资源描述:
《基于预测模型的浮选过程ph值控制》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、第30卷第7期控制理论与应用Vol.30No.72013年7月ControlTheory&ApplicationsJul.2013DOI:10.7641/CTA.2013.12042基基基于于于预预预测测测模模模型型型的的的浮浮浮选选选过过过程程程pH值值值控控控制制制唐朝晖1,刘金平1,陈青1;2y,桂卫华1,杜金芳1(1.中南大学信息科学与工程学院,湖南长沙410083;2.湖南工业大学计算机与通信学院,湖南株洲412008)摘要:矿浆pH值是泡沫浮选过程中的一个非常重要的被控量.目前,多数
2、选厂的矿浆pH值控制基本是依靠现场工人定期对矿浆样本进行pH值测量,凭主观经验对pH调整剂进行调整.由于操作工人的主观性和随意性的影响以及矿浆样本pH值测量与药剂调整间存在的较长的时间滞后,矿浆pH值波动频繁,很难使矿物浮选保持在一个稳定最优生产状态下运行.为了使矿浆pH值保持在一个期望的生产状态,基于浮选泡沫表面视觉信息提出了一种新的矿浆pH值控制方法,分别采用基于泡沫视觉信息的自适应遗传混合神经网络AG–HNN和自适应遗传PID(AG–PID)控制方法建立了矿浆pH值预测模型和pH值控制模型
3、,基于所建立预测和控制模型对浮选药剂用量进行调整,解决了浮选矿浆pH值波动问题.工业浮选现场的实验结果表明该方法可以使矿浆pH值保持在一个期望的范围内,有效提高浮选性能.关键词:pH控制;浮选过程;预测模型中图分类号:TP273文献标识码:ApHcontrolinflotationprocessbasedonpredictionmodelTANGZhao-hui1,LIUJin-ping1,CHENQing1;2y,GUIWei-hua1,DUJin-fang1(1.SchoolofInforma
4、tionScience&Engineering,CentralSouthUniversity,ChangshaHunan410083,China;2.SchoolofComputerandCommunication,HunanUniversityofTechnology,ZhuzhouHunan412008,China)Abstract:ThepulppHvalueisanimportantcontrolledvariableforprocessoperationinmineralflotatio
5、nprocess,whichiscontrolledthroughregularlyadjustingreagentdosagebyexperiencedworkersaccordingtothepHmeasurementresultsofthecurrentpulpsamples.However,duetotheinfluenceofthesubjectivityandcasualnessofworkersandthelongtime-lagbetweenthepHmeasurementofth
6、epulpsampleandthereagentadjustment,thepHvalueofthepulpfluctuatesfrequently,causingunstableandundesirableproductionstatesformineralflotation.AnovelpHcontrolmethodisproposedtomaintainthepulppHvalueatanexpectedproductionstatebasedonthefrothvisualinformati
7、on.Firstly,apHpredictionmodelandapHcontrolmodelarebuiltbyfrothvisualinformationbasedontheadaptivegenetichybridneuralnetwork(AG–HNN)andadaptivegeneticPID(AG–PID)controlmethod,respectively;andthenthedosageisadjustedaccordingtothepHvaluepredictionmodela
8、ndthepHcontrolmodel.Severalindustrial-scaleexperimentsdemonstratethatthismethodcanmaintainthepHvalueofthepulpinanexpectedrangeandconsequentlyimprovetheflotationperformanceeffectively.Keywords:pHcontrol;flotationprocess;predictionmodel1引引引言言言(Introducti