湿式球磨机制浆系统智能控制方法与流程

本发明涉及粉体制浆系统，特别是涉及一种湿式球磨机制浆系统的控制方法。
背景技术：
：湿式球磨机制浆系统是将石灰石颗粒经称重给料器输送到湿式球磨机中，汇同补给水泵输送来的工艺水及旋流分离器的底流浓浆一起进入球磨机筒体内，被球磨机筒内的钢球撞击、挤压、碾磨成浆液。目前对于湿式球磨机制浆过程中的控制大多采用手动控制方式，运行人员仅依靠经验进行钢球的投放以及制浆工况参数的调试，系统运行缺乏合理的数据支持，因此会出现钢球配比不合理导致研磨不充分、参数设置不佳导致产出的浆液品质不达标、运行功率达不到最佳出力导致生产效率较低等问题出现，造成用电及物料的浪费。技术实现要素：本发明需要解决的技术问题是提供一种湿式球磨机制浆系统的智能控制方法，在能够保证制浆系统在自动控制模式稳定运行的前提下，进一步保证成品浆液的品质满足工艺要求，在起到更好的控制效果的同时提高生产效率，降低能耗，节约成本。为解决上述技术问题，本发明所采取的技术方案如下。湿式球磨机制浆系统智能控制方法，所述方法基于湿式球磨机制浆系统dcs控制系统实现，具体包括以下步骤：a.根据制浆系统的运行特性，采集现场历史运行数据；b.利用粒子群寻优算法进行分工况寻优，确定制浆系统的最佳工作点；c.采用基于lssvm的密度软测量模型实时测量浆液密度，采用基于bp神经网络的颗粒细度软测量模型检测浆液中的颗粒细度；d.制定钢球添加机制；e.采用lssvm建立各运行变量与系统出力之间的数学模型，并制定制浆系统的控制策略；f.根据实际运行状态进行系统运行工况的辨识，选择相应的控制机理自动控制制浆系统运行。本发明所述的湿式球磨机制浆系统智能控制方法，所述运行变量包括湿式球磨机中钢球的添加量、物料的添加量、研磨水量的添加量、浆液密度、浆液颗粒细度以及旋流器出口压力。本发明所述的湿式球磨机制浆系统智能控制方法，步骤c所述的软测量模型的建立方法为：根据制浆系统的运行机理及历史数据，分析影响浆液密度的各种运行因素，并基于主元分析和最小二乘支持向量机建立再循环箱浆液密度的软测量模型。本发明所述的湿式球磨机制浆系统智能控制方法，所述钢球添加机制为：设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[86,86.25]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h5；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[85.9,86]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h7；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[86,86.25]以及浆液颗粒细度x∈[2.63,2.65]，则钢球添加选择策略h8；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[85.9,86]以及浆液颗粒细度x∈[2.63,2.65]，则钢球添加选择策略h10；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.8,86]以及浆液颗粒细度x∈[2.52,2.59]，则钢球添加选择策略h8；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.7,85.8]以及浆液颗粒细度x∈[2.52,2.59]，则钢球添加选择策略h11；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.8,86]以及浆液颗粒细度x∈[2.59,2.61]，则钢球添加选择策略h12；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.7,85.8]以及浆液颗粒细度x∈[2.59,2.61]，则钢球添加选择策略h14；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.6,85.8]以及浆液颗粒细度x∈[2.4,2.52]，则钢球添加选择策略h13；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.4,85.6]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h16；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.6,85.8]以及浆液颗粒细度x∈[2.63,2.66]，则钢球添加选择策略h18；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.4,85.6]以及浆液颗粒细度x∈[2.63,2.66]，则钢球添加选择策略h19；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.8,86.2]以及浆液颗粒细度x∈[2.3,2.4]，则钢球添加选择策略h16；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.5,85.8]以及浆液颗粒细度x∈[2.3,2.4]，则钢球添加选择策略h19；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.8,86.2]以及浆液颗粒细度x∈[2.4,2.43]，则钢球添加选择策略h18；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.5,85.8]以及浆液颗粒细度x∈[2.4,2.43]，则钢球添加选择策略h21；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[2,2.3]，则钢球添加选择策略h20；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.3,86.5]以及浆液颗粒细度x∈[2,2.3]，则钢球添加选择策略h21；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[2.3,2.35]，则钢球添加选择策略h22；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.3,86.5]以及浆液颗粒细度x∈[2.3,2.5]，则钢球添加选择策略h23；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[1.4,1.6]，则钢球添加选择策略h22；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.4,86.5]以及浆液颗粒细度x∈[1.4,1.6]，则钢球添加选择策略h25；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[1.6,1.65]，则钢球添加选择策略h24；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.4,86.5]以及浆液颗粒细度x∈[1.6,1.65]，则钢球添加选择策略h26。本发明所述的湿式球磨机制浆系统智能控制方法，步骤e中所述的控制策略基于步骤b的粒子群寻优算法以及pid控制逻辑进行给料量、研磨水流量、再循环箱内浆液密度以及旋流器出口压力的自动调节。由于采用了以上技术方案，本发明所取得技术进步如下。本发明基于现场运行的历史与实时数据，使用lssvm完成制浆系统建模并利用pso算法进行工作点的在线寻优；基于寻优得到的最佳工况参数设计开发湿式制浆系统的智能控制系统，完成控制参数的自动调节、动态跟踪、自适应校正等功能；在保证了湿式制浆系统平稳运行以及运行过程达到最佳出力的前提下，进一步降低了能耗，提高系统的运行经济性，减轻了运行人员操作工作量，提高了机组生产效率。本发明在浆液密度的实时测量过程中，采用浆液密度的软测量方法，提高了浆液密度数据测量的准确性，结合钢球自动配比算法的开发，可靠保证了石灰石成品的浆液质量。采用专用检测机构对石灰石浆液中的颗粒系统进行测量，在实现实时检测的基础上，提高了检测准确率，降低了检测成本。附图说明图1为本发明的流程图；图2为本发明所述浆液密度软测量预测值与实际值的对比图；图3为控制系统中给料量自动控制的仿真结果；图4为控制系统中研磨水流量自动控制的仿真结果；图5为控制系统中再循环箱浆液密度自动控制的仿真结果；图6为控制系统中旋流器出口压力自动控制的仿真结果；图7为本发明所述浆液颗粒细度软测量模型预测值与实际值的对比图。具体实施方式下面将结合附图和具体实施方式对本发明进行进一步详细说明。一种湿式球磨机制浆系统智能控制方法，该方法基于湿式球磨机制浆系统dcs控制系统实现，结合粒子群寻优算法以及pid控制逻辑实现制浆的自动控制，从而提高浆液的品质。该方法的流程如图1所示，具体包括以下步骤。a.根据制浆系统的运行特性，采集现场历史运行数据。历史运行数据从制浆系统的dcs控制系统中提取，通过数据关联分析，对当前系统的运行状况给予综合诊断，找出潜在的问题。本实施例以某厂湿式球磨机制浆系统为例进行智能控制方法的研究。所述的运行变量包括湿式球磨机中钢球的添加量、物料的添加量、研磨水量的添加量、浆液密度、浆液颗粒细度以及旋流器出口压力。b.利用粒子群寻优算法进行分工况寻优，确定制浆系统的最佳工作点。在本实施例中，按照给料量分工况进行寻优，得到不同给料量下最佳功耗点对应的各控制参数及单位制浆的能耗，具体如表1所示。表1根据上述寻优得到的数据，在现场进行了给料量出力变化的试验，利用试验期间采集的数据计算得到给料量为24t/h及25t/h时的系统平均工况参数与单位制浆的实际能耗，如标2所示。表2从表2可以看出，给料量增加后制浆量有较大提升，单位制浆能耗远小于此前历史运行工况下的制浆能耗，25t/h是的单位制浆能耗与18t/h时相比减少了30％，在本实施例的系统汇总，可以依据此数据进行工况的优化调整和智能控制。c.采用基于lssvm的密度软测量模型实时测量浆液密度，采用基于bp神经网络的颗粒细度软测量模型检测浆液中的颗粒细度。浆液密度是制浆过程中需要检测的一个重要参数，目前都是采用密度测量设备进行数据的测量，现有的密度计在测量过程中经常出现堵塞的现象，不仅直接造成测量的不准确，而且还无法满足动态的实时测量的要求。本发明通过建立密度软测量模型根据实际工况来对浆液密度进行预测，从而实现密度的实时测量，提高控制效率。在密度软测量模型建立前，需要根据制浆系统的运行机理及历史数据，分析影响浆液密度的各种运行因素，并基于主元分析和最小二乘支持向量机建立再循环箱浆液的lssvm密度软测量模型。在本实施例中，通过密度软测量模型得出的预测值与采用密度计进行实测的实测值进行比对的结果如图2所示。本发明采用均方根误差(rootmeansquareerror，rmse)和平均相对误差(meanrelativeerror，mre)作为密度软测量模型的性能评估指标，预测误差如表3所示。表3预测样本数rmsemretime200.14550.01320.0342从图2和表3可以看出，采用本发明基于lssvm的密度软测量模型进行浆液密度的测量，预测值与实际值的平均相对误差控制在2％以内，最大相对误差不超过3％，表明所建立的软测量模型正确合理，可以满足实际工程需求；并且预测速度快，每次计算时间均低于0.05s，且模型在小样本下的预测性能较好，说明模型性能对样本数量依赖程度小，有利于现场调整训练周期和密度计校正工作的进行。颗粒细度是浆液质量的标识的一个重要指标，因此浆液颗粒细度的实时测量也是本发明控制系统能够正常运行的一个重要参数。本发明提出一种基于bp神经网络的颗粒细度软测量模型，通过历史数据建模能够比较准确地预测出颗粒细度的合格率。在本实施例的制浆系统中，测得浆液中各个粒径范围内的颗粒百分比如表4所示，采用本发明的基于bp神经网络的颗粒细度软测量模型预测的颗粒细度合格率效果如图7所示。可见，预测值与实际检测值的误差很小，能够满足智能控制方法的检测需求。通过基于bp神经网络的颗粒细度软测量模型可以预测出当前控制策略下浆料的品质，后续控制策略的选择需要根据颗粒细度合格率情况进行调整。d.制定钢球添加机制。湿式球磨机中钢球的添加量与物料添加量息息相关，因此可通过物料添加量的多少来确定钢球的添加量，从而改善浆液的品质。本发明中，钢球添加机制如下所述。设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[86,86.25]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h5；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[85.9,86]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h7；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[86,86.25]以及浆液颗粒细度x∈[2.63,2.65]，则钢球添加选择策略h8；设定球磨机的运行时间为t∈[17.5,19]且物料添加量qe∈[85.9,86]以及浆液颗粒细度x∈[2.63,2.65]，则钢球添加选择策略h10；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.8,86]以及浆液颗粒细度x∈[2.52,2.59]，则钢球添加选择策略h8；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.7,85.8]以及浆液颗粒细度x∈[2.52,2.59]，则钢球添加选择策略h11；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.8,86]以及浆液颗粒细度x∈[2.59,2.61]，则钢球添加选择策略h12；设定球磨机的运行时间为t∈[19,20.5]且物料添加量qe∈[85.7,85.8]以及浆液颗粒细度x∈[2.59,2.61]，则钢球添加选择策略h14；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.6,85.8]以及浆液颗粒细度x∈[2.4,2.52]，则钢球添加选择策略h13；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.4,85.6]以及浆液颗粒细度x∈[2.59,2.63]，则钢球添加选择策略h16；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.6,85.8]以及浆液颗粒细度x∈[2.63,2.66]，则钢球添加选择策略h18；设定球磨机的运行时间为t∈[20.5,22]且物料添加量qe∈[85.4,85.6]以及浆液颗粒细度x∈[2.63,2.66]，则钢球添加选择策略h19；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.8,86.2]以及浆液颗粒细度x∈[2.3,2.4]，则钢球添加选择策略h16；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.5,85.8]以及浆液颗粒细度x∈[2.3,2.4]，则钢球添加选择策略h19；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.8,86.2]以及浆液颗粒细度x∈[2.4,2.43]，则钢球添加选择策略h18；设定球磨机的运行时间为t∈[22,23.5]且物料添加量qe∈[85.5,85.8]以及浆液颗粒细度x∈[2.4,2.43]，则钢球添加选择策略h21；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[2,2.3]，则钢球添加选择策略h20；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.3,86.5]以及浆液颗粒细度x∈[2,2.3]，则钢球添加选择策略h21；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[2.3,2.35]，则钢球添加选择策略h22；设定球磨机的运行时间为t∈[23.5,23.7]且物料添加量qe∈[86.3,86.5]以及浆液颗粒细度x∈[2.3,2.5]，则钢球添加选择策略h23；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[1.4,1.6]，则钢球添加选择策略h22；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.4,86.5]以及浆液颗粒细度x∈[1.4,1.6]，则钢球添加选择策略h25；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.5,86.8]以及浆液颗粒细度x∈[1.6,1.65]，则钢球添加选择策略h24；设定球磨机的运行时间为t∈[23.7,24.5]且物料添加量qe∈[86.4,86.5]以及浆液颗粒细度x∈[1.6,1.65]，则钢球添加选择策略h26。上述钢球添加的具体策略根据钢球直径设定，例如策略h20为直径φ125mm:φ100mm:φ80mm添加比例为3:5:2；策略h25为直径φ100mm:φ80mm:φ60mm添加比例为3:3:4。e.采用lssvm建立各运行变量与系统出力之间的数学模型，并制定制浆系统的控制策略。本发明的智能控制策略是基于四个自动控制模型实现，分别为给料量控制、研磨水流量控制、再循环箱浆液密度控制以及旋流器出口压力控制，设定值由最佳工作点寻优算法提供。在本实施例中，给料量控制模型的仿真结果如图3所示，研磨水流量控制模型的仿真结果如图4所示，再循环箱浆液密度控制模型的仿真结果如图5所示，旋流器出口压力控制模型的仿真结果如图6所示。从仿真结果可以看出，本发明基于粒子群寻优算法以及pid控制逻辑能够将给料量、给水量、浆液密度、磨机浆液箱的液位和石灰石浆液旋流器出口压力等参数维持在寻优算法给出的最佳设定值附近。f.根据实际运行状态进行系统运行工况的辨识，自动选择相应的控制机理自动控制制浆系统运行。本发明在实际运行时，通过实时监测浆料的密度以及颗粒细度来选择相应的控制机制，例如当颗粒细度合格率较低时，可通过选择可是的钢球添加机制来改善颗粒细度，满足浆液品质的要求；当浆液浓度较低时，可通过通过对给料量调节和给水量的调节来满足浆液浓度的要求。可见，本发明的应用，能够使系统运行安全稳定，且严格满足了制浆的品质要求，有效提高了制浆控制系统的性能，使得单位制浆能耗比改造前减少了30％左右，实现了节能降耗。当前第1页12