[发明专利]一种基于数据驱动的煤泥浮选精煤灰份软测量方法

说明书

技术领域

本发明涉及工业过程控制领域的软测量技术领域，特别涉及对煤泥浮选过 程中浮选精煤灰份进行软测量的方法。

背景技术

软测量是解决某些关键参数急需测量但却没有相应测试仪器，或测试仪器 过于昂贵情形下的一种有效途径。具体来讲，软测量就是将需要关心的变量(即 待测变量)作为主导变量，而将引起主导变量变化的相关变量(可测变量)作 为辅助变量，以辅助变量的数据做输入，主导变量的数据做输出，构建数学模 型，从而获得主导变量值的方法，因此软测量有时也称为软仪表。软测量建模 可以分为机理建模、数据驱动建模和混合建模三种方式，涉及到统计学、神经 网络、支持向量机等多种方法。软测量建模的最大特点是对象依赖性强，对于 不同的研究对象，相应的辅助变量选择差异性大，要求设计者同时具备对象工 艺过程知识和测试建模的综合知识，才可能获得优良的软测量模型。

煤炭洗选是洁净煤的基础和前提，浮选是煤炭洗选中处理细粒煤的主要方 法。目前国内采用的煤泥浮选控制策略主要为前馈控制，即测取浮选入料的浓 度和流量，计算干煤泥量，然后在此基础上，通过实验验证吨干煤泥量应该添 加的浮选药剂种类、比例和加药点，从而实现煤泥浮选过程的稳定控制。

采用这种控制策略存在的问题是：无法实时获知浮选精煤产品的灰份，实 现浮选精煤质量卡边。目前国内控制精煤灰分指标的实际操作方法是大部分通 过人工采样来化验浮选精煤的灰份，由于化验时间长，时间滞后，对生产指导 作用有限，不能实现浮选精煤灰份的实时检测和质量卡边。

国外一般是采用煤浆测灰仪来实现浮选精煤灰分的质量卡边控制的。然而 由于测灰仪产品价格昂贵，花费巨大，我国绝大部分选煤厂难以配备。90年代 末，由中国矿业大学和清华大学联合开发了煤浆测灰仪，同时开发了基于在线 煤浆测灰仪的煤泥浮选优化控制系统，但由于安全和维护工作量大且复杂等问 题，影响了产品推广。

因此，寻求检测技术新机理、新方法来提高浮选过程的在线检测水平、实 现浮选自动化，满足选煤综合自动化发展需求，是煤泥浮选自动化的一个重要 研究方向。软测量技术的兴起与发展，为煤泥浮选精煤灰份检测提供了检测和 测量的新思路和新方法。浮选过程是一个机理复杂、非线性、大时滞、强耦合 的生产过程，影响浮选精煤产品质量因素众多，机理建模由于过多的简化，与 实际浮选过程相去甚远，因此，基于数据驱动的建模方法成为浮选过程精煤灰 份软测量建模的必由之路。

G.T.Adel等(an advanced control system for fine coal flotation.1999， Final Technical Report，United States Department of Energy，Federal Energy Technology Center)对煤泥浮选的精煤采取了基于搅拌机理模型和卡尔曼滤波 的方式确定。G.D.Gonzalez等(Local models for soft-sensors in a rougher flotation bank，Minerals Engineering.2003，(16)：441-453)对铜浮选的粗选 过程精矿品位进行了多种软测量建模方案的对比，发现模型只对操作点附近有 效，操作点偏离过大将直接导致模型失配，因此要考虑可变工况对软测量建模 的影响。周俊武等(基于RBF网络的浮选技术指标预报模型的研究.有色金属(选 矿部分)，2002)以铅锌矿石工业浮选铅粗选矿为例，研究了原矿铅、锌品位，矿 浆pH值，磨矿浓度以及药剂用量与浮选回收率和精矿品位之间的关系，并建立 了神经网络模型。张勇(浮选生产过程经济技术指标的软测量建模，控制工程. 2005，(12)：346-348)进行了粗糙集-神经网络智能系统在铁矿浮选过程中的应 用研究，将神经网络和粗糙集理论引入浮选建模过程中，使数据预处理和软测 量建模与浮选生产工艺有机结合，探索浮选过程的建模与智能优化方法，并在 工业现场进行了两个月的现场实验，取得良好的效果。

对铜、铁、铅、锌矿的浮选过程的软测量建模方案为神经网络或统计学方 法，需要足够多的数据，工业现场无法满足这种苛刻要求，同时模型只对操作 点附近有效，操作点偏离过大将直接导致模型失配。