以在线测量的过程数据信息提取出表征子工序运行状态的潜变量，并 根据相关统计信息实现对每个子工序运行状态的监测和异常情况下的故障诊断；中层工序 级：根据底层子工序提取的潜变量信息进一步提取表征各工序运行状态的潜变量，并根据 相关统计信息实现对每个工序运行状态的监测和异常情况下的故障诊断；上层流程级：根 据中层各工序提取的潜变量信息进一步提取表征全流程运行状态的潜变量，并根据相关统 计信息实现对全流程运行状态的监测和异常情况下的故障诊断。
[0019] 基于PCA的湿法冶金金三层结构过程监测及故障诊断方法包括以下步骤：
[0020] 步骤1 :建立湿法冶金金全流程三层结构监测离线模型，离线建模原理如图2所 /_J、1 〇
[0021] (1)建立底层监测模型。对底层子工序正常工况下的过程数据进行标准化处理，处 理后数据矩阵为Xi (mX n)，X2 (mX n2)，…，Xp (mX np)，其中p为子工序的个数，m为数据样本 的个数，nji = 1，2，···，p)为各子工序过程变量的个数。对标准化后的子工序数据矩阵分 别建立PCA监测模型，第i个子工序的监测模型为：
[0022]
【权利要求】
1.金湿法冶金全流程三层结构过程监测方法，其特征在于：对金湿法冶金全流程分 层、分块建立监测模型；底层子工序级：以各主要工序中主要子工序为分析对象，实现对其 运行状态监测和故障诊断的功能；中层工序级：将每个工序看作一个整体，从整体的角度 分析每个工序中各个子工序之间的相关关系，实现对每个工序运行状态监测和故障诊断的 功能；上层流程级：从全流程的角度，分析整个湿法冶金过程中各个工序之间的相关关系； 该方法从底层到上层，从局部到整体对湿法冶金各个层面的运行状态进行监测，并对异常 工况进行故障诊断； 步骤1 :建立金湿法冶金全流程三层结构监测离线模型 建立底层监测模型：对底层子工序正常工况 下的过程数据进行标准化处理，处理后数据矩阵为
，其中--为子工序的个数，《为数据样本的个数， 为各子工序过程变量的个数，对标准化后的子工序数据矩阵分别建立PCA监 测模型，第?个子工序的监测模型为：
① 式中，主成分矩阵巧和负载矩阵巧的维数分别为
；4代表第?个子 工序主成分模型中所保留的主成分个数；戈,是由第i个子工序主成分模型反推得到的原始 数据&的系统信息；尽则为第#个子工序主成分模型的残差信息； 建立中层监测模型：针对每个工序建立离线监测模型，工序信息采用（1)中提取出来 的表征构成该工序的子工序运行状态的潜变量信息，即工序信息5 …6的 维数戈
，其中/ = g为中层工序个数，为表示第个工序的子工序个数，
按照（1)中方法建立各个工序的PCA监测模型，第j个工序的监测模 型为：
② 式中，主成分矩阵和负载矩阵$的维数分别戈
代表第个 工序主成分模型中所保留的主成分个数；是由第J个工序主成分模型反推得到的原始 数据I的系统信息则为第J个工序主成分模型的残差信息； 建立上层监测模型：与（2)中建立中层监测模型类似，根据（2)中提取出的表征各工 序运行状态的潜变量信息构成上层全流程信息
其中
③ 式中，主成分矩阵I5和负载矩阵F的维数分别为
代表全流程主成 分模型中所保留的主成分个数；Z是由全流程主成分模型反推得到的原始数据之的系统 信息；蒼则为全流程主成分模型的残差信息； 步骤2:估计底层到上层各块的Γ2和_统计量的控制限，即分别估计子工序 = jj)、工序IX/=lA-'g)和全流程z的f和spg统计量的控制限； 步骤3 :对于在线采集的过程数据，分别计算其底层、中层和上层各块的主成分和残 差，并计算新数据每层、每块的Γ2和SPE指标； 步骤4 :检查底层、中层和上层各块的Γ2和SPJS指标是否超出统计控制限；如果从底 层到上层各模块的两个指标均未超出统计控制限，则认为当前时刻数据为正常数据，返回 步骤2 ;否则认为该数据是一个异常数据，监测程序报警提示异常工况的出现，利用贡献图 方法分析诊断导致过程异常的原因变量；过程运行状态异常，可分为三类情况： (1) 底层或底层及以上模块报警，则认为过程子工序出现异常工况； (2) 底层模块不报警，中层或中层及以上模块报警，则认为过程子工序间出现匹配关系 异常； (3) 底层和中层模块不报警，仅上层模块报警，则认为过程工序间出现匹配关系异常。
2.根据权利要求1所述的金湿法冶金全流程三层结构过程监测及故障诊断方法，在 金湿法冶金过程中实施，其特征在于： 高铜矿氰化浸出置换工艺流程包括氰化浸出、压滤洗涤及置换工序；过程检测系统主 要由浓度检测、压力检测、流量检测等构成； PLC控制器采用Simens 400系列的CPU 414-2,具有Profibus DP 口连接分布式10;为 PLC配备以太网通讯模块，用于上位机访问PLC数据；PLC控制器和以太网通讯模块放置在 中央控制室中的PLC柜中； 上位机选用i7联想计算机，采用WINDOW XP操作系统； 全流程过程监测及故障诊断系统在i7联想计算机上，采用C# 2008编程软件，全流程 过程监测及故障诊断算法采用Matlab 2010a编程软件； PLC与过程监测及故障诊断系统的信号传送软件是采用C# 2008编程软件； 在湿法冶金过程现场安装检测仪表，检测仪表将采集的信号通过Profibus-DP传送到 PLC中，PLC定时将采集信号通过以太网传送给上位机，上位机把接受的数据传给过程监测 及故障诊断系统进行实时监测与诊断，并提供操作指导建议； 基于多元统计分析的湿法冶金(高铜矿）全流程过程监测及故障诊断方法包括以下步 骤： 步骤1 :采集数据，对采集的正常工况下的数据进行标准化处理； 步骤2 :建立高铜矿全局监测三层结构离线模型，取95%的置信限，计算底层到上层各 块的T2和SPE统计量的控制限； 步骤3 :在线运行，提供在线的监测与故障诊断结果。
【文档编号】G05B19/418GK104298187SQ201410258082
【公开日】2015年1月21日 申请日期:2014年6月12日 优先权日:2014年6月12日
【发明者】常玉清, 王姝, 王福利, 谭帅, 冯倩 申请人:东北大学