Моделирование и автоматизация обогатительных процессов. Методы автоматизированного управления технологическими процессами обогащения. Учебное пособие

как оптимизация реагентного режима на основе контроля параметров ионного состава флотационной пульпы и управления параметрами флотации по статистико-технологическим моделям, используется методика технологической типизации перерабатываемого сырья в режиме реального времени. Принятый алгоритм управления предполагает декомпозицию технологической схемы и разбивку ее на отдельные контуры управления по частным критериям.

Для информационного обеспечения разработанных алгоритмов использовалась комплексная база данных, включающая информацию о концентрациях реагентов и рН, уровнях пульпы во флотомашинах, объемных расходах пульпы, расходах реагентов, содержании ценных компонентов в основных продуктах схемы обогащения. Процесс управления заключался в регулировании расходов извести, сернистого натрия и собирателя с использованием для расчета оптимальных значений физико-химических моделей процессов взаимодействия флотационных реагентов с минералами, учитывающих побочные химические и электрохимические реакции, протекающие в жидкой фазе пульпы.

Примером реализации адаптивно-детерминированного метода является алгоритм адаптивно-детерминированного управления процессом флотации АDDEFLOT. Основной задачей системы и алгоритма является оптимизация процесса флотации с использованием принципа минимизации потерь ценных компонентов и издержек производства.

Регулирование осуществляется на двух уровнях. Нижний уровень обеспечивает поддержание в жидкой фазе пульпы оптимальных концентраций (рН, рS) или соотношений концентраций компонентов ионного состава. Для расчета необходимых концентраций реагентов применяются детерминированные физико-химические модели, связывающие концентрации параметров жидкой фазы в оптимальных условиях для флотации.

На верхнем уровне производится адаптация используемой модели (задающей функции). Суть адаптации заключается в подборе такого значения параметра (рН, рS), при котором будет достигаться наибольшая эффективность процесса. В качестве показателя эффективности в алгоритме АDDEFLOT используется обобщающий экономический критерий

51

где ε*, ε, Ц, α – соответственно потери, извлечение, условная цена и содержание в руде первого (Ме1), второго (Ме2) и третьего (Ме3) металлов. Первый и второй металлы – ценные компоненты, подлежащие извлечению в операции. Третий металл – загрязняющий компонент, снижающий стоимость готовой продукции, или ценный компонент, безвозвратно теряемый в операции.

При расчете изменения извлечения металлов в концентраты и величины критерия оптимизации используется математическая модель флотации, связывающая конечные показатели с параметрами ионно-молекурярного состава пульпы (рН, концентрацией реагентов), минеральным и фракционным составом руды. Конечный вид зависимостей извлечений металлов и критерия оптимизации от рН пульпы, представленный на рис. 11, обосновывает возможность од-

52

нозначного определения оптимальных условий процесса флотации с использованием адаптивно-детерминированного метода.

Поддержание оптимального значения рН пульпы обеспечивает достижение экономически обоснованного соотношения извлечений ценных и мешающих компонентов, и, в конечном итоге, снижение приведенных потерь металлов в процессе обогащения в стоимостном эквиваленте.

Примером реализации детерминированного метода является определение сортности руды с применением «многокритериального метода расчета принадлежности». Область нахождения искомого решения представлена образцами типовых руд. Руда представляется в виде смеси пяти типов руд, при этом в руде определяется вклад (массовая доля) каждого типа руды. Расчет сортности поступившей руды ведется по шести или более значимым параметрам руды (например, по содержанию меди, молибдена и железа в руде, массовой доле окисленных минералов меди, первичных и вторичных сульфидных минералов меди в руде).

Для анализа сортности руды применяется система видео-имидж- анализа, основанная на использовании цифрового видеоизображения, формирующегося с помощью современных телеметрических и программно-технических средств.

Сутью метода является проведение минералогического анализа на основе обработки изображений руды в видимой части спектра. В базу данных системы внесены видеоизображения основных минералов. На основе спектрального минералогического анализа производится определение массовой доли окисленных минералов, первичных и вторичных сульфидов меди, пирита, кварца, серицита и других минералов, присутствие которых характеризует сортность руды. Полученное изображение руды несет в себе также информацию о морфологических характеристиках минеральных комплексов, в том числе данные о характере вкрапленности рудных минералов. Такая информация позволяет дать рекомендации о целесообразной крупности измельчения руды, обеспечивающей оптимальное раскрытие минеральных сростков.

Задача определения сортности поступающей на переработку руды состоит в установлении ее схожести с основными технологическим типами руд. Суть расчета долей принадлежности руды к определенному типу состоит в том, что для поступившей руды можно определить степень «сходства» каждому из известных типов руды, и

53

пропорционально этой степени установить доли, которые каждый из типов руды составляет в поступившей на переработку руде.

Решение многокритериальной задачи заключается в нахождении доли принадлежности расчетной точки к определенному множеству точек на плоскости (двумерное пространство) или в любом другом «пространстве». Суть расчета принадлежности руды к определенному типу состоит в том, что для поступившей руды можно определить степень «сходства» каждому из известных пяти типов руды, и пропорционально этой степени установить доли, которые каждый из этих типов составляет в поступившей на переработку руде. Для этого сначала определяется удаленность от точки, координаты которой соответствуют параметрам руды, поступившей на переработку, до каждой из точек, координаты которых соответствуют типам руд, выделенных технологами в качестве базовых (рис. 12).

Рис. 12. Пример оценки состава руды в двумерном пространстве: 1–5 – типы руд; – руда текущей добычи; S1– S5 – отклонения параметров руды текущей добычи от параметров руд типов 1–5

54

После проведения операций нормирования и оценки значимости параметров при помощи расчетных уравнений, определяются искомые значения массовых долей типовых руд в руде, поступающей на переработку.

Нормированная величина отклонения (Si) параметров смеси руд (Zn) от параметров типовых руд (Zni) рассчитывается по формуле

Нормированные величины схожести параметров смеси руд с параметрами типовых руд рассчитываются по формуле

где Si – нормированное отклонение параметров смеси руд от параметров типовых руд.

Расчет массовой доли отдельного типа руды (γi) в смеси руд производится по формуле

где k – коэффициенты значимости отдельных измеряемых параметров руды.

Коэффициенты значимости отдельных параметров являются адаптивно настраиваемыми параметрами, исходной базой для корректировки которых является проверочная информация о фактической сортности руды, получаемая по результатам анализа проб, отобранных и проанализированных с применением классических методик.

Операция определения сортности повторяется через заданный промежуток времени. Конечные результаты анализа сортности перерабатываемой руды имеют вид временных зависимостей, представленных на рис. 13 и отражающих изменение состава руды.

Управление обогатительными процессами осуществляется в автоматическом или полуавтоматическом режиме и предполагает выбор оптимальных решений на основе обработки информации о сортности руды.

Процесс управления качеством руды осуществляется на стадиях добычи и транспортирования руды (рис. 14). В нем предусматрива-

55

Рис. 13. Временная зависимость состава руды текущей добычи: 1 – массивные первичные руды; 2 – смешанные руды с вторичной

сульфидизацией; 3 – смешанные окисленные руды; 4 – смешанные серитизированные руды; 5 – бедные пиритизированные руды

ются как управление усреднением руды в потоке, так и разделением первичного потока на потоки преимущественно сульфидных и преимущественно смешанных руд.

Рис. 14. Алгоритм управления качеством руды на стадиях добычи и обогащения

56

Сортность руды используется в качестве входного параметра при регулировании технологических параметров процессов измельчения и флотации. С учетом сортности руды рассчитывается значение целевых функций SF в локальных системах регулирования крупности измельчения, циркулирующей нагрузки, расходов флотационных реагентов. Значение целевой функции SF для указанных систем было рассчитано как средневзвешенное от базовых значений этих параметров для каждого стандартного сорта руды (SFi) с использованием уравнения

где γi – относительная массовая доля руды i -го типа в поступающей на переработку смеси руд.

Рассчитанные целевые функции используются в качестве базового уровня в локальных системах автоматического регулирования процесса измельчения и флотации. В дальнейшем системы регулирования поддерживают заданные значения с использованием классического метода регулирования по отклонению.

57

6. ИНТЕЛЛЕКТУАЛЬНЫЕ И КОМБИНИРОВАННЫЕ МЕТОДЫ УПРАВЛЕНИЯ

Под интеллектуальными понимают методы управления, в которых реализуются алгоритмы, сходные или повторяющие алгоритмы работы человека, чаще всего технолога, обслуживающего данный процесс.

Интеллектуальные системы управления (ИС) способны синтезировать цель, принимать решения к действию, обеспечивать действия для достижения цели, прогнозировать результаты действия и сопоставлять их с реальными, образуя обратную связь, корректировать цель или управление.

На рис. 15 приведена структурная схема ИС, где выделены два крупных блока системы: синтез цели и ее реализация.

Рис. 15. Структурная схема интеллектуальной системы управления: блок 1 – синтез цели; блок II – реализация цели

58

В блоке I на основе активного оценивания информации, полученной от системы датчиков, при наличии мотивации и знаний синтезируется цель и принимается решение к действию. Активное оценивание информации осуществляется под воздействием пусковых сигналов. Изменчивость окружающей среды и собственного состояния системы может приводить к потребности в чем-либо (мотивации), а при наличии знаний может быть синтезирована цель.

Под целью понимается идеальное мысленное предвосхищение результата деятельности. Продолжая активно оценивать информацию об окружающей среде и собственном состоянии системы (в том числе объекта управления), при сопоставлении вариантов достижения цели можно принять решение к действию.

Далее в блоке II динамическая экспертная система (ДЭС) на основании текущих сведений об окружающей среде и собственном состоянии ИС при наличии цели и знаний осуществляет экспертную оценку, принимает решение об управлении, прогнозирует результаты действия и вырабатывает управляющее воздействие.

Представленное в кодированном виде управляющее воздействие преобразуется в физический сигнал и поступает на исполнительные устройства.

Объект управления, получая сигнал от исполнительных устройств, осуществляет то или иное действие, результаты которого, представленные в виде параметров, по цепи обратной связи 2 поступают в ДЭС, где сравниваются с прогнозированными. Одновременно параметры результата действия, интерпретированные в соответствии со свойствами цели и поступающие в блок I, могут использоваться для эмоциональной оценки достигнутого результата (например, цель достигнута, но результат не нравится).

Если цель достигается по всем параметрам, то управление подтверждается, в противном случае происходит коррекция управления. Когда же цель недостижима, то корректируется цель.

Следует заметить, что при внезапных изменениях состояния окружающей среды или объекта управления, или системы в целом возможен синтез новой цели и организация ее достижения.

Структура ИС наряду с новыми элементами содержит традиционные элементы и связи, центральное место в ней занимает динамическая экспертная система. Формально ИС описывается следующими шестью операторами:

59

T× X × S ¾¾α1 М × Т ;

T× M× S ¾¾α2 С×Т; C × T× S ¾¾α3 R × T;

Т × Х = {A × T}X × T + {B × T}U × T;

T× Y = {D× T} X × T;

T × R × Y ¾¾α4 С × Т ,

где Т – множество моментов времени; X, S, M, C, R и Y – множества состояний системы, окружающей среды, мотивации, цели, прогнозируемого и реального результата; А, В и D – матрицы параметров; αi (где i = 1–4) – интеллектуальные операторы преобразования, использующие знания.

Вэтом описании сочетаются представления объектов системы

ввиде множества значений, либо множества высказываний, либо каких-то других форм.

Динамические свойства ИС могут быть описаны в пространстве состояний. Интеллектуальные операторы, реализующие восприятие, представление, формирование понятия, суждения и умозаключения в процессе познания, являются формальным средством обработки сведений и знаний, а также принятия решения. Все эти аспекты должны быть положены в основу построения ДЭС, функционирующих в реальном времени и реальном мире.

Динамическая экспертная система – это совокупность операторов, способная оценивать состояние среды и самой системы, сопоставлять параметры желаемого и реального результатов действия, принимать решение и вырабатывать управляющие воздействия, способствующие достижению цели. Для этого ДЭС должна обладать запасом знаний и располагать методами решения задач. Знания, передаваемые экспертной системе, можно разделить на три категории:

1) концептуальное (на уровне понятий) знание – это знание, воплощенное в словах человеческой речи или, конкретнее, в научно-техни- ческих терминах и, естественно, в стоящих за этими терминами классах и свойствах объектов окружающей среды. Сюда же входят связи, отношения и зависимости между понятиями и их свойствами, причем связи абстрактные, так же выраженные словами и терминами. Концептуальное знание – это сфера главным образом фундаментальных наук, если учитывать, что понятие есть продукт высшего уровня материи – мозга;

2) фактуальное, предметное знание – это совокупность сведений о качественных и количественных характеристиках конкретных объ-

60