一种基于在线质量监测的浮选优化控制方法与流程

本属于选矿过程智能控制，具体说是一种针对浮选过程的运行优化控制方法。

背景技术：

1、近年来，随着科学技术的发展，对于矿物资源的需求不断增加。企业就必须通过保证产品质量、提高生产效率、降低生产成本来提高经济效益。泡沫浮选作为一项高效的矿物分选技术，在现代选矿工业中得到了普遍应用。

2、传统的浮选过程控制通常是现场工艺人员根据以往生产经验，调节加药量、充气量、浮选机锥阀开启度等参数来实现。这种通过主观判断的控制方式，随意性较强，加之现场工艺环境恶劣，工艺波动频繁，导致产品质量差，稳定性不佳。

3、由于泡沫浮选是一个多输入输出、耦合关联的复杂过程，并且受众多参数影响，现阶段的方法难以对浮选过程建立精确的过程模型，因此泡沫浮选过程的自动化控制实施困难。

4、目前的浮选自动控制研究主要集中在单个环节或单变量控制策略的研究，但针对长生产周期、内部耦合度高、参数多的浮选工艺过程，需要将整个浮选流程中的多个数据源数据充分加入到数据建模分析中，建立全流程运行优化控制模型。

技术实现思路

1、本发明的目的是提供一种基于在线质量监测的浮选优化控制方法，将传感器采集的实时流程数据与泡沫分析仪提取的图像特征值综合建模，考虑变量间的因果特征，建立可靠的预测控制模型，基于对监控变量与指标的实时预测，优化控制浮选过程加药量、充气量与锥阀开启度等操作变量。

2、本发明的一种基于在线质量监测的浮选优化控制方法，其特征在于，包括如下步骤：

3、步骤1、实时采集整个浮选流程中多个环节采集到的数据d，主要包括传感器采集的实时监控数据d1，泡沫分析仪提取的图像特征值d2，操作控制反馈值d3，并加入到后续数据建模分析中；

4、步骤2、对实时监控数据d1、控制反馈数据d2分别进行归一化处理得到无量纲的实时监控数据d1′、无量纲的控制反馈数据d2′，对图像特征数据d3进行哑变量处理得到伪编码的图像特征数据d3′；

5、步骤3、采用卡尔曼滤波对无量纲的实时监控数据d1’进行平滑处理得到平滑后的无量纲的实时监控数据d1”，将平滑后的无量纲的实时监控数据d1”、无量纲的控制反馈数据d2’、伪编码的图像特征数据d3’组合得到数据集d’；

6、步骤4、采用收敛交叉映射方法提取数据集d′的因果特征，对操作变量传感器监控变量与泡沫状态变量的因果性进行分析，筛选出关键操作变量集合根据实际需求确认生产指标变量最后设定数据集d′中除去关键操作变量ti和生产指标变量to以外的变量为其他状态变量ts；

7、步骤5、以关键操作变量ti和其他状态变量ts作为输入，建立扩张时序卷积网络，对生产指标变量to进行预测，获得关键操作变量ti与生产指标变量to的动态关系模型；

8、步骤6、设计基于lyapunovo barrier函数实现单步的优化控制的优化目标；

9、步骤7、采用时间向前滚动式的有限时域优化策略搜索最优动作，实现循环向前的优化控制任务；

10、步骤8、重复步骤5、6、7，在线优化控制浮选过程。

11、优选地，所述的实时监控数据包括各个流程的底流速度和空气流量、各个泵池液位、温度和ph值；泡沫分析仪提取的图像特征值包括图像本身点位的rgb值以及从图像识别的泡沫大小及颜色；操作控制反馈值包括锥阀开度、加药量类型和多少以及给矿泵频率。

12、优选地，将采集到的实时监控数据d1和操作控制反馈值d3利用min-max标准化方法进行归一化处理，映射范围为[-1，1]，并将图像特征值d2通过哑变量的方式进行处理，转化为具有m个具有0，1值的数值特征，其中所述的利用min-max标准化方法公式如下：

13、

14、式中xi为采集到的实时监控数据d1和操作控制反馈数据d3的每一个特征列的全部数据，min(xi)和max(xi)是分别对xi求最大和最小值。

15、优选地，所述的步骤3中采用卡尔曼滤波对无量纲的实时监控数据d1’进行平滑处理，其中卡尔曼滤波器时间更新公式如下：

16、

17、

18、卡尔曼滤波器状态更新公式如下：

19、

20、

21、

22、式中和分别表示k-1时刻和k时刻的后验状态估计值，是k时刻的先验状态估计值，pk-1和pk分别表示k-1时刻和k时刻的后验估计协方差(即和的协方差，表示状态的不确定度)，是k时刻的先验估计协方差(的协方差)，h是状态变量到测量(观测)的转换矩阵，表示将状态和观测连接起来的关系，zk是滤波的输入，这里指无量纲的实时监控数据d1’、无量纲的控制反馈数据d2’，kk是滤波增益矩阵，a是状态转移矩阵，q是过程激励噪声协方差(系统过程的协方差)。r是测量噪声协方差，b是将输入转换为状态的矩阵，是实际观测和预测观测的残差。

23、优选地，所述的步骤4中筛选关键操作变量包括下列步骤；

24、步骤4-1、根据生产实际确定生产指标变量to，并基于生产指标变量to和数据集d′构建t时刻的数据集y(t)；同时构造操作变量传感器监控变量与泡沫状态变量的特征集合，排除其中的生产指标变量to，与数据集d′形成t时刻数据集x(t)；然后基于x(t)和y(t)构建x(t)和y(t)对应的影子流形mx、my，公式如下：

25、mx＝{x(t)}x(t)＝<x(t),x(t-τ),x(t-2τ),…,x(t-(e-1)τ)>

26、my＝{y(t)}y(t)＝<y(t),y(t-τ),y(t-2τ),…,y(t-(e-1)τ)>

27、其中e为最优嵌入维度；

28、步骤4-2、采用欧式距离计算x的影子流形任意两点的距离，以及y的影子流形任意两点的距离，对影子流形mx和my中的每个点，找到e+1个邻居节点，从流形my通过交叉映射得到交叉映射公式如下：

29、

30、wi＝mi/∑mj

31、

32、其中代表流形上y(t)与之间的欧氏距离；

33、步骤4-3、计算与x(t)的相关系数r，公式如下：

34、

35、随着输入数据序列长度l增加，逐渐收敛于x(t)，即相关系数r收敛于一个大于0的值，则判定从x(t)到y(t)存在因果关系，即根据相关系数r的值判断操作变量与监控变量之间的因果关系，进而挖掘要使监控变量达到目标值需要调节的监控变量及其控制优先级。

36、优选地，所述最佳嵌入维度e的搜索过程包括以下步骤：

37、用赤池信息准则来判断最佳的嵌入维度，赤池信息准则是建立在熵的概念基础上，用于权衡步骤4过程的复杂度和拟合数据的优良性；该过程复杂度定义为n，定义损失函数v，样本数量为k，赤池信息准则定义如式(3)所示：

38、

39、通过x(t)的自回归模型来判断最佳的嵌入维度，自回归模型如下式所示:

40、

41、损失函数模型复杂度n＝e，当aic(n)取到最小值，对应的n即为最佳嵌入维度e。

42、优选地，所述的步骤5中以关键操作变量ti与其他状态变量ts作为输入，训练扩张时序卷积网络，对生产指标变量to为输出进行预测。

43、所述建立扩张时序卷积网络包括以下步骤：

44、步骤5-1：设置卷积核个数、卷积核大小、步长参数，卷积层的激活函数设置为relu函数，建立m层的单向因果卷积网络；

45、步骤5-2：应用扩张卷积，卷积核以步长f＝cl跳过部分输入，其中f为扩张因子，c为扩张系数，l为卷积核所在的层；

46、步骤5-3：加入残差卷积的跳层连接以及1×1的卷积操作，一个残差块包含两层的扩张卷积和relu非线性映射，在每个空洞卷积后加入weightnorm和dropout实现正则化。

47、优选地，所述的步骤6中设计基于lyapunovo barrier函数的优化目标，

48、所述基于lyapunovo barrier函数的clbf模型是在模型预测控制策略的基础上引入lyapunovo barrier函数确定，基于clbf-mpc设计的优化问题如下：

49、

50、

51、

52、

53、其中是预测的状态轨迹，s(δ)为周期为δ的分段常数函数集，pn为预测范围内的采样周期数，wc(x,u)是用来表示代价函数满足l(0，0)＝0，使得在系统稳定的情况下获得代价函数的最小值，这样就使得u*(t)是系统优化函数在预测范围pn△上的最优解决方案，除上述约束外还包括lyapunovo barrier函数条件。

54、优选地，所述的步骤7中所述的采用时间向前滚动式的有限时域优化策略搜索最优动作；

55、是采用ilqr算法进行滚动优化，ilqr相比于lqr算法，其动态函数是非线性的，因此需要在lqr算法的基础上在函数局部进行泰勒的近似展开，通过泰勒展示来估计一个复杂的非线性函数的局部动态特性和代价函数具体公式如下：

56、

57、

58、其中，xt为当前时刻状态参数，这里指步骤4筛选的关键操作变量，ut为当前时刻控制参数，这里指步骤4筛选的关键操作变量，分别为当前时刻实际采样值与当前时刻状态参数估计值和控制参数估计值的差。

59、根据相关定义得动态函数f(xt,ut)为：

60、

61、代价函数c(xt,ut)为：

62、

63、使用lqr逆推得到当前时刻控制律kt与控制常数kt；执行如下循环动作直至收敛：

64、for t＝1to t

65、

66、xt+1＝f(xt,ut)

67、与现有技术相比，本发明的有益效果是：

68、本发明方法克服了当前浮选过程高频噪声、高延时性等复杂动态特性的生产现状。在建模过程中：1)利用卡尔曼滤波对采集数据进行平滑处理消除了高频噪声；2)采用收敛交叉映射方法提取数据的因果特征，保留强因果关系也就是因果性机理；3)结合扩张时序卷积网络进行预测；在预测控制中：使用时间向前滚动式的有限时域优化策略实现在线优化控制，有效的避免了固定的全局优化目标与实际生产的脱节，对目标变量合理优化，如降低浮尾品位、稳定浮精品位有着较好的效果。同时，本发明对生产环境与模型产生偏移或者实际环境干扰引起控制性能下降有着较好的鲁棒性，对浮选过程的优化控制具有理论和实际意义。