磨礦過程的工藝流程及自動化控制D
磨礦過程是整個選礦工業的核心部分，它起著承上啟下的關鍵作用。目前國內的磨礦過程自動化程度較低，從而導致生產效率低、能源消耗大、磨礦過程的各項工藝指標合格率較差，成為制約整個選礦生產的瓶頸，因此有必要提高磨礦過程的自動化控制程度。
一、磨礦過程工藝流程
某選礦廠磨礦過程的工藝流程：料倉內的原礦石經由給料機和調速秤，被送入一段球磨機內，經過一段閉路磨礦系統研磨后，再經過篩分，不符合工藝要求的物料通過螺旋分級返砂至一段球磨機，符合要求的物料將進入二段閉路磨礦系統進行二次研磨，經過水力旋流器的溢流和經篩分作用后的物料將進入后續作業。
整個磨礦過程中，最為關鍵的工藝指標是二段閉路磨礦系統的旋流器溢流粒度。影響整個磨礦過程的主要因素有料倉給料 量、一段球磨機筒體內的礦漿濃度、螺旋分級機的溢流濃度、水力旋流器的礦漿濃度等。保持球磨機給料量的相對穩定，使其不波動或者在允許范圍內小幅波動，對磨礦過程至關重要，同時在保證球磨機安全穩定運行的前提下，從經濟效益的角度考慮應保證球磨機始終運行在最佳負荷區間。螺旋分級機的溢流濃度與一次分級的溢流粒度有著密切的聯系，可以影響一段球磨機的臺時處理量，因此螺旋分級機溢流濃度是決定產品質量好壞、提高磨礦效率的重要環節。為了保證水力旋流器在產品質量上的穩定，必須對旋流器的給礦壓力施以控制，從而保證旋流器的工況保持在最佳，防止產品質量的大幅波動。旋流器的溢流粒度與給礦濃度有一定的關系，此參數配合將是控制旋流器分級效率的重要參數。上述各因素共同決定了磨礦過程的產品質量。
通過文分析，可以確定整個磨礦過程的主要控制量為料倉的給料速度、一段球磨機入口加水閥門開度值等，即一段閉路磨礦系統的水料比；主要被控量為料倉給料量、一段球磨機入口加水量、一段球磨機的礦漿濃度、二段磨泵池液位等。
二、磨礦過程控制策略
智能優化系統包括智能協調模型、一段磨礦回路設定模型、一段溢流濃度軟測量模型、一段磨機負荷推理模型、一段預測補償模型、一段磨礦礦漿濃度軟測量、二段溢流濃度軟測量模型和二段預測補償模型組成。
1、智能協調模型
智能協調設定模型根據給定的水力旋流器溢流濃度的預期值，在球磨機臺時處理量以及邊界條件的約束下，計算出一段磨礦回路溢流濃度和二段磨礦回路的預期值。該模型采用基于專家控制系統的多級決策算法，協調一段磨礦回路和二段磨礦回路的產能分配。當工藝指標與當前實際值的偏差值在二段磨礦回路的調節能力的范圍之外時，調整一段磨礦回路溢流濃度的預期值，從而可有效調整磨礦過程的運行狀態。
2、一段磨礦回路設定模型
一段磨礦回路設定模型可以根據上述智能協調設定模型得出的一段溢流濃度的預期值，然后得出一段磨礦回路的設定值。該模型可以有效地結合球磨機有功功率的變化曲線，采用自尋優控制，針對最佳負荷工作點實時漂移這一情況，實時尋優找出最佳負荷工作點，實現球磨機臺時處理量的最大化、最優化。
3、一段預測補償模型
一段磨礦回路預測補償模型基于專家控制系統，將一段溢流濃度軟測量的預估值和一段溢流濃度的預期值進行比較，然后根據其偏差值，對一段磨礦回路的設定值進行修正。
4、二段溢流濃度軟測量模型
二段磨礦回路濃度軟測量模型采用案例推理算法來對二段磨礦回路指標進行預測；一段磨礦回路濃度軟測量模型采用BP神經網絡對其指標進行預測。一段磨礦回路礦漿濃度軟測量模型根據料倉的給料量、返砂水量和螺旋分級機電流等數據，采用基于BP神經網絡與物料平衡相結合的算法，得出當前礦漿濃度的在線估計值。建立礦漿濃度軟測量模型是為了解決礦漿濃度無法通過儀器儀表直接實時在線測量的問題，以保證適宜的礦漿濃度從而使得磨機負荷達到最佳。
5、磨機負荷推理模型
磨機負荷推理模型根據一段球磨機有功功率、螺旋分級機電流、磨機聲強和球磨機給礦量等，采用模糊控制，給出當前磨機負荷的估計值，并將磨機負荷的估計值輸入一段磨礦智能設定模塊，作為優化設定的約束條件。
通過對該綜合自動化系統的實踐，有效地避免了人為因素對整個磨礦過程造成的影響，保證了磨礦過程平穩、安全和高效運行，并且改善了現場人員的勞動強度和工作環境；近幾個月的試運行以來，球磨機的臺時處理量提高了近0.9t/h，二次磨礦品位提高近3%。