承德某選礦廠磨機給礦控制系統的設計

池彥賀　王建民

(華北理工大學電氣工程學院)

?

承德某選礦廠磨機給礦控制系統的設計

池彥賀王建民

(華北理工大學電氣工程學院)

針對磨礦分級過程的非線性、強耦合、大時滯等特性，傳統的PID控制算法不能實現磨機給礦量的最優控制，將模糊控制器加入到給定環節，指導磨礦分級系統最佳給礦量的設定，使傳統的恒值控制系統變成了隨動控制系統。再由神經網絡優化PID的參數，形成智能PID控制系統，使給礦量準確快速跟蹤給定量。現場運行結果表明，智能PID控制系統安全穩定，提高了磨機臺時處理量，降低了能耗，減少了工人的工作量，提高了選廠的經濟效益。

磨機給礦量模糊控制神經網絡

磨礦分級作業是選礦過程的關鍵[1-2]，而其中球磨機運行狀態的檢測與控制，又是磨礦分級作業的核心。磨機負荷是磨機運行狀態的重要參數，指磨機內部瞬時的裝載量，磨機的給礦量是磨機負荷指標的重要組成部分[3]。中小型選礦廠采用傳統的PID控制器和人工手動調節的方法控制磨機給礦量，實時性差，穩態誤差大，控制精度低。針對上述問題，筆者將模糊控制器加入到給定環節，通過對磨機運行特性曲線的分析，總結出一套模糊控制規則，根據磨機現場的運行狀態進行模糊推理，輸出最佳磨機負荷值，指導系統最佳給礦量的設定。將神經網絡的自適應性、可以處理非線性系統的優點和PID算法簡單且魯棒性好的優點有機的組合到一起，形成智能PID控制，對磨機給礦量實現了理想的控制效果。

1　磨礦工藝流程

承德某選礦廠一段磨礦分級作業有4個系列，磨礦分級作業工藝流程如圖1所示(以1#生產線為例)。破碎后的礦石由料倉經下料機給到皮帶秤，然后進入一段球磨機進行磨礦。皮帶秤的稱重傳感器可以檢測到給料量的數值。同時根據設定好的水料比計算所需水量，球磨機加水量通過水流量計控制；球磨機排料給入螺旋分級機，螺旋分極機將粗粒級返回到球磨機，溢流顆粒進入后續作業。

2　磨機運行特性

球磨機運行特性十分復雜，非線性、大時滯的特點導致磨機最優負荷值不斷飄移[4-6]，典型的磨機負荷的大小與功率P、電流I、磨音s間的非線性關系如圖2所示。根據磨機負荷大小可以將磨礦特性曲線分成3個區域。當0﹤t﹤t1時，磨機負荷較低，功率也不高，此時球磨機處于“空磨”狀態，臺時產量低且能耗高；當t1﹤t﹤t2時，磨機負荷較高，功率也較高；當t﹥t2時，磨機負荷較低且功率較低，并且磨機內料量較多，磨機處于“飽磨”狀態，隨著磨機負荷的繼續增加，磨音愈發沉悶，所以容易出現堵磨現象，不但生產效率低而且會威脅到生產安全，在實際生產中應該盡量避免此區域出現。

圖1　磨礦分級工藝流程

圖2　磨機運行特性曲線

3　磨機給礦控制系統的設計

模糊控制對非線性、大時滯、強耦合的系統有很好的控制效果。根據分析和現場工作經驗編寫控制規則。對球磨機的現場數據進行處理分析，得出一個最佳負荷點，也就是給礦量的給定值，然后通過智能PID控制器調節下料機的下料量以達到最佳給礦量，控制原理如圖3所示。其中給礦量的給定值為α，檢測值為β，給水量的檢測值為γ。

圖3　控制系統原理

由磨機運行特性曲線，將磨音信號s、電流I、功率信號P通過斜率計算得到Ks、KI、KP。由Ks、KI、KP作為模糊控制器的輸入變量會使控制規則變得復雜，二維的模糊控制規則已不能直觀的表示，而且編寫的程序工作量會很大且不易編程，通過對球磨機運行特性曲線的分析可以看出，最佳的磨機瞬時處理量所對應的區域KP<0，當KP>0時磨機處于嚴重“欠磨”狀態，需要加大料的給定。為了簡化控制規則，當KP<0時，選取KI和Ks作為模糊控制器的輸入，選取給料量的設定值作為輸出，記做α；當KP>0時，α以一定的步長增大給礦量的設定值，直至KP<0。

采用模糊控制器得出磨機最優負荷所對應的最大給礦量α，并以此作為給料輸入量，給料量采用神經網絡PID控制器控制，該系統采用3層BP神經網絡，以PID的3個參數ks、kI、kp作為神經網絡的輸出，優化PID控制器。神經網絡對非線性和時變性系統有很好的控制效果，將神經網絡和PID相結合，不僅增強了系統的穩定性，而且增強了系統的處理能力和適應能力。

選用西門子工控計算機構成DCS系統。DCS系統結構如圖4所示，該系統由過程控制層、過程監控層、生產管理層3層結構組成。過程控制層由2塊西門子塊和6塊 模塊組成，經由工業以太網和WinCC通信并對現場運行設備發出控制指令；過程監控層由WinCC組態軟件組成，實現現場數據的實時顯示、歷史數據的存儲、曲線繪制、遠程儀表的控制等功能；C#控制站作為控制終端，經由RS485與組態軟件進行串行通訊，將現場數據傳遞給C#應用程序，將模糊控制和神經網絡等智能控制算法嵌入到C#控制站，通過對過程監控層的數據分析和運算來指導給礦量的設定值，從而起到磨機給礦量最優控制的效果。另外設置了一臺C#服務器，C#的客戶端可以訪問數據庫的參數，實現對磨礦現場的遠程監視和管理，并且可以通過瀏覽器的形式進行訪問，為生產管理帶來了很大方便。

圖4　DCS系統結構

4　現場運行效果與仿真效果

4.1現場運行效果

圖5是傳統PID控制系統在承德某選礦廠1#生產線運行效果，傳統的控制系統根據生產經驗采用固定給礦量，不能保證磨機始終處于最佳負荷狀態，圖示給礦量約為65t/h，在跟蹤調節過程中有較大的波動；圖6是智能PID控制系統在2#生產線試運行的效果，與1#生產線相比，2#系統根據磨機生產運行狀態自行調節給礦量，保障了磨機時刻處于最佳負荷狀態且不需要人為干預，當前時間段的磨機給礦量的最低值為76t/h，最高為82t/h，與傳統的控制系統相比，臺時處理量提高了20%左右，而且曲線較光滑平穩，跟蹤響應速度快。

4.2仿真效果

為了顯示智能PID控制器的控制效果，選取二階系統模擬被控對象模型，以單位階躍信號作為輸入，通過Matlab/Simulink進行智能PID控制與傳統PID控制的實驗仿真對比，結果如圖7所示。

由圖7可知，智能PID控制器調節所需時間短，系統的快速性好，超調量小，系統能快速達到穩定狀態。

5　結　論

將模糊控制加入到磨機給礦量控制系統的給定環節，以模糊推理的形式根據磨機的運行狀態確定出最佳磨機負荷，并指導給礦量的設定值，使傳統的恒值系統升級為隨動控制系統，不僅使磨機臺時處理量提高了20%，而且減少了能耗；神經網絡的加入克服了傳統PID響應速度慢的缺點，可以使磨機給礦量準確快速地跟蹤給定值，且具有良好的魯棒性。實踐表明，智能PID控制方法安全、可靠，達到了理想的效果，提高了企業的經濟效益。

圖5　傳統PID控制效果

圖6　智能PID控制效果

圖7　仿真結果

[1]柴義曉,許維丹.選礦自動化技術探討[J].工礦自動化,2011,37(10):73-76.

[2]勞春萍,楊承志.模糊智能控制在磨礦分級給礦系統中的應用[J].自動化儀表,2011,32(10):60-62.

[3]張杰,王建民,楊志剛,等.承德某選礦廠磨機運行專家系統[J].金屬礦山,2013(7):144-148.

[4]張杰,王建民,楊志剛,等.模糊神經網絡在磨機負荷控制中的應用[J].儀表技術與傳感器,2014,05:66-68.

[5]夏浩軍,王娟,雷靜,等.一種神經網絡智能PID控制器[J].楊凌職業技術學院學報,2005,4(2):30-32.

[6]陶福貴,張雨,郭俊杰.神經網絡PID控制器在挖掘機提升系統中的應用[J].煤礦機械,2014,35(4):187-189.

2016-04-25)

池彥賀(1991—)，男，碩士研究生，063009 河北省唐山市新華西道46號。