曹建赟

（紫金礦業(yè)廈門分公司， 福建 廈門 361001）

1 模糊控制理論

模糊控制理論是1974 年由L.A.Zadeh 提出的。模糊控制重點考慮系統(tǒng)輸入輸出的模糊化和模糊化與控制規(guī)則，無需對系統(tǒng)進行精確地數(shù)學建模，是一種智能控制方法。其控制策略能夠很好地模擬人的思維推理過程。專家經(jīng)驗可以定義為模糊規(guī)則，輸入、輸出可以劃分為不同的模糊集合，通過模糊化、模糊規(guī)則與去模糊化流程來擬系統(tǒng)的非線性行為，并可以通過計算機來實現(xiàn)控制。模糊控制可有效地應用于時滯系統(tǒng)中。在1974 年，英國倫敦大學教授Mamdani.E.H 研制成功第一個模糊控制器，并把它應用于鍋爐和蒸汽機的控制中。采用模糊控制器的控制系統(tǒng)框圖見圖1。

圖1 模糊控制系統(tǒng)框圖

定義模糊規(guī)則為：IF x1is a1...and xnis anthen y1is b1...and ynis bn。其中ai（i=1，...，n），bi（i=1，...，n）為模糊語言變量。定義模糊化為：系統(tǒng)輸入偏差e 到x的映射。定義去模糊化為y 到u 的映射。定義模糊控制器F 為e 到u 的映射，u=e^F。模糊隸屬函數(shù)f 是模糊集合中用到的函數(shù)，在x1is a1中，模糊隸屬函數(shù)表示為x1屬于模糊集合a1中的真實程度。隸屬函數(shù)數(shù)值f（x1is a1）是在0 到1 之間。將e 的值量化為m個等級，e 所屬的模糊集合劃分為n 個集合，將u 的值量化為p 個等級，u 所屬的模糊集合劃分為m 個集合，則可定義控制器F 為En*m^Um*n。其中E 為n*m的隸屬矩陣[1-3]。

2 影響浮選的因素

2.1 磨礦粒度對浮選的影響

為了保證浮選獲得較高的工藝指標，應通過試驗確定入選粒度，即磨礦細度。因為入選粒度過大或過小對浮選過程均有影響。各類礦物的浮選粒度上限不同，硫化礦一般為0.2～0.25 mm，氧化礦一般為0.25～0.30 mm。不同的礦物有最優(yōu)的浮選粒度，粒度過粗（大于0.1 mm）或過細（小于0.01 mm）對回收率都有影響。粒度過大，即便是礦物已單體解離，因其重量超過了汽泡的浮載能力，浮選過程中往往不能被浮起，故造成回收率下降。粒度過細（一般指小于18 μm），由于微粒與微粒之間、微粒與介質之間、微粒與汽泡之間的相互作用，使細粒的浮選速度變慢、選擇性變壞，從而導致回收率降低[4-5]。

2.2 泡沫特性對浮選的影響

氣泡特性是影響浮選過程的重要因素。浮選過程通過加藥、加氣產(chǎn)生泡沫，調節(jié)礦物的可浮性與泡沫的厚度，將精尾礦分離在不同層面。泡沫的特性如尺寸、大小、速率顏色等對浮選指標均有影響。通過改變礦漿pH 值改變礦物表面的電化學性質。通過增加礦漿的濃度與給礦量，將礦粒與氣泡的碰撞概率增大，礦粒與氣泡實現(xiàn)更好地黏附。通過加氣、增加攪拌程度，可以增加細小泡沫數(shù)量與密度，從而增大碰撞概率，有助于浮選指標的提升。通過控制液位和泡沫層厚度可將精礦和尾礦位于不同的層面。

3 浮選專家系統(tǒng)

3.1 試驗研究方案的制定及生產(chǎn)過程浮選手動控制

根據(jù)工藝礦物學研究的成果，試驗研究人員要通過對大量資料的研究才能初步確定試驗方案，包括工藝流程的結構、工藝條件（磨礦細度、礦漿濃度等）、藥劑制度及選礦指標。由于資料與時間的限制，在試驗研究過程中，對所確定的基本方案驗證、修正工作量大，甚至出現(xiàn)改變基本方案的現(xiàn)象，造成人力物力和時間的浪費。

對浮選的手動控制是指在浮選自動控制系統(tǒng)還沒有建立起來的時候，操作人員利用專業(yè)知識，并根據(jù)系統(tǒng)采集的給礦量、給礦濃度、給礦品位、通過現(xiàn)場走巡觀察泡沫形狀大小等，調節(jié)給藥、給氣、液位的設定值，從而滿足精礦尾礦品位工藝指標。在手動操作過程中，由于操作人員的經(jīng)驗有限，對于復雜情況的判斷通常無法系統(tǒng)地做出最優(yōu)判斷。同時由于無法及時和準確地控制系統(tǒng)，導致“跑槽”，“冒槽”等系統(tǒng)不穩(wěn)定現(xiàn)象，最終導致成本浪費，回收率下降。

3.2 浮選專家系統(tǒng)控制

浮選專家系統(tǒng)充分利用當前浮選工藝配置的過程檢測儀表、執(zhí)行機構和在線粒度分析儀器、泡沫分析儀的歷史數(shù)據(jù)，通過規(guī)則提取形成專家規(guī)則庫[6]。根據(jù)對給礦條件、泡沫圖像和品位儀實際運行狀況分析，自動調節(jié)給藥、給氣、液位的設定值，實現(xiàn)生產(chǎn)工藝參數(shù)的自適應調整，減少人為操作，同時對操作的穩(wěn)定性、可靠性和生產(chǎn)指標變化情況進行統(tǒng)計監(jiān)控[6]。浮選系統(tǒng)框圖如圖2 所示。

其中，磨礦模糊控制框圖如圖3 所示。

圖2 浮選專家系統(tǒng)框架

圖3 磨礦模糊控制框圖

浮選專家系統(tǒng)包含知識庫、試驗基本方案與設備故障處理模塊。對于一個新項目的選礦試驗，根據(jù)礦石的特性，通過專家系統(tǒng)分析比較，能確定試驗的基本方案。選產(chǎn)過程中設備出現(xiàn)故障或指標出現(xiàn)異常時，專家系統(tǒng)可以診斷。對于浮選生產(chǎn)過程的控制與優(yōu)化，專家系統(tǒng)可以給出控制規(guī)則，其中控制規(guī)則由選礦細度和泡沫特性來決定系統(tǒng)的加藥和加氣量。結合實際應用，浮選專家系統(tǒng)學習過程如圖4 所示。

圖4 浮選專家系統(tǒng)學習過程

知識庫記錄了不同類型選礦廠的實際生產(chǎn)數(shù)據(jù)、試驗研究數(shù)據(jù)和生產(chǎn)中故障診斷案例。引入知識庫對手動控制中的經(jīng)驗知識進行離線學習，試驗研究人員可輸入礦石的工藝礦物學研究成果進行試驗方案的制定。知識庫還記錄了手動控制中的歷史經(jīng)驗數(shù)據(jù)，包含在給礦條件變化下，當系統(tǒng)穩(wěn)定時，加藥、加氣、泡沫層厚度的歷史數(shù)據(jù)。記錄了不同系統(tǒng)狀況下的泡沫圖像歷史數(shù)據(jù)，以及調整控制量數(shù)據(jù)。手自動切換增加了系統(tǒng)的穩(wěn)定性。

3.3 基于OPC 通信的浮選控制

在現(xiàn)有的控制系統(tǒng)基礎上通過增加專家系統(tǒng)接口來實現(xiàn)對專家系統(tǒng)的控制。圖5 中給出了一種基于OPC 接口的浮選專家控制系統(tǒng)。控制系統(tǒng)通過OPC 服務器采集下位機數(shù)據(jù)，并將控制數(shù)據(jù)下發(fā)到浮選PLC。引入泡沫分析儀來獲取泡沫大小速度等參數(shù)。將泡沫分析數(shù)據(jù)與給藥、給氣、泡沫層厚度進行關聯(lián)。將關聯(lián)數(shù)據(jù)存入歷史數(shù)據(jù)庫供專家系統(tǒng)離線學習，生成控制規(guī)則，以供在線控制使用。基于OPC 的浮選專家系統(tǒng)如圖5 所示。

4 模糊控制器的設計

4.1 系統(tǒng)離線決策

系統(tǒng)離線決策模塊為操作人員提供輔助支持，幫助決策者做出手動控制以保障系統(tǒng)運行的穩(wěn)定性。設備故障模塊用于檢測設備故障，并給出報警提示，為系統(tǒng)啟停做決策，同時設備故障管理模塊為系統(tǒng)的數(shù)據(jù)采集提供支持。試驗方案模塊對于一個新項目的選礦試驗，根據(jù)礦石的特性，通過系統(tǒng)的分析比較，能確定下一步試驗的方案。

圖5 基于opc 通信的浮選專家系統(tǒng)

4.2 歷史數(shù)據(jù)的獲取與分析

模糊控制器的設計是建立在大量準確可靠的數(shù)據(jù)分析之上的，通過收集相關數(shù)據(jù)，分析生產(chǎn)流程的影響因素，建立控制器模型。影響浮選指標的因素有礦石的可浮性、礦石的入料性質、藥劑特性、充氣攪拌方式等。模糊控制器輸入輸出的關聯(lián)因素為輸入的給礦濃度、粒度、品位偏差、泡沫特性偏差數(shù)據(jù)量，他們決定了輸出的給藥、給氣、給水及泡沫層厚度變化量。在實際數(shù)據(jù)中，泡沫圖像特征包含了泡沫尺寸、速度、顏色等信息，泡沫層厚度通過加氣來控制。將數(shù)據(jù)集中品位偏差、泡沫特性數(shù)據(jù)、磨礦粒度作為輸入，將數(shù)據(jù)集中給氣、給水、給藥量作為輸出，統(tǒng)計出如下控制規(guī)律：

規(guī)律1：當粗選泡沫兼并嚴重時，通過量化的泡沫特征數(shù)據(jù)得到了浮選速率80～10，浮選泡沫破裂90～80 時，此時減小進氣量與 pH 值。

規(guī)律2：當掃選泡沫層晃動（跑水），通過量化的泡沫特征數(shù)據(jù)等到浮選X 軸速率8 增加到90，浮選泡沫層厚度出現(xiàn)波動，此時減少進氣量、泡沫層厚度。

規(guī)律3：粗選泡沫發(fā)黏，通過量化的泡沫特征數(shù)據(jù)等到浮選速率80～10，泡沫穩(wěn)定性90～95，此時增加進氣量、降低泡沫層厚度、調整藥劑。

4.3 專家經(jīng)驗的獲取與分析

在有經(jīng)驗的操作人員看來，給礦粒度、泡沫特性與加藥量存在如下關系：

關系1：粒度過粗（大于0.1 mm）或過細（小于0.01 mm），礦物粒子回收率降低。

關系2：代表正常藥劑量添加。在該條件下氣泡產(chǎn)生均勻，尺寸相對適中，浮選泡沫礦物化粒度高。

關系3：藥劑添加過量。浮選氣泡過小，小泡居多，部分程棉絮狀，降低浮選精礦品位。

關系4：藥劑添加過少。浮選氣泡較大，虛泡多，礦物粒子回收率降低。

4.4 控制器設計

系統(tǒng)控制框圖如圖6 所示，將規(guī)則R 與M 用于模糊控制器設計。

圖6 模糊控制器框圖

定義輸入變量為：品位偏差、磨礦粒度、泡沫特征變化量。定義輸出變量為：輸出變量：給藥量、給氣量、液位值。定義控制規(guī)則為：

規(guī)則1：If（品位偏差＜M1）Then 給藥量=0

規(guī)則 2：If（M1＜ 品位偏差 ＜M1and N1＜ 泡沫特征變化量＜N2）The 給藥量 =y1

...

規(guī)則N：If（Mn-1＜品位偏差＜Mnand Nn-1＜泡沫特征變化量＜N）The 給藥量 =yn-1

規(guī)則N+1：If（磨礦粒度＜L1）Then 返還磨礦降低粒度控制信號

規(guī)則N+2：If（磨礦粒度＞L2）Then 返還磨礦提高粒度控制信號

5 結論

采用智能控制方法的浮選控制系統(tǒng)減少了人工手動操作、取樣化驗等手動控制，增強了浮選過程的自動化水平，改善了手動控制方式難以適應復雜多變的浮選過程，避免了浮選過程“跑槽”“冒槽”“不刮泡”等現(xiàn)象的發(fā)生。