选矿中磨矿过程如何进行优化

磨矿过程的自动控制水平受到其大惯性、时变、大时滞等特点的影响一直不是很高，即便是少数选厂实现了自动控制，也只是在某些简单的控制过程中采用一些传统的控制方法，进行定值控制。对磨矿过程进行优化控制、提高其控制效果可以有效的节约能源、提高生产效率和产品质量。

早期的磨矿分级过程采用的基本都是PID单回路控制，随着控制理论的逐渐成熟，各种控制方法也逐渐应用在磨矿过程控制中，诸如复杂控制、自适应控制、模糊控制等。

文献在20世纪80年代，提出了前馈控制方法。文章通过对物理过程的推导和试验数据的回归分析，建立了一个球磨机磨矿浓度前馈控制静态数学模型，并在凤凰山铜矿厂进行投入运行，磨矿浓度较稳定，磨矿浓度更大偏差值较小，控制效果较好。

文献针对云南某选矿公司的具体情况，设计自动化控制系统，利用了西门子57-400 PLC对磨矿分级过程实现了智能化控制。在控制过程中，采用了模糊控制、串级控制、自适应控制等多种很好控制方法，实现了系统的控制精度提高，调节速度加快，抗干扰能力强的特点。该系统还实现了上位机监控管理功能，方便了使用人员的操作。运行结果表明该系统操作方便、控制灵活、稳定可靠、功能强大，可实时调节控制参数，提高了磨矿分级过程的工作效率和成品质量，经济效益和社会效益显著。

优化控制是利用现有的生产设备和资源，在基础回路控制有效实施的基础上尽可能的提高生产过程的工作效率和产品质量，并且创造出尽可能大的经济效益，生产过程的优化控制是目前各个行业所面临的非常急需解决的重要任务。磨矿过程是一个由众多个生产工序组成的连续生产过程，在各个生产单元实现优化控制可以充分利用设备资源、降低能耗、提高选厂的处理量和分级溢流产品质量。从70年代便开始了磨矿过程的优化控制研究，从静态优化研究开始，到选择已经发展到动态优化以及智能优化，各种优化控制方法研究广泛体现在磨机负荷、磨机工况优化、工艺流程优化、分级效率优化等方面，优化方法主要涉及到模糊理论、专家系统、神经网络、软测量技术等。

文以凡口铅锌矿磨矿分级作业为研究对象，引入现代控制理论与专家系统等技术，开发了磨矿分级过程控制专家指导系统。

文将模糊控制和神经网络结合起来，针对磨矿分级过程的特性，设计了一种基于BP人工神经网络的自适应模糊智能控制器。通过仿真结果表明，BP神经网络“预测模型”能很好地拟合有关数据并寻出更优点。系统准确性很好，抗干扰能力较强，跟踪性能良好，系统具有自适应和自学习的智能结构。

文献提出实验室磨矿回路的自适应控制，采用了多变量自适应控制策略，使用到了卡尔曼滤波、自适应装置理论、控制理论等。文献〔35]提出反馈和更优控制方法，提出使用两个PI控制器对使用一个具体模型的磨矿回路进行离线调整。文献建立了磨矿分级过程控制系统的多变量差分方程模型，使用广义预测控制对其进行实验研究。文针对磨矿分级过程中，磨机因给料量不合适而时常发生不饱或胀肚现象，从而影响生产效率这一问题，应用嵌套式规则的T2S模糊模型，提出了棒磨机给料模糊专家复合优化决策方法，并通过仿真验证，结果表明该方法可以使棒磨机的给料达到优化值。