基于品位回收率动态平衡关系的矿物浮选过程建模与工况识别

The mineral flotation process is usually long and widely distributed, which has complex reaction mechanisms including gas, liquid and solid coexistence, complex physical and chemical reaction. Without reliable process models and measured production parameters. It is hard to be timely monitored and optimized, which leads to restrict the optimal running of flotation process.Considering multi-source data characteristics for the flotation production process, this project will propose new methods for timely detecting flotation state parameters based on the multi-feature fusion of heterogeneous data sources. By thoroughly analysis of the microscopic mechanism of froth flotation, a dynamical balance model between grade and recovery of key flotation indicators will be built with operating conditions. This model can effectively reflect the impact of the continuous operation for the indicators of froth flotation process. On this basis, for the disturbance factors of changing original minerals and flotation reagent, some novel identification strategies will be designed for the dynamical balance model between grade and recovery. Then some alorithoms of online trends extraction and flotation state stability assessment will be presented for the coupled multi-step froth flotation process. This project will do some research about t mineral flotation kinetics modeling and conditions identification under multi-source data environment , which can help to solve the hard problems of identifying froth flotation process with changing ore. The research resluts will improve the theory and methods of system modeling, which will greatly promote the upgrading of automatic control technology in non-ferrous metallurgical industry.

矿物泡沫浮选连续生产流程长、反应机理复杂（气液固三相共存、复杂物理化学反应），由于缺乏精细和可靠的过程模型，关键工艺指标难以实时获取，导致实时监测困难，严重影响浮选生产的稳定运行。为此，针对浮选生产过程多源数据共存的特点，提出基于多源异构数据特征融合的浮选状态参数实时检测方法，通过深入分析泡沫浮选微观机理，融合过程操作条件建立矿物浮选关键指标品位和回收率间的动态平衡关系模型，以有效反映连续浮选过程操作对浮选性能指标的影响；在此基础上，针对矿源、浮选药剂等扰动因素，设计品位-回收率动态平衡关系模型的不确定参数辨识及滚动校正策略，进而形成多工序耦联的泡沫浮选状态变化在线趋势提取与稳定度评估方法。本课题通过开展多源数据环境下的典型矿物浮选过程动力学建模与工况识别研究，以解决矿源复杂、工况多变的连续泡沫浮选过程动态特性建模和工况识别难题，对促进有色冶金行业自动化水平的提升具有重要意义。

以典型复杂矿物连续浮选过程为研究对象，针对矿物泡沫浮选过程关键工艺指标难以实时获取、过程动态反应建模难题，导致实时监测困难、缺乏有效手段对浮选生产稳定评估，深入分析生产工艺流程、浮选机理、多源传感器数据等特征，结合机器视觉和拉曼光谱测量信息，基于多源数据特征融合提出浮选过程参数在线检测方法。通过分析复杂浮选过程的流程结构、动力学机理、多源数据等特点，综合考虑连续浮选过程中多个浮选槽浮选过程中停留时间分布，深入研究浮选动力学方程、浮选速率函数、水回收率函数和浮选过程的操作条件耦合关系，建立基于数据和浮选性能耦合驱动的品位-回收率动态动态平衡关系模型，研究建立的过程动态模型参数辨识方法。针对浮选过程的多尺度多源时序数据，需要获取反映不同工序浮选状态趋势变化的相关信号的时频域综合特性，并融合品位回收率动态平衡关系模型，对不同浮选状态下的泡沫状态指标参数集进行分析，提出了浮选状态变化趋势提取和工况动态评估的关键技术，给出了浮选过程操作模式满意匹配的加药量控制策略，并研发了基于嵌入式平台的浮选泡沫高清图像监控与分析系统，解决矿物连续浮选动态反应过程的建模及工况识别难题，实现浮选过程的自动监测，从而提高生产效率和资源综合利用率、减少矿物资源浪费，有效促进矿物选别过程工艺技术水平的提升。.在本项目的支持下，按照研究计划中的研究内容和技术路线进行了为期 4年的研究工作，取得了较好的研究成果。项目组发表学术论文24篇，其中SCI 收录7 篇、EI 收录19篇，出版学术著作1本，申请（授权）专利16项，获得行业协会科技成果一等奖1项。培养博士、硕士研究生16人，其中毕业13人，1人获得湖南省优秀硕士论文，项目组成员参加学术会议22 人次。