基于模糊控制算法的浮选机液位控制研究.docxVIP

基于模糊控制算法的浮选机液位控制研究 浮选液位控制是影响选择指标的重要因素。在此基础上，很难控制浮选液位变化的许多因素，稳定地影响浮选指标。传统的pid控制很难调整为多变量。在这项工作中，我们以一家研究公司为例，研究了浮选机位控制的不稳定性问题，并利用了基于模糊控制算法的多变量控制策略。该解决方案是基于罗克韦尔剩余l73系统的多变量预算编制方案。该系统投资于1到2个方向，浮选液位稳定，对确保选别指数重要作用。 1 混合浮选工序 该选厂的破碎工艺采用一段破碎, 矿石经旋回破碎机破碎后输送到封闭的储矿堆场;磨选采用SABC系统, 半自磨给矿量1 800 t/h;混合浮选流程为1次粗选、3次扫选、3次精选, 混合浮选工序包括旋流器溢流经φ6 000 mm×6 500 mm搅拌槽, 进入4组 (粗选、扫选每组4台) 160 m3浮选机浮选, 浮选机浮选物进入3组 (每组分别为2、2、4台) 24 m3精选浮选机, 尾矿为最终尾矿。精选泡沫产品为精矿进浓密机, 尾矿返回上一级重新浮选。粗选和扫选每组有4台浮选机, 2台浮选机串联由2套排矿阀控制排矿量的大小, 即浮选机液位控制的关键执行器。浮选作业示意图见图1。 2 系统设计 2.1 控制策略及总标签数 冗余控制器采用L73, 用户内存8 MB, 内置通讯口采用USB, 控制器能同时完成32个工作, 每个工作100条程序, 500 ms的总控制策略数为125个, 总标签数的最大值可达31 250个。单个主站采用1个L73 CPU模块、1个Controlnet模块、1个以太网模块、1个RM冗余模块。 2.2 各工段网络设计 根据生产工艺分工段进行设计, 首先是破碎磨矿工段的网络设计, 见图2, 其他车间包括混合浮选工段的网络、分离浮选和过滤工段的网络、尾矿工段的网络均按照破碎磨选工段的网络进行设计。 2.3 模糊控制方法 对于有多因素影响的浮选液位控制采用多变量控制策略, 根据各个变量在系统中的影响程度确定隶属度函数, 通过模糊推理、解模糊确定输出控制量, 从而设计出基于模糊控制算法的多变量控制器, 有效解决了各个变量间的相互影响。模糊多变量控制器的设计步骤如下: (1) 确定输入量的隶属函数为高斯基函数, 对扫选I的液位、粗选的阀门开度、粗选液位、扫选Ⅱ的泡沫泵的输出流量等输入量模糊化, 输出量依此进行模糊化处理。 (2) 根据工艺对各变量间的关系设计模糊推理规则库, 根据模糊推理规则进行推理计算。 (3) 采用重心平均法对输出变量反模糊化, 解模糊后的输出变量通过AO模块输出到执行器。 以扫选I的液位控制为例叙述其控制策略, 见图3。输入量包括扫选Ⅱ泡沫泵的输出流量、粗选液位、粗选阀门开度、扫选Ⅰ液位检测值;输出量包括扫选Ⅰ阀门控制值、扫选Ⅱ泡沫泵的频率控制值、粗选阀门控制值。 3 开度反馈分析 应用该模糊多变量控制器后, 很好地解决了浮选液面大幅波动的情况, 尾矿的跑尾问题也得到了有效的控制, 而且该控制算法能很好地跟踪液位控制数值的变化。图4为液位由260 mm调节到300mm的过程曲线, 变化较大的2条曲线是扫选2个排矿阀门的开度反馈, 该开度反馈曲线表明阀门根据算法的输出在不断的调整, 从而保障了液位的平稳。扫选Ⅰ的液位控制过程见图4。 4 浮选机液位控制对浮选条件的影响 (1) 冗余L73控制器的采用为浮选系统长期稳定运行提供了有力的保障, 降低了CPU出现故障时给生产企业带来的经济损失。 (2) 在工艺参数控制方面, 采用模糊多变量控制较好地解决了浮选机液位控制不稳定的问题, 为提高精矿品位提供了有力的保障。 (3) 对于多变量影响的浮选机液位系统, 模糊规则的引入很好地解决了各个变量的相互作用, 改变了以往手动控制液位变化无规律、控制不稳的弊端, 对老选厂浮选机控制改造也有很好的借鉴意义。