磨礦分級過程模糊控制研究與仿真

周旭東

摘要：磨礦分級過程所運用的機理相對而言較為復雜，存在著諸多的特點，采用傳統自動控制的方式往往很難讓磨礦分級產品符合相關工藝要求標準。因此有必要探究更為有效的方式來對磨礦過程中所運需的控制量進行控制，以此才能更為有效地促進磨礦分級過程控制的高效性。

Abstract： The mechanism used in the grinding and grading process is relatively complicated and has many characteristics. It is often difficult to make the grinding and grading products meet the relevant process requirements using traditional automatic control methods. Therefore， it is necessary to explore more effective ways to control the amount of control required during the grinding process， so as to more effectively promote the efficiency of the control of the grinding classification process.

關鍵詞：磨礦;模糊規則庫;模糊控制;控制變量;SABC工藝流程

Key words： grinding;fuzzy rule base;fuzzy control;control variables;SABC process flow

中圖分類號：TD91? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）03-0182-03

0? 引言

對于選礦工藝而言，磨礦是其一項基礎內容，且其效果的好壞可直接對相關經濟的高低、選礦工藝技術的高低起到一定程度厚的影響作用。磨礦過程相對而言比較復雜，也存在著諸多因素能夠對其造成影響，因此很難保障其數學模型建立后的精確性。目前國內的大多數磨礦分級過程仍為傳統模式，需操作人員依據其經驗來手動調整變量，存在著一定的局限性。而模糊控制方法的運用則改善了這一問題。本文主要是對磨礦分級過程模糊控制研究和仿真實行相關分析。

1? 模糊控制策略概述

模糊控制能夠在非線性多變量實際系統中充分發揮有效控制效果，屬于工程諸多控制方案中的一種非線性控制，同時其也比較容易實現，控制魯棒性相對比較強。由于磨礦分級系統比較復雜且具有較高的不確定性，能夠讓模糊系統發揮其自身優勢。TSK模糊建模的方式對于模型的控制精度能夠起到良好的提升作用，對后件參數通過線性函數來計算，對模糊化復雜程度起到了降低作用[1]。以一階TSK模型來作為基礎，不做任何數據結構的假設，通過大量的數據學習總結控制規則，再利用數據庫來對模糊控制器輸出值實行相關計算。無論是參數優化步驟還是鑒定結構步驟，均實現自動進行的效果，且同時也能夠對規則的正確性、最佳數量起到平衡作用。相比較傳統控制方式而言，模糊控制優勢之處在于其能夠基于數據學習的方式來對控制規則進行掌握，且對未明確對象的數學模型也能實現有效控制。

2? 控制變量的選擇

SABC工藝流程中，回路主要由旋流器、球磨機構成。其中，能夠作為磨礦分級過程控制系統控制量的主要有球磨機給水量、給礦量、球磨機排礦補加水量、渣漿泵頻率：

2.1 球磨機給水量控制策略

給水量主要運用于對其回路內存在的物料的濃度實行調整，依據當前給水量、給礦量來對磨機內的濃度進行判斷，起到避免磨機漲肚停產狀況的作用，保障了系統的正常運轉[2]。

2.2 球磨機給礦量控制策略

給礦量可直接對生產效率關系起到直接影響，其主要是對旋流器溢流值、磨機功率值進行實時調整，以此來對整體磨礦分級階段出入料平衡效果進行保障。

2.3 球磨機排礦補加水控制策略

球磨機排礦補加水，指的是渣漿泵池的補加水，其主要對旋流器-球磨系統中的礦漿量進行平衡。

2.4 渣漿泵頻率控制策略

參考實際旋流器流量、溢流粒度來對渣漿泵頻率進行調節，充分保障其溢流粒度達標情況下，來對浮選作業的接受能力進行考慮，同時即時調整溢流流量，避免出現浮選槽漫礦現象的出現。

3? 模糊規則庫

運用模糊建模控制方法時，模糊規則庫的建立可采用高斯型隸屬度函數來構建。對于人們而言，高斯型正態分布的隸屬函數能夠充分對其在事物判斷方面的思維特點起到體現的作用，且相比較下，高斯型函數光滑型、對稱性更強，無零點存在于圖形上，物理意義較為清晰，能夠更好地對隸屬度函數起到描述的作用[3]。

3.1 構建模糊規則庫的方式

先預處理相應的數據，以此來對數據集中異常值起到識別并消除的作用。后得到僅有1條初始規則的1個規則數據庫。通過相關計算方式后得出：

后實行新模糊規則的建立，將其向模糊規則庫進行添加。基于相應的樣本數據檢驗規則來對該規則庫進行驗證，得到Zi_max樣本最大誤差數據，將其作為整體候選中心來對新規則實行構造，得出：

由于規則的創建是基于系統輸出誤差來進行，因此其有可能認為異常值是新規則的中心。即僅依靠預處理數據的方式，不可能實現對存在異常值數據集的完全消除。而為了進一步實現對噪聲數據影響起到降低的目的，避免異常值成為規則中心，依據相關理論制定出相應約束內容：

其中uk，i_max所表示的是在第i個規則中，代表第k個數據的隸屬度值，而δ以及λ所代表的是其閾值，第i個樣本的均方誤差則以MSE_Di_max來表示;此外，文中所提到的隸屬度函數uk，i_max以及閾值δ、λ的確定利用下述公式來計算：

當式（5）中① 值較小時，則表示其在數據集中已經偏離了其它數據，即不能將其作為新規則中心，而通過①的制定則確保了新規則中心不被異常值所替代。若是有異常值存在的狀況且有著較長的訓練模型過程，則最終模型可能存在擬合現象，而式（5）中②的輔助條件則在一定程度上避免了擬合現象的出現[4]。式（5）中③的運用則讓新規則中心遠離了其他規則中心。若是所選用的樣本條件符合式（5），則可將其作為新規則中心來運用，若非如此則將其舍棄。若采用的樣本數據均不能成立式（5），應當對算法的訓練過程進行終止，以此來預防出現過擬合狀況。同時將新規則函數Anew_rule，j中的mnew_rule，j設定為前件參數，將σnew_rule，j設置為后件參數：

前件參數

其中xi_max，j所代表的是zi_max，j生成隸屬度函數前件。

標準差所代表的是新規則各隸屬度函數形狀及其有效范圍值。依據上述內容所分析，存在隸屬度的樣本能夠影響新規則的分布，因此，計算標準差時，不同樣本權重均有著差異性。

帶權重標準差

其中以LWR方式來估算后件參數σnew_rule，j，LRW所對應目標函數為

加權后的新模糊規則計算的主要關聯對象僅為訓練部分子集。

后對系統參數實行相應的調整。規則庫R能夠對論域范圍內輸入值的模糊輸入值進行確定。為了確保模型在訓練過程中精度的提升，可將規則庫R基于神經網絡學習過程來進行相應的調整[5]。

最后需對模型性能實行相應的測試，采用均方誤差來對建模方法誤差指標進行計算：

3.2 模糊建模步驟分析

3.2.1 模糊建模具體步驟

第一步：數據預處理;

第二步：模糊規則的初步建立（以式（1）、式（2）來確認前件參數→對后件參數進行計算（采用最小二乘法進行）→對模型性能進行測試（采用均方誤差法進行））;

循環過程為：

第三步：實行新模糊規則的構建（確保樣本能夠滿足最大誤差值，且可以在式（5）來實現計算，若是此樣本不存在，則算法則即時終止→對新規則隸屬度函數參數進行計算（以式（9）和式（10）來進行計算）→對新規則后件參數實行計算（以LWR算法計算））;

第四步：對模型參數實行調整（采用新神經模糊系統進行）;

第五步：在規則庫進行新規則的添加并對規則庫更新，測試其規則數、誤差。

結束條件：若滿足終止條件則得出最終數據庫;若不能滿足則進行循環過程，直至滿足終止條件。

3.2.2 最終規則庫的運用

①利用最終所得出的規則庫來控制磨礦分級對象，對其變量測量值進行控制，將其以閉環反饋方式送入模糊模型實行計算，規則庫能夠基于誤差值上來實現自行調整，并形成最終完善模糊控制系統。

②通過其運用，能夠對模糊規則庫中的規則數量起到控制設定的效果，從而起到對控制精度實行改變的作用[6]。但受到不同規則數量的影響，上述運算方式在實際運用時可能需要依據誤差來對隸屬度函數數量進行調整變化，以此實現控制精度，而由于設定規則數量受限，因此依然需要通過規則數量的提高，來保障最終精度有更好的提升。即當規則數量少時，該模型的運算速度相對較快，但可能存在較大誤差;當規則數量多時，該模型的運算速度相對較慢，但誤差相對較小。

4? 結束語

磨礦分級過程屬于一個相對復雜過程，諸多因素均可導致其遭受影響，導致的是很難對其數學模型的精確性起到保障作用，同時也使得磨礦技術的運用受到一定程度的影響，甚至使部分礦山依然是運用人工手動操作[7]。而通過模糊建模分級控制方式的運用，能夠有效對象建模起到控制作用，該方式基于大量數據來實行學習建模，并對目標參數進行設計，最終達到平衡建模結構與控制精度的目的，對磨礦分級過程控制的精確性、高效性起到了穩定作用。

參考文獻：

[1]于云鵬，王巖.磨礦分級過程模糊控制研究與仿真[J].金屬礦山，2017（1）：149-153.

[2]王仲夏，李久鋼，蔡忠源.基于模糊控制的設備安全距離預警系統設計[J].黑龍江工業學院學報（綜合版），2018（4）.

[3]邱勝利.礦用通風機監控系統開發研究——基于PLC和模糊理論[J].能源與節能，2017（2）：38-39.

[4]王會清，張守元.預測模糊控制在磨礦分級過程的應用研究[J].礦冶工程，2002，22（3）：60-62.

[5]趙書玲，王曉燕，汪鋒鎖，等.仿人模糊控制器在磨礦分級過程的應用研究[J].江西理工大學學報，2004，20（4）：20-21.

[6]李金標，錢鑫.磨礦分級過程模糊智能控制系統[J].有色金屬（選礦部分），1992，16（6）：37-40.

[7]賈永紅.模糊控制在磨礦分級自動控制中的應用[C].中國自動化學會全國自動化新技術學術交流會.2004.