基于多工况过程模型的矿物浮选过程精矿品位在线检测

Concentrate grade is a key performance index of flotation process. Due to the hostile production environment, there is no effective and reliable equipment for concentrate grade online determination. As the measurement of the concentrate grade by manual chemical assay is time-consuming, flotation conditions could not be adjusted in time, which would largely affect the recovery rate and concentrate grade, and cause resource waste. From a perspective of state observation, this project makes the most use of all kinds of known and measurable information, such as froth image features, flotation mechanism and online measurable process variables, to realize online determination of concentrate grade. Considering the 'multi-conditions' phenomenon of flotation process and the 'multi-features' of froth image, a working condition recognition method based on joint probability density distribution of froth image features was proposed. As the parameters ranges are unknown and there are couplings among model parameters, a parameter range estimation method based on sensitivity analysis and a robust parameter identification method were proposed to construct the kinetic models for multiple working conditions. In order to cope with the time-varying nature of flotation process dynamics, an adaptive moving horizon estimation approach was proposed to realize the online determination of concentrate grade. The overall approach forms a systematic method for online determination of concentrate grade, and is essential to the operational optimization and recovery rate improvement of flotation process.

精矿品位是浮选过程的关键性能指标，由于浮选生产环境恶劣，尚缺乏能在工业现场稳定有效运行的品位在线检测仪，而目前采用的人工化验方式严重滞后于生产，导致无法及时调整工况，严重影响矿物回收率和精矿质量，造成资源浪费。本项目综合利用泡沫图像特征、浮选机理、现场可测过程参数等信息，从系统状态观测的角度实现精矿品位的在线检测。针对浮选过程具有多种工况、浮选泡沫图像具有多种特征等问题，提出基于泡沫图像特征联合概率密度分布的浮选过程工况识别方法；针对浮选动力学模型参数范围未知、参数之间存在耦合等问题，提出基于敏感度分析的模型参数范围确定及鲁棒辨识方法，分工况辨识模型参数，建立浮选过程的多工况动力学模型；针对浮选过程动态特性时变的特点，提出基于自适应移动时域估计的精矿品位在线检测方法，实现精矿品位在线检测，形成系统的矿物浮选过程精矿品位在线检测理论与方法，对矿物浮选过程操作优化、提高矿物回收率具有重要意义。

矿物浮选是对低品位矿进行预处理，使得有价金属富集的主要手段。我国有色金属矿物禀赋偏低且组成不均，浮选过程的入矿条件波动大，导致浮选工况波动大，另外，由于缺乏可靠的精矿品位在线检测仪，浮选过程的操作具有一定的盲目性，限制了精矿品位控制效果的提升。本项目以矿物浮选过程为研究对象，针对矿物浮选过程缺乏经济有效的精矿品位在线检测仪的问题，同时结合浮选过程由于入矿波动导致的具有多种运行状态的特点，开展了浮选工况识别、动力学模型构建方法、浮选槽液位与精矿品位在线检测方法的研究，提出了基于局部动静态泡沫特征的浮选过程工况识别方法，融合浮选泡沫的动静态特征综合判断所属工况；提出了多工况条件下浮选过程动力学建模方法，基于物料平衡、浮选动力学原理构建了描述不同矿物种类在浮选槽内浓度随时间和操作参数变化规律的浮选机理模型，辨识得到了不同工况下子模型的模型参数；针对浮子式液位计和超声波液位计测量精度易受恶劣生产环境影响的问题，提出了基于机器视觉的矿物浮选过程非接触式液位软测量方法；融合多工况机理模型和工况识别方法，提出了基于移动时域估计和多工况机理模型的浮选精矿品位在线检测方法，将精矿品位在线检测问题转化为状态估计问题，利用多工况机理模型、泡木图像特征和浮选过程其他在线检测信息，求解优化估计问题，实现精矿品位的在线最优估计；形成了较系统的多工况条件下浮选过程精矿品位在线检测方法，利用实际工业现场的生产数据对所提方法进行了验证测试，为实际矿物浮选过程精矿品位的在线检测提供了理论指导和方法支撑。项目组获得IFAC Young Author Award(Finalist)1项；发表学术论文6篇，其中，国际期刊论文5篇，国际学术会议论文1篇；申请国家发明专利2项，授权国家发明专利1项，登记软件著作权1项；培养研究生3名，新增国际自动控制联合会采矿、矿物与加工技术委员会委员1人，按计划完成了各项研究任务。