磨矿过程控制仿真实验平台的研究
摘要:磨矿过程是选矿过程中的关键工序,其运行品质对于提高选矿厂产品质量和生产率至关重要。该过程具有非线性、大时滞、慢时变、关键工艺参数无法在线测量等综合复杂特性,其控制、优化和软测量技术的研究具有重要意义和相当难度。为了降低现场调试的成本和风险,如何在实验室中建立工程化的磨矿过程控制仿真系统成为具有重要实用价值的研究课题。本文设计和开发了磨矿过程控制仿真实验平台。提出了由真实的磨矿过程控制系统和虚拟生产组成的磨矿过程控制仿真实验平台的体系结构,可以为磨矿过程的控制和优化算法提供工程化的实验环境。
Abstract: Grinding process is a critical procedure of mineral process, and its running character is extremely important for the productivity and quality improvement. It is comprehensive and complicated characteristics of nonlinearity, large time-delay, slow time-varying and so many key engineering parameters which can not be detected online. It is dramatically significant and difficult to study the control algorithms, the optimization algorithms and the soft censor techniques for grinding process. In order to decrease the cost and risk of practical debugging, how to establish a control simulation system of grinding process for engineering is an issue which has greatly practical value. The simulation experiment platform for grinding process control is designed and developed. The general structure of the platform including real control system and virtual production plant is proposed. Thus, a kind of engineering experiment environment is provided for control and optimization algorithms.
关键词:磨矿过程;仿真系统;过程控制
Key words: grinding process;simulation system;process control
中图分类号:TD921;TP273 文献标识码:A文章编号:1006-4311(2010)20-0105-04
0引言
我国对磨矿过程仿真的研究起步相对较晚,且研究甚少,国内在选矿过程中建模与仿真水平依旧很低,造成这种状况是与我国的国情有很大关系的。我国大多数选矿厂自动化水平很低,由于各种原因,选矿厂的改造并未得到重视,大部分设备还是处于手动操作,并且多年的运行结果表明,手动操作也可以取得一定的效益,所以不存在使生产过程要自动化的压力。从而更不会认识到通过仿真技术测试先进的控制技术进而提高生产率的重要性。另外,由于磨矿过程表现为复杂的强非线性关系,且又具有强耦合、大时滞、干扰严重、工况变化频繁等综合复杂特征,所以真实模拟整个磨矿工艺流程并通过仿真软件测试先进的优化控制算法是一项难度很大的工作。在仿真技术方面,由于模型的研究较早并深入,国外关于磨矿过程的仿真软件发展也相对比较完善,其中主要体现在文[1]基于上述物料平衡模型和Lynch模型开发的Estimill仿真软件包,以及文[2, 3]基于Kidd Creek磨矿回路开发的Dynafrag动态仿真器。在国内,文献[4-6]针对一段棒磨和二段球磨回路磨矿过程粒度软测量进行了研究,所提出的方法虽然有效,但是其不能应用于两段连续磨矿回路的粒度软测量。
国内外学者在磨矿过程工业控制系统及仿真方面进行了大量的研究工作,开发了多种磨矿动态仿真器并取得了一定的成果。但通过半实物仿真方式综合模拟磨矿过程工业控制复杂特性的研究目前尚很少见,而且仍存在着仿真实验功能单一,针对性强,缺乏通用性和可扩展性;只能模拟磨矿过程的部分环节,缺乏系统性等不足。
为此,针对以上不足,本文开发了磨矿过程控制仿真实验平台。提出了由真实的磨矿过程控制系统和虚拟生产组成的磨矿过程控制仿真实验平台的体系结构。虚拟生产对象由磨矿过程虚拟对象平台和执行机构与检测装置虚拟系统组成,用来模拟磨矿过程的动态和静态特性,通过引入各种扰动模拟不同的运行工况。磨矿过程控制系统由PLC基础回路控制平台、过程监控平台和优化平台组成,可以为磨矿过程的控制和优化算法提供工程化的实验环境。
1典型两段磨矿过程工艺描述
国内选矿行业基本采用图1所示的两段闭路磨矿回路工艺流程,球磨机与螺旋分级机构成一段磨矿闭路。二段磨矿回路是由二段球磨机、水力旋流器和泵池组成。具体的工艺流程如下:经处理过的原矿石和一定比例的水进入一段球磨机进行研磨,研磨后的矿浆(矿水混合物)排入分级机,同时在分级机入口补加水,分级机返砂再送入一段球磨机形成循环负荷,分级机溢流进入二段泵池,同时在泵池入口补加一定量的水,泵池内的矿浆由底流泵以一定的压力和浓度打入旋流器,矿浆在旋流器内部离心力的作用下进行分级,符合要求的细粒级矿浆从溢流口排放以进入下段选别工序(如磁选、浮选、电选等),粗粒级矿浆由旋流器沉砂口排入二段球磨机再磨,形成二段磨机的循环负荷。
2仿真实验平台的架构设计
仿真实验平台主要由被控对象层、执行机构与检测装置层、基础回路控制层和监控优化层组成。其中,被控对象层由对象计算机组成;执行机构与检测装置层由虚拟执行机构与检测装置计算机组成;基础回路控制层由可编程逻辑控制器(PLC)组成;监控优化层分别由监控计算机和优化计算机组成。本仿真实验平台结构如下(如图2所示)。
对象计算机和虚拟执行机构与检测装置计算机之间由工业以太网连接,通过组台软件内嵌的OPC进行实时数据通讯。虚拟执行机构与检测装置计算机和可编程逻辑控制器(PLC)之间通过现场总线连接,传输0-10V和4-20mA的标准控制信号,并配有相应的信号调理装置将标准控制信号转化为模拟或数字信号传给虚拟执行机构与检测装置计算机。可编程逻辑控制器(PLC)和监控计算机之间由节点总线连接。监控计算机和优化计算机之间由工业以太网连接,通过组态软件内嵌的OPC进行实时数据通讯。
对象计算机上运行虚拟被控对象程序,用来模拟工业现场的磨矿过程;虚拟执行机构与检测装置计算机上运行磨矿过程中涉及的执行机构(如阀、核子秤和底流泵等)和检测装置模型程序,其中,执行机构包括阀、盒子秤和底流泵等,检测装置包括液位计、流量计及其它测量仪表;PLC上运行基础回路控制程序,用以控制磨矿过程的虚拟对象,硬件配置为工业用标准PLC控制器;监控计算机用来实时调整控制算法参数,显示各控制量变化趋势和过程量控制效果,对控制系统进行管理和操作;优化计算机用来运行优化程序,给出基础回路优化设定值,实现系统的优化控制。
3磨矿过程虚拟对象系统
3.1 虚拟对象系统的组成和结构虚拟对象平台软件由前台程序和后台程序组成。利用MATLAB编程语言构造后台程序,以非线性微分方程的形式实现磨矿过程虚拟对象模型,包括球磨机、螺旋分级机、泵池、水利旋流器等磨矿工艺设备动态数学模型;采用工业监控组态软件RSView32作为前台程序,演示磨矿过程的对象特性;MATLAB和RSView32之间通过DDE和ActiveX方式进行通讯,实现二者之间的无缝链接。
3.2 虚拟对象系统的后台模型程序由于磨矿过程的内部参数不能进行有效的检测,建模难度极大。文[7]对上述的典型两段磨矿过程建立了相应的机理模型,概括如下:
图3所示为一个典型两段磨矿过程,其中的变量定义如下:
输入量为原矿给矿量F1(质量),一段球磨机入口给水流量F2,一段球磨机出口给水流量F3,泵池给水流量F4,渣浆泵电机变频频率F5;
输出为旋流器溢流矿浆流量QF、固体浓度CF、固体粒度分布MF1…MF3(固体负累积产率,即固体中该种粒度所占有的比率);
给矿边界条件为原矿硬度J,原矿密度ρ,原矿粒度分布MA1…MA3;
QH、CH与MH1…MH3分别为二段球磨机排矿矿浆流量、固体浓度和固体粒度分布;
QG、CG与MG1…MG3分别为旋流器底流矿浆流量、固体浓度和固体粒度分布;
QE、CE与ME1…ME3分别为旋流器给入矿浆流量、固体浓度和固体粒度分布;
QC、CC与MC1…MC3分别为螺旋分级机溢流矿浆流量、固体浓度和固体粒度分布;
QB、CB与MB1…MB3分别为一段球磨机排矿矿浆流量、固体浓度、固体粒度分布;
QD、CD与MD1…MD3分别为螺旋分级机返砂流量、固体浓度和固体粒度分布。
(1)二段球磨机动态机理模型。二段球磨机输出作为泵池机理模型输入的一部分,包括排矿矿浆流量、固体浓度、固体粒度分布,即Y=[QH,CH,MH1,MH2,MH3]T。
二段球磨机的输入分别为旋流器底流流量、固体浓度、固体粒度分布,即Y=[QG,CG,MG1,MG2,MG3]T。
旋流器底流矿浆流量为旋流器给入矿浆流量与溢流矿浆流量之差,因而:
QG=QE-QF(1)
旋流器底流矿浆中固体流量为旋流器给入矿浆中固体流量与溢流矿浆中固体流量之差,即:
QGCG=QECE-QFCF(2)
因而,得到流入二段磨机的旋流器底流矿浆固体浓度:
CG=(3)
旋流器底流矿浆中第i粒级固体流量为给入矿浆中第i粒级固体流量与底流第i粒级固体流量之差,即
QGCGMG,i=QECEME,i-QFCFMF,i(i=1…3)(4)
式(1)代入式(3)得到流入2段磨机的旋流器底流矿浆固体粒度分布为:
MG,i= (i=1…3)(5)
磨机内矿浆体积变化为排出矿浆流量与给入矿浆流量之差,即
h=QG-QH(6)
其中,Vh为二段磨机内矿浆总量。
磨机排出矿浆体积流量QH与旋流器底流矿浆体积流量QG之间关系可用时间常数固定的一阶惯性环节描述。磨机内矿浆中固体变化率的物料平衡方程为:
=QGCG-QHCH(7)
其中,Ch为二段磨机内矿浆固体浓度。
由于磨矿过程既是矿物裂解过程,又因为磨机的转动而是不断混合的过程,因此,可以认为磨机内矿浆的平均固体体积浓度与磨机排出矿浆固体体积浓度相等,因此,由式(6)、(7)得到:
=(QGCG-QGCH)(8)
由于磨机内第i粒级的变化率为该粒级进料(包括返砂回来部分)与排矿之差, 再添入其他粒级破碎至第i粒级物料与第i粒级因破碎而减少物料,可以得到磨矿动力学方程为:
=QCMρ-QCMρ-rS=QCMρ-QCMρ-rS+brS=QCMρ-QCMρ+brS+rS(9)
其中,S1…S3为磨机内矿浆的各粒级固体质量;ri为选择函数,表示i粒级因破碎而减少的含量;bij为破裂函数,由i粒级破碎到j粒级的比例。
如果不刻意去隔离混合器内矿浆的各粒级矿粒,则其中各种粒级矿物停留时间相等,而且与矿浆在磨机内的停留时间相同,因而,相似于理想混合器的连续操作磨机的各粒级矿物与矿浆中水的排出率相同,得到:
==(10)
Si=ρVCM(i=1,2,3)(11)
式(5)(6)(11)代入式得到:
=(M-M)-rM=(M-M)-rM+brM=(M-M)+brM+rM(12)
破裂函数可描述为:
b=(λ+λC)()+(1-λ-λC)()(13)
b+b=1(14)
其中,参数λ…λ由物料性质确定的常数。
式(12)的磨矿总体平衡动力学模型把物料平衡理论和磨矿动力学原理相结合,适用范围较之静态碎解矩阵模型与基于统计原理的模型或示踪原子方法等应用范围更广,但需要确定选择函数。
球磨机选择函数有很多求法。使用直接试验数据计算的方法包括:零阶产出率法假定磨矿过程任一粒级的负累积产出速率为常数,进行单粒级短时间间隔的磨矿试验,将不同时刻的磨矿产品进行粒度分析,从而确定选择函数;基于理论模型的简算法以单粒级物料进行不同磨矿时间试验,然后根据一阶动力学方程求选择函数;理想混合模拟器计算法、G-H迭代算法将整个磨机内矿浆浓度、粒度分布视为一体;利用示踪原子的直接测定法用Z-RTD模型描述滚筒式磨机质量传输行为,确定选择函数、破裂函数、滞留时间等参数。
(2)一段球磨机动态机理模型。一段格子型球磨机磨矿过程的输出为排出矿浆流量QB,固体体积浓度CB,固体粒度分布MB1…MB3。磨机输入为原矿给矿量F1,磨机入口给水F2,分级机返砂输入磨机的返砂量QD(t-τ),返砂浓度CD,返砂粒度分布MD1(t-τ)…MD3(t-τ),τ为返砂时间,对于固定螺旋分级过程,可定为常数。
磨矿过程边界条件为原矿粒度分布MA1…MA3,原矿硬度J与ρ密度。一段磨机输入的矿浆体积流量包括原矿给矿量、磨机入口给水量和分级机返砂量的延时,即:
Q=+F+Q(t-τ)(15)
一段磨机输入矿浆中的固体体积浓度为:
C=(16)
一段磨机入口的给入矿浆粒度分布为原矿与返砂产品的混合,即:M= (i=1…3)(17)
与前面所述的二段溢流型球磨机不同,一段的格子型磨机内磨矿浓度较大,磨矿时间也相对较长,我们将磨机内的重复裂解过程看作串联在一起的三阶混合器,每个混合器相当于一个子磨机,前一个子磨机的输出是为下一个子磨机的输入。而且每个子磨机排出矿浆体积流量与子磨机入口矿浆体积流量之间关系可用时间常数固定的一阶惯性环节描述。每个子磨机的磨矿浓度因磨机筒体的旋转带来的混合作用而与子磨机排矿浓度相等。
第i个子磨机内矿浆变化为:i=Qi-1-Qi (i=1…3)(18)
其中,V1…V3为三个子磨机内的矿浆体积;Q1…Q3为三个子磨机的排出矿浆流量,并满足:Q3=QB(19)
子磨机内干矿量的体积变化为输入干矿量与输出干矿量之差,即:=QC-QC(20)
因而,得到:
=(QC-QC)(i=1…3)(21)
其中,C1…C3为各子磨机的磨矿浓度,并满足:
C3=CB(22)
每个子磨机内均可用如下的磨矿动力学方程描述:
=QCM-QCM-rS=QCM-QCM-rS+brS=QCM-QCM+(1-b)rS+rS(i=1…3)(23)
其中,ri为第i个子磨机的选择函数;bi为第i个子磨机的破裂函数;Mi,1…Mi,3为第i个子磨机的排矿粒度分布,并满足如下的条件:
[M3,1,M3,2,M3,3]T=[MB,1,MB,2,MB,3]T
与二段磨矿相类似,一段磨矿的每个子磨机内各种粒径固体的排矿流率相同,因而可得到:
Si,j=ρViCiMi,j(j=1…3)(24)
式(23)代入式(24)得到:
=(M-M)-rM=(M-M)-rM+brM=(M-M)+(1-b)rM+rM(25)
破裂函数为:
b=(λ+λC)()+(1-λ-λC)()(26)
3.3 虚拟对象系统的前台应用程序虚拟对象平台软件在win2000操作系统下,利用Rsview32、Matlab和excell等应用软件共同开发完成。其中Rsview32利用其组态优势,主要完成软件的界面设计;Matlab主要完成模型的实时运算;excell作为实时数据库,存储需要保留的参数值。虚拟对象与虚拟执行机构和检测装置的数据交换有Rsview32内嵌的OPCsever完成。
4实验研究
在选矿厂中,磨矿是决定整个选矿效率的关键工段,影响磨矿作业的因素很多,给矿过程是影响磨矿操作的首要因素。而且,给矿过程是具有大滞后的慢过程。为了验证实验平台的有效性,并结合给矿过程的滞后特性,设计两种控制方案:
(1) 当模型参数跳变范围已知时的多模型自校正DMC控制。当模型参数跳变范围已知时,可以采用区间划分的方法,将模型参数的变化范围进行区间划分,形成一定数量的固定模型,存入模型数据库,然后再进行在线的多模型自校正DMC控制。
(2) 当模型参数跳变范围未知时的多模型自校正DMC控制。当模型参数跳变范围未知时,采用基于粒子群在线优化的多模型自校正DMC控制。但在实验室中,由于实时性和高效性,往往将慢过程加快以节省时间。而对于基于粒子群优化的多模型自校正DMC控制,当粒子群在线优化模型参数时,往往需要一定的优化时间。为了解决上述矛盾,可利用虚拟对象平台仿真时间可调的功能,设定适当的仿真时钟。这样,即可以解决仿真的实时性问题,又能够验证算法的有效性。
在仿真实验中,控制器参数设置如下:建模时域N=25,预测时域P=25,控制时域L=5,误差累计长度l=20。仿真开始时间:18:08:00,给矿量设定为145 t/h,模型为;仿真时间为18:14:50时,给矿量设定为135 t/h,模型变为;仿真时间为18:21:23时,给矿量设定为145 t/h,模型变为;仿真时间为18:29:35时,给矿量设定为135 t/h,模型变为。其运行趋势图如图5所示。从运行结果可以看出,当模型参数发生跳变时,系统能够很好地响应工况的变化。证明了本仿真平台可以验证先进控制算法的有效性和可行性,是有效的算法验证实验平台。
5总结
在选矿行业中,磨矿分级是具有多变量、强耦合、非线性、大滞后、时变等综合复杂特征的工业过程,本文详细描述和分析了磨矿过程的工艺流程、回路的控制目标和控制难点。针对先进的建模、控制、优化及软测量算法的工程化验证问题和复杂工业过程仿真的需求,设计和开发了磨矿过程控制仿真实验平台。经过在平台上的实验研究,证明了在该平台上可以进行相关的控制实验,进一步说明了平台的实用性。
参考文献:
[1]Herbst J, Kinnenberg D, Rajamani K. Estimill-a program for grinding simulation and parameter estimation with linear models [M], Saltlake city: Utah publication, 1977.
[2]Dubé Y, Lanther R. Computer aided dynamic analysis and control design for grinding circuits [J], CIM Bulletin, 1987, 80(905): 65-70.
[3]Flament F, Lanther R. Computer aided design of a control strategy for an industrial grinding circuit [C], Computer applications in Mineral Industry, 1991, Canada.
[4]张晓东,王伟,王小刚. 选矿过程神经网络粒度软测量方法的研究[J],控制理论与应用,2002,19(1):85-88.
[5]丁进良等. 基于遗传算法的磨矿粒度神经网络软测量[J],仪器仪表学报,2006,27(9):981-984.
[6]周平. 基于案例推理的磨矿粒度软测量方法及在磨矿回路控制中的应用研究[D],沈阳:东北大学,2006.
[7]铁鸣. 若干具有综合复杂特性的冶金工业过程混合智能建模及应用研究[D],沈阳:东北大学,2006.