王 偉，沈志文，劉小雷，邵 林

(1.北京石油化工學(xué)院 機(jī)械工程學(xué)院，北京 102617；2.安徽冶金科技職業(yè)學(xué)院 自動(dòng)控制系，安徽 馬鞍山 243041)

?

智能控制在礦漿旋流池中的應(yīng)用

王 偉1，沈志文1，劉小雷1，邵 林2

(1.北京石油化工學(xué)院 機(jī)械工程學(xué)院，北京 102617；2.安徽冶金科技職業(yè)學(xué)院 自動(dòng)控制系，安徽 馬鞍山 243041)

為保證礦漿的生產(chǎn)質(zhì)量和生產(chǎn)效率，需要對(duì)礦漿進(jìn)行在線成份檢測(cè).然而，旋流池的水流是紊流且紋波較大，同時(shí)為滿足礦漿成份檢測(cè)儀的測(cè)量精度要求，冶金鐵礦漿輸送管道將礦漿從粗選車間送至礦漿旋流池時(shí)，要在旋流池對(duì)礦漿的體積濃度進(jìn)行控制.本文通過對(duì)礦漿的濃度等參數(shù)進(jìn)行在線檢測(cè)，并基于神經(jīng)網(wǎng)絡(luò)辨識(shí)PID動(dòng)態(tài)調(diào)節(jié)算法進(jìn)行補(bǔ)水閥的實(shí)時(shí)控制，有效控制礦漿的體積濃度比，以滿足生產(chǎn)和檢測(cè)要求.

礦漿旋流池；擬合；在線檢測(cè)；智能控制

引 言

冶金鐵礦漿從粗選車間經(jīng)管道輸送至精選車間加工時(shí)，為了保證礦漿的生產(chǎn)質(zhì)量和生產(chǎn)效率，我們需要對(duì)礦漿進(jìn)行在線成份檢測(cè).礦漿成份檢測(cè)儀安裝在精選管道上，目的是對(duì)礦漿的濃度、品位、流速、流量等參數(shù)進(jìn)行在線檢測(cè)，從而有效地提高產(chǎn)品的質(zhì)量和生產(chǎn)效率.礦漿成份檢測(cè)儀的測(cè)量精度要求被測(cè)礦漿與水的體積濃度必須在30%-35%之間，但是礦漿從粗選車間流出時(shí)與水的體積比一般在50%以上，遠(yuǎn)遠(yuǎn)超出檢測(cè)儀的測(cè)量范圍.因此，在礦漿從粗選車間輸送到精選車間的管道過程中加入旋流池，通過對(duì)旋流池中水位的控制來調(diào)節(jié)礦漿的體積濃度，以滿足生產(chǎn)和檢測(cè)要求.然而旋流池中的水位是動(dòng)態(tài)且紋波較大，通過普通的測(cè)量方法難以得到精確的測(cè)量結(jié)果.本文設(shè)計(jì)了基于Labview的智能旋流池礦漿體積比檢測(cè)方法，通過長時(shí)間的運(yùn)行證明能夠滿足礦漿檢測(cè)和輸送管道的生產(chǎn)工藝要求.

圖1 旋流池檢測(cè)裝置分布示意圖

1 檢測(cè)裝置

圖1為旋流池檢測(cè)裝置分布示意圖，旋流池中安裝礦漿入口、礦漿出口和補(bǔ)水口三個(gè)門，其中礦漿入口、礦漿出口為電動(dòng)閥門控制，而為了有效控制礦漿的體積濃度比，補(bǔ)水口采用比例閥門進(jìn)行控制.旋流池中安裝9個(gè)單體檢測(cè)裝置，其中每個(gè)單體檢測(cè)裝置包括超聲波測(cè)距儀和電導(dǎo)儀兩個(gè)檢測(cè)單元，各個(gè)單體檢測(cè)裝置獨(dú)立進(jìn)行信號(hào)采集和數(shù)據(jù)傳輸.

圖2 水位與礦漿的深度檢測(cè)裝置單體示意圖

2 檢測(cè)原理

水位與礦漿的深度單體檢測(cè)裝置示意圖如圖2所示.上層為水位層，下層為礦粉層.

2.1超聲波測(cè)距原理

通過超聲波發(fā)射裝置發(fā)出超聲波時(shí)和接收器接到超聲波時(shí)的時(shí)間差測(cè)量距離.超聲波發(fā)射器向某一方向發(fā)射超聲波，在發(fā)射時(shí)刻的同時(shí)開始計(jì)時(shí)，超聲波在空氣中傳播，途中碰到障礙物就立即返--回來，超聲波接收器收到反射波就立即停止計(jì)時(shí).超聲波在空氣中的傳播速度為340m/s，根據(jù)計(jì)時(shí)器記錄的時(shí)間t，就可以計(jì)算出發(fā)射點(diǎn)距障礙物的距離s，即：s=340t/2.把超聲波測(cè)距儀安裝在固定平面上對(duì)水面進(jìn)行發(fā)射，就可以測(cè)量出水面與固定平面的距離.

2.2電導(dǎo)率測(cè)量原理

電導(dǎo)率的末端安裝在旋流池的底部，上端超出水面.由于礦漿中的主要成份是鐵粉和水，在旋流池中沉積時(shí)，鐵粉基本在下部分，而水在上部分.水和礦粉對(duì)電導(dǎo)率相差很大，因此我們利用電導(dǎo)率的變化就可以測(cè)量出礦粉距離池底的高度.

2.3測(cè)量原理

由圖2可知，水位與礦粉在旋流池中的高度分布是隨機(jī)且波動(dòng)較大，采用單一測(cè)量裝置難以滿足測(cè)量的精度要求，本文采用多點(diǎn)測(cè)量，動(dòng)態(tài)擬合的方法來進(jìn)行水位與礦粉的高度測(cè)量，多點(diǎn)測(cè)量檢測(cè)裝置的分布如圖1所示.單體檢測(cè)裝置信號(hào)由C52單片機(jī)進(jìn)行采集，采集周期為0.25s，利用Labview軟件將采集的數(shù)據(jù)進(jìn)行30個(gè)數(shù)的滑移平均，將滑移的結(jié)果作為單體檢測(cè)裝置的信號(hào)輸出.旋流池的外形結(jié)構(gòu)是長方體，因此礦粉與水的體積比就是檢測(cè)的礦粉高度與水位的高度之比，用此方法我們就可以得到了礦漿的體積濃度比.

3 控制原理

旋流池的礦漿入口和出口部分都采用電動(dòng)閥門控制，它們的控制方式只有打開和閉合兩種狀態(tài)，因此對(duì)它們不能實(shí)施相應(yīng)的控制.因此，控制礦漿的體積濃度其實(shí)就是對(duì)補(bǔ)水閥門進(jìn)行動(dòng)態(tài)連續(xù)控制，使得旋流池的水位滿足生產(chǎn)工藝的要求.由于礦漿的入口和出口的流量是動(dòng)態(tài)的，因此對(duì)補(bǔ)水閥也必須采用連續(xù)的動(dòng)態(tài)調(diào)節(jié)控制方式，為了滿足上述要求本文設(shè)計(jì)了基于Labview的神經(jīng)網(wǎng)絡(luò)辨識(shí)PID動(dòng)態(tài)調(diào)節(jié)算法進(jìn)行補(bǔ)水閥的實(shí)時(shí)控制.

3.1神經(jīng)網(wǎng)絡(luò)辨識(shí)

在線快速、準(zhǔn)確地跟蹤旋流池水位的變化，在此基礎(chǔ)上PID控制器就可以利用辨識(shí)過程中提供的信息實(shí)時(shí)調(diào)整控制器參數(shù)，即PID控制器參數(shù)的在線自整定，從而實(shí)時(shí)控制旋流池中的水位.本文采用經(jīng)典的數(shù)字增量式PID控制器.

圖3 RBF控制與傳統(tǒng)PID控制的抗干擾能力比較

設(shè)系統(tǒng)輸入為rin，輸出為yout，則系統(tǒng)的控制誤差為e(k)=rin(k)-yout(k)，控制算法為：

Δu(k)=kp[e(k)-e(k-1)]+βkie(k)+kd[e(k)-2e(k-1)+e(k-2)]

(1)

神經(jīng)網(wǎng)絡(luò)整定指標(biāo)為：

E(k)=[e(k)]2

(2)

控制器的參數(shù)kp，ki，kd采用梯度下降法調(diào)整，具體調(diào)整算法式為：

(3)

(4)

(5)

3.2補(bǔ)水比例閥控制系統(tǒng)

式(3)-(5)中，η、β為學(xué)習(xí)速率，其值取(0，1)間的數(shù)，?y/?Δu為未知被控對(duì)象的信息，可通過RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)而得.從上述我們可以得出RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)PID的控制核心就是計(jì)算?y/?Δu(Jacobian)的值.在實(shí)際的應(yīng)用中，由于通過網(wǎng)絡(luò)辨識(shí)來得到Jacobian值比較困難，所以我們采用?y-1/?Δu來逼近?y/?Δu的值，也就是采用上一次的輸出值擬合本次的輸出值，這樣使得控制算法大大簡化，且基本能夠滿足控制精度的要求.圖3為RBF控制算法與傳統(tǒng)PID控制算法在抗干擾能力方面的仿真比較，其中a(綠色)為RBF算法抗干擾能力曲線，b(紅色)為傳統(tǒng)PID算法抗干擾能力曲線.通過圖3的曲線比較，我們可以得知RBF控制的抗干擾能力遠(yuǎn)遠(yuǎn)大于傳統(tǒng)PID控制的抗干擾能力.

圖4為補(bǔ)水閥控制系統(tǒng)的框圖.設(shè)系統(tǒng)輸入為rin，系統(tǒng)反饋為體積濃度比，體積濃度比的計(jì)算公式為：礦粉體積/(礦粉體積+水的體積).采用增量式PID控制器，通過RBF神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)調(diào)節(jié)PID三個(gè)參數(shù)來精確控制比例閥的開口度以滿足水位的要求.

4 Labview采集信號(hào)的擬合

圖5 水位高度總體擬合三維圖

圖6 單體檢測(cè)裝置采集的水位擬合圖

5 結(jié)論

改造前對(duì)旋流池礦漿體積濃度的控制采用傳統(tǒng)PID控制，礦漿體積濃度控制范圍一般在25%-45%內(nèi)，輸送設(shè)備老化率較高，且產(chǎn)品合格率基本在80%左右.眾所周知，旋流池的水流是紊流且紋波較大，采用單一傳感器進(jìn)行檢測(cè)時(shí)，測(cè)量誤差會(huì)隨著水面的波動(dòng)而發(fā)生變化，難以精確計(jì)算出水位的高度，從而無法保證礦漿體積濃度在規(guī)定的范圍內(nèi).同時(shí)，由于礦漿濃度的不確定性，導(dǎo)致輸送管道負(fù)載變化較大，不僅不利于設(shè)備的安全運(yùn)行，而且無法保證生產(chǎn)質(zhì)量和生產(chǎn)效率.為了克服上述控制存在的問題，本文采用智能算法和多點(diǎn)采集相結(jié)合的控制方法，利用?y-1/?Δu來逼近?y/?Δu的值，使控制算法更為簡化；采用Labview軟件和單片機(jī)實(shí)現(xiàn)系統(tǒng)的設(shè)計(jì)，性能更加安全可靠，滿足現(xiàn)場(chǎng)惡劣的環(huán)境要求.經(jīng)過理論分析和長期的運(yùn)行工況表明，完全滿足生產(chǎn)工藝要求.同時(shí)改善了管道的傳輸負(fù)荷、降低生產(chǎn)能耗，達(dá)到了設(shè)計(jì)的預(yù)期效果，礦漿體積濃度控制在31%-35%范圍內(nèi)，不僅大大地降低了輸送設(shè)備老化率，而且使產(chǎn)品合格率提高到95%以上.

[1] 劉金琨.先進(jìn)PID控制及其MATLAB仿真[M].北京：電子工業(yè)出版社，2005：10.

[2] 陳國山，陳步尚.礦山測(cè)量技術(shù)[M].北京：冶金工業(yè)出版社，2009：8.

[3] 何沛鋒.礦山測(cè)量[M].徐州市：中國礦業(yè)大學(xué)出版社，2005：11.

[4] 阮奇楨.我和LabVIEW:一個(gè)NI工程師的十年編程經(jīng)驗(yàn)[M].北京：北京航空航天大學(xué)出版社，2009：9.

[5] 王偉,葉真,李瑞杰.在線參數(shù)自整定模糊PID控制器的設(shè)計(jì)與仿真[J].安徽師范大學(xué)學(xué)報(bào):自然科學(xué)版,2013,36(2):133-136.

ApplicationofIntelligentControlinPulpVortexPool

WANG Wei1，SHEN Zhi-wen1，LIU Xiao-lei1，SHAO Lin2

(1.Mechanical Engineering Academy, Beijing Institute of Petro-Chemical Technology, Beijing 102617, China；2.Anhui Vocatinal College of Metallurgy and technology, Maanshan 243041, China)

In order to ensure product quality and production efficiency of pulp, the online component detection of pulp is needed. However, the flow of swirl pool is turbulent and has large ripples. At the same time to meet the accuracy requirements of the pulp ingredients detector, metallurgical iron ore slurry pipelines carry the pulp from rougher plant to swirl pool, slurry volume concentration should be controlled in the swirl pool. In this paper, to make the online detection of pulp density and other parameters and to control the water valve for real-time dynamic adjustment of PID by neural network algorithm, the volume concentration ratio of pulp will be effectively controlled to meet the testing requirements in on production and detection.

pulp swirl pool; fitting; online testing； intelligent control

2014-09-20

北京市大學(xué)生研究訓(xùn)練[URT]計(jì)劃項(xiàng)目(14010221077).

王偉(1968-)，女，北京市人，碩士，副教授，主要從事測(cè)量與控制方面的教學(xué)和科研工作.

王偉，沈志文，劉小雷，等.智能控制在礦漿旋流池中的應(yīng)用[J].安徽師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，37(6)：536-539.

TP273

：A

：1001-2443(2014)06-0536-04