CN106292292A - 基于案例推理的铁矿浮选药剂用量优化设定方法及系统 - Google Patents

Abstract

本发明提供一种基于案例推理的铁矿浮选药剂用量优化设定方法及系统，该方法包括：从铁矿浮选生产过程中提取历史数据；构建铁矿浮选案例库，将浮选边界条件和工艺指标目标值为案例描述，浮选药剂用量为案例解；在案例库中进行案例检索，得到一组相似度值；将相似度值从大到小排列，选取前n个相似度值对应的案例描述作为当前工况的参考案例描述；案例重用获得新的案例解；当误差大于设定阈值时案例修正，生成新案例；案例检索找到与新案例的案例描述具有最大相似度值的案例描述，完成案例库更新。本发明借助于铁矿浮选药剂用量相关的可测生产数据，给出适用于各种工况的药剂用量设定值，可以提高铁矿浮选生产的安全性、可靠性和经济性。

Description

基于案例推理的铁矿浮选药剂用量优化设定方法及系统

技术领域

本发明属于铁矿浮选技术领域，具体涉及一种基于案例推理的铁矿浮选药剂用量优化设定方法及系统。

背景技术

在铁矿浮选生产过程中，合理的药剂制度能有效地提高精矿品位同时降低尾矿品位。目前药剂制度大多依靠人工经验进行调节，但是经验不够丰富的操作员或是操作人员的误操作很有可能会制定出错误的药剂制度，且多数情况下药剂制度在一定时间内保持不变，上述情况势必会导致矿浆中有用成分没有得到充分的选别或是药剂过量，导致铁矿浮选效率低下，造成资源浪费。少数铁矿选矿厂采用自动加药机进行药剂控制，但自动加药机价格昂贵且维护费用高，增加选矿成本。

发明内容

针对现有技术存在的不足，本发明提供一种基于案例推理的铁矿浮选药剂用量优化设定方法及系统。

一种基于案例推理的铁矿浮选药剂用量优化设定方法，包括如下步骤：

步骤1：从铁矿浮选生产过程中提取历史数据，包括浮选药剂用量、浮选边界条件及工艺指标目标值；

所述浮选边界条件，包括：给矿品位、给矿浓度、浮选温度；

所述工艺指标目标值：浮选精矿品位目标值、浮选尾矿品位目标值、浮选回收率目标值；

步骤2：根据获得的历史数据，构建铁矿浮选案例库，将浮选边界条件和工艺指标目标值为案例描述，浮选药剂用量为案例解，案例描述与案例解构成案例；

步骤3：将铁矿浮选生产过程中实时获得的浮选边界条件和工艺指标目标值作为新的案例描述，在案例库中进行案例检索，得到新的案例描述与案例库中记载的各案例描述之间的一组相似度值；

步骤4：将相似度值从大到小排列，选取前n个相似度值对应的案例库中的案例描述作为当前工况的参考案例描述；

步骤5：根据从案例库中检索出来的参考案例描述，进行案例重用，获得新的案例解，即针对当前工况的浮选药剂用量设定值；

步骤6：将浮选精矿品位的实际化验值与浮选精矿品位目标值、浮选尾矿品位的实际化验值与浮选尾矿品位目标值、浮选回收率的实际计算值与浮选回收率目标值进行比较并计算误差的绝对值，当误差大于设定阈值时，将浮选精矿品位的实际化验值、浮选尾矿品位的实际化验值、浮选回收率的实际计算值作为新案例的案例描述中的工艺指标目标值，完成案例修正，生成新案例；

步骤7：对生成的新案例的案例描述在案例库中进行案例检索，找到与新案例的案例描述具有最大相似度值的案例库中的案例描述，若该最大相似度值大于相似度阈值，则舍弃生成的新案例，否则，用生成的新案例替换该具有最大相似度值的案例库中的案例描述，完成案例库的更新。

所述步骤5，具体步骤如下：

步骤5.1：判断新的案例描述与当前工况的各参考案例描述间的最大相似度值，是否大于设定的相似度阈值，是，则执行步骤5.2，否则，求取n个参考案例的每种案例解的加权平均值作为新的案例解，完成案例重用，然后执行步骤6；求取加权平均值时采用的加权系数为每个案例描述与新的案例描述的相似度值；

步骤5.2：将最大相似度值对应的案例解设为新的案例解，完成案例重用，然后执行步骤6。

所述的基于案例推理的铁矿浮选药剂用量优化设定方法采用的铁矿浮选药剂用量优化设定系统，包括：

在铁矿浮选生产过程中实时获得浮选边界条件和工艺指标目标值的数据采集模块；

接收浮选边界条件和工艺指标目标值并转发至以太网工控机的无线Zigbee传输模块；

接收浮选边界条件和工艺指标目标值并转发至药剂用量优化设定计算机的以太网工控机；

接收以太网工控机发送的数据并进行药剂用量优化设定和显示的药剂用量优化设定计算机；

数据采集模块的输出端连接无线Zigbee传输模块的输入端，无线Zigbee传输模块的输出端连接以太网工控机的输入端，以太网工控机的输出端连接药剂用量优化设定计算机的输入端。

有益效果：

本发明的基于案例推理的铁矿浮选药剂用量优化设定方法与现在的人工调节药剂制度方法相比较具有以下的优点：借助于铁矿浮选药剂用量相关的可测生产数据，给出适用于各种工况的药剂用量设定值，可以提高铁矿浮选生产的安全性、可靠性和经济性。提高了浮选生产效率，降低了出错的几率。与浮选加药机相比较具有以下的优点：减少了设备的维护费用，降低了生产成本；现场数据自动保存，不需要人工记录，降低数据丢失、记录错误几率。

附图说明

图1是本发明具体实施方式中基于案例推理的铁矿浮选药剂用量优化设定方法流程图；

图2是本发明具体实施方式中步骤5流程图；

图3是本发明具体实施方式中铁矿浮选药剂用量优化设定系统框图。

具体实施方式

下面结合附图对本发明的具体实施做详细说明。

一种基于案例推理的铁矿浮选药剂用量优化设定方法，如图1所示，包括如下步骤：

步骤1：从铁矿浮选生产过程中提取历史数据，包括浮选药剂用量、浮选边界条件及工艺指标目标值，如表1：

表1历史数据

结合历史数据、生产现场调研及浮选过程理论分析，上述浮选边界条件及工艺指标目标值数据对浮选药剂用量有着直接的影响，并且所占比重很大，给矿品位、给矿浓度直接影响浮选药剂中不同种类药剂之间的用量搭配；浮选时间和浮选温度影响浮选药剂的发挥效果。

步骤2：根据获得的历史数据，构建铁矿浮选案例库，将浮选边界条件和工艺指标目标值为案例描述，浮选药剂用量为案例解，案例描述与案例解构成案例；

为了得到浮选药剂用量的设定值，需要首先考虑浮选精矿品位目标值、浮选尾矿品位目标值、浮选回收率目标值，其次是当前的工况条件。案例的结构由案例描述和案例解两部分组成，案例描述是由工艺指标目标值(浮选精矿品位目标值z₁、浮选尾矿品位目标值z₂、回收率目标值z₃)和浮选边界条件(给矿品位z₄、给矿浓度z₅、浮选时间z₆、浮选温度z₇)组成；案例解为浮选药剂用量设定值x₁。

基于案例推理技术的案例可以表示如下：

C_k＝{F_k，J_k}

式中：C_k(k＝1，...，m)表示第k条案例，m为案例数量；F_k＝{z_k.1，z_k.2，z_k.3，z_k.4，z_k.5，z_k.6，z_k.7}为第k个案例描述，将案例描述简记为F_k＝{f_k.1，...，f_k.7}；J_k＝{x_k.1}为第k个案例的案例解，将案例解简记为J_k。

步骤3：将铁矿浮选生产过程中实时获得的浮选边界条件和工艺指标目标值作为新的案例描述F，在案例库中进行案例检索，得到新的案例描述与案例库中记载的各案例描述之间的一组相似度值，相似度为一个0到1之间的数，如0.88；

$SIM(F,F_k)=\frac{\underset{k=1}{\overset{m}{\Σ}}\underset{i=1}{\overset{7}{\Σ}}{\mathrm{\ω}}_{i}SIM(f_i,f_{k.i})}{\underset{i=1}{\overset{7}{\Σ}}{\mathrm{\ω}}_i}$

其中，ω_i为案例描述的权值，m为案例库中的案例数，SIM(f_i，f_k.i)为当前工况的案例描述f_i与案例库中第k条案例对应的案例描述f_k.i的相似度，定义为：

$SIM(f_i,f_{k.i})=\left\{\begin{array}{cc}1-\frac{|f_i-f_{k.i}|}{max(f_i,f_{k.i})},& i\≠7\\ 1-\frac{|f_i-f_{k.i}|}{3},& i=7\end{array}\right.$

步骤4：将相似度值从大到小排列，选取前n个相似度值对应的案例库中的案例描述作为当前工况的参考案例描述；

n值的选择会对结果产生重大影响，n值较小意味着只有与新的案例描述较接近的历史案例描述才会对新的案例解起作用，但容易发生过拟合；如果n值较大，与新案例描述较不接近的历史案例也会对预测起作用，使预测发生错误。在实际应用中，n值一般选择一个较小的数值，通常采用交叉验证的方法来选择最优的n值，在本实施方式中n的取值为3；

步骤5：根据从案例库中检索出来的参考案例描述，进行案例重用，获得新的案例解，即针对当前工况的浮选药剂用量设定值，如表2：

表2新的案例解

名称	用量
		捕收剂(粗选)	130ml/s
捕收剂(精选)	90ml/s
		NaOH	85ml/s
CaO	1000ml/s
		淀粉	500ml/s

所述步骤5，如图2所示，具体步骤如下：

步骤5.1：判断新的案例描述与当前工况的各参考案例描述间的最大相似度值，是否大于设定的相似度阈值，是，则执行步骤5.2，否则，求取n个参考案例的每种案例解的加权平均值作为新的案例解，完成案例重用，然后执行步骤6；求取加权平均值时采用的加权系数为每个案例描述与新的案例描述的相似度值；

相似度阈值的具体取值取决于案例库中历史案例的数量，设历史案例的数量为c，相似度阈值为v，若c＜200则v＝0.9；若200＜c＜500则v＝0.8；若c＞500则v＝0.7。

步骤5.2：将最大相似度值对应的案例解设为新的案例解完成案例重用，然后执行步骤6，其中，J为新的案例解，J_k为参考案例的案例解，n为参考案例的数量。

步骤6：将浮选精矿品位的实际化验值与浮选精矿品位目标值、浮选尾矿品位的实际化验值与浮选尾矿品位目标值、浮选回收率的实际计算值与浮选回收率目标值进行比较并计算误差的绝对值，当误差大于设定阈值5％时，将浮选精矿品位的实际化验值、浮选尾矿品位的实际化验值、浮选回收率的实际计算值作为新案例的案例描述中的工艺指标目标值，完成案例修正，生成新案例；

定义精矿品位的实际化验值、尾矿品位的实际化验值分别为β_k和β_w(如68.62和28.88)，浮选回收率的实际计算值为α，精矿品位目标值的上下限分别为β_{e.k max}、β_{e.k min}(如70.00和65.00)，尾矿品位目标值的上限为β_{e.w max}(如23.00)，浮选回收率目标值的上下限分别为α_{e max}、α_{e min}，满足如下式子且误差不大于设定阈值5％：

$\left\{\begin{array}{c}{\mathrm{\β}}_{e.k\min }\≤{\mathrm{\β}}_k\≤{\mathrm{\β}}_{e.kmax}\\ {\mathrm{\β}}_w\≤{\mathrm{\β}}_{e.wmax}\\ {\mathrm{\α}}_{e\min }\≤\mathrm{\α}\≤{\mathrm{\α}}_{e\max }\end{array}\right.$

则直接转入案例存储，否则对案例进行修正，案例修正采用经验方法，直到实际值进入目标值范围。

步骤7：对生成的新案例的案例描述在案例库中进行案例检索，找到与新案例的案例描述具有最大相似度值的案例库中的案例描述，若该最大相似度值大于相似度阈值，则舍弃生成的新案例，否则，用生成的新案例替换该具有最大相似度值的案例库中的案例描述，完成案例库的更新。

所述的基于案例推理的铁矿浮选药剂用量优化设定方法采用的铁矿浮选药剂用量优化设定系统，如图3所示，包括：

在铁矿浮选生产过程中实时获得浮选边界条件和工艺指标目标值的数据采集模块；

接收浮选边界条件和工艺指标目标值并转发至以太网工控机的无线Zigbee传输模块；

接收浮选边界条件和工艺指标目标值并转发至药剂用量优化设定计算机的以太网工控机；

接收以太网工控机发送的数据并进行药剂用量优化设定和显示的药剂用量优化设定计算机，通过人机交互界面对设定的药剂用量进行显示；

数据采集模块的输出端连接无线Zigbee传输模块的输入端，无线Zigbee传输模块的输出端连接以太网工控机的输入端，以太网工控机的输出端连接药剂用量优化设定计算机的输入端。

Claims (3)

1.一种基于案例推理的铁矿浮选药剂用量优化设定方法，其特征在于：包括如下步骤：

步骤1：从铁矿浮选生产过程中提取历史数据，包括浮选药剂用量、浮选边界条件及工艺指标目标值；

所述浮选边界条件，包括：给矿品位、给矿浓度、浮选温度；

所述工艺指标目标值：浮选精矿品位目标值、浮选尾矿品位目标值、浮选回收率目标值；

步骤2：根据获得的历史数据，构建铁矿浮选案例库，将浮选边界条件和工艺指标目标值为案例描述，浮选药剂用量为案例解，案例描述与案例解构成案例；

步骤3：将铁矿浮选生产过程中实时获得的浮选边界条件和工艺指标目标值作为新的案例描述，在案例库中进行案例检索，得到新的案例描述与案例库中记载的各案例描述之间的一组相似度值；

$SIM(F,F_k)=\frac{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\underset{i=1}{\overset{7}{\mathrm{\Σ}}}{\mathrm{\ω}}_{i}SIM(f_i,f_{k.i})}{\underset{i=1}{\overset{7}{\mathrm{\Σ}}}{\mathrm{\ω}}_i}$

其中，ω_i为案例描述的权值，m为案例库中的案例数，SIM(f_i，f_k.i)为当前工况的案例描述f_i与案例库中第k条案例对应的案例描述f_k.i的相似度，定义为：

$SIM(f_i,f_{k.i})=\left\{\begin{array}{cc}1-\frac{|f_i-f_{k.i}|}{max(f_i,f_{k.i})},& i\≠7\\ 1-\frac{|f_i-f_{k.i}|}{3},& i=7\end{array}\right.$

步骤4：将相似度值从大到小排列，选取前n个相似度值对应的案例库中的案例描述作为当前工况的参考案例描述；

步骤5：根据从案例库中检索出来的参考案例描述，进行案例重用，获得新的案例解，即针对当前工况的浮选药剂用量设定值；

步骤6：将浮选精矿品位的实际化验值与浮选精矿品位目标值、浮选尾矿品位的实际化验值与浮选尾矿品位目标值、浮选回收率的实际计算值与浮选回收率目标值进行比较并计算误差的绝对值，当误差大于设定阈值时，将浮选精矿品位的实际化验值、浮选尾矿品位的实际化验值、浮选回收率的实际计算值作为新案例的案例描述中的工艺指标目标值，完成案例修正，生成新案例；

步骤7：对生成的新案例的案例描述在案例库中进行案例检索，找到与新案例的案例描述具有最大相似度值的案例库中的案例描述，若该最大相似度值大于相似度阈值，则舍弃生成的新案例，否则，用生成的新案例替换该具有最大相似度值的案例库中的案例描述，完成案例库的更新。

2.根据权利要求1所述的基于案例推理的铁矿浮选药剂用量优化设定方法，其特征在于：所述步骤5，具体步骤如下：

步骤5.1：判断新的案例描述与当前工况的各参考案例描述间的最大相似度值，是否大于设定的相似度阈值，是，则执行步骤5.2，否则，求取n个参考案例的每种案例解的加权平均值作为新的案例解，完成案例重用，然后执行步骤6；求取加权平均值时采用的加权系数为每个案例描述与新的案例描述的相似度值；

步骤5.2：将最大相似度值对应的案例解设为新的案例解，完成案例重用，然后执行步骤6。

3.如权利要求1所述的基于案例推理的铁矿浮选药剂用量优化设定方法采用的铁矿浮选药剂用量优化设定系统，其特征在于，包括：

在铁矿浮选生产过程中实时获得浮选边界条件和工艺指标目标值的数据采集模块；

接收浮选边界条件和工艺指标目标值并转发至以太网工控机的无线Zigbee传输模块；

接收浮选边界条件和工艺指标目标值并转发至药剂用量优化设定计算机的以太网工控机；

接收以太网工控机发送的数据并进行药剂用量优化设定和显示的药剂用量优化设定计算机；

数据采集模块的输出端连接无线Zigbee传输模块的输入端，无线Zigbee传输模块的输出端连接以太网工控机的输入端，以太网工控机的输出端连接药剂用量优化设定计算机的输入端。