王杰 高旭 焦鹏飞
包钢钢联股份有限公司巴润矿业分公司 内蒙古包头市 014080
摘要：磨矿分级过程是矿厂最重要的生产工艺，是影响矿厂生产的关键环节。为提高磨矿效率、节能降耗、提高有用矿物的精矿品位及矿厂的经济效益，实现磨矿分级的自动控制具有重要意义。本文对磨矿分级过程控制策略进行了详细分析。
关键词：磨矿分级；因素；控制策略
磨矿分级作业是整个矿厂生产流程中最关键的环节，起着承上启下的作用。磨矿作业在矿厂基建投资及生产成本中占很大比重。同时，磨矿作业是整个矿厂的“瓶颈”作业，直接关系到选矿生产的处理能力，磨矿产品质量对后续作业指标乃至整个矿厂经济技术指标也有很大影响，因此，磨矿分级过程一直受到选矿工作者的高度重视。
一、磨矿分级控制系统组成
磨矿分级控制系统是非线性、大滞后、随机因素干扰大的系统。影响磨矿分级的因素有很多，属于物料性质的有矿石黏度、矿石可磨度、给矿粒度、溢流粒度；属于设备参数的有磨机结构参数、分级设备种类及结构参数，还包括给矿泵的处理量。磨矿分级过程控制系统一般由三个基本控制环节组成，即给矿量控制、磨矿浓度控制、分级溢流浓度(粒度)控制。基本控制系统由系统输入量、系统输出量和核心控制单元组成。
系统输入量主要依靠磨矿分级过程仪表进行检测，目前在选厂应用的有给矿量、矿浆流量、矿浆浓度、矿浆粒度、矿仓料位、磨机负荷量等仪表。
系统输出量控制主要集中在给矿量控制、磨矿浓度控制、磨机溢流浓度控制等方面。主要通过调节给矿皮带速度、磨矿给水阀门开度、给矿泵转速等手段来控制。
二、影响磨矿分级过程控制的因素
1、物料性质、磨机结构和转速、操作条件。物料性质可通过矿石的可磨性系数来反映。矿石愈硬，可磨性愈小，磨细它所耗的能量较多，磨机处理能力也较低。给矿粒度愈粗，因需要的磨矿时间较长，将它磨到规定细度的功耗较多，生产率较小。磨矿产品粒度直接影响着选别指标。磨矿产品粒度过粗，有用矿物和脉石未获得充分解离，若太细又引起较严重的过粉碎，两种情况都会使选别指标降低。
另外，磨机的直径和长度、转速、衬板类型也会对控制效果产生影响。
操作条件影响也很大，包括装球制度、磨矿浓度和给矿速度等。钢球大小要和矿粒粗细相适宜。磨矿浓度是用磨机中矿石重量占整个矿浆重量的百分数来表示。只有磨矿浓度适当，产出率才会高，它随被磨物料性质及工艺条件而定。给矿速度是单位时间内通过磨机矿石量，过高或过低都对磨机有不利影响。
2、检测和控制设备、技术手段和控制方法。自动控制是检测技术、自动化技术、计算机技术与工艺相结合的产物。检测和控制设备的质量不仅影响到过程检测质量，而且也制约着以过程检测为基础的过程控制质量。此外，对于随机干扰因素多、滞后大、需控制参数多且相关性强的磨矿分级复杂控制系统，采用先进技术手段和可靠控制方法，能克服人工操作的盲目性和不确定性，对实现控制目标有着重要作用。
3、应用条件。企业对磨矿分级过程检测和自动控制的重视度，也会影响磨矿分级过程控制效果。虽然自动控制对生产的重要意义日益显著，但在实际应用中，并未受到应有的重视。当前，一般国内大型选厂对计算机硬件系统的要求较高，而对检测和控制设备的重视还不够。另外，先进过程自动控制系统的投运，需改变操作工传统操作方式和习惯，而且要求操作工具有更高的理论知识和操作水平。
三、传统控制策略
通常把PID控制、Smith控制、解耦控制等称为传统控制策略。
以经典控制理论为基础的PID控制具有算法简单、适应性好的特点。20世纪70年代,我国选矿厂磨矿分级回路大多采用单回路的PID控制来实现定值控制目的,并且至今仍有一些选矿厂使用。将PID控制与新型控制策略联合研发成复合控制策略,目前在实际生产应用中取得一定效果的有模糊PID控制和专家PID控制等。但PID控制并不适合参数变化较为剧烈的生产工艺或大时间滞后的控制对象,因此其对保证磨矿分级工艺处于最优状态有一定的困难。
从设计理论上讲,Smith控制能使被控制对象的时间滞后现象得到充分补偿,在设计控制器时,完全可忽略被控制对象因时间滞后而产生的影响。在生产实践中,通过一些合理的近似处理,也可得到较好的补偿效果。
磨矿分级系统是一个受多因素影响的多变量输入输出系统,并且各变量间受耦合关联机制的影响,某个变量发生改变能引起其他输出变量的变化。例如,磨机给矿量的改变,影响磨矿浓度,进而改变分级机的入料粒度和矿浆浓度,最终改变磨矿分级系统产品指标(分级溢流粒度和浓度)。针对这一问题,必须采用以解耦控制为核心的多变量控制技术来削弱过程控制中的相互作用。解耦控制思路是通过一个解耦补偿器来降低甚至消除多变量系统中各输入输出变量间的关联机制,将复杂且相互影响的多变量系统转化为几个单变量系统,其中单变量系统的一个控制输入变量只作用于其对应的输出变量,而且对其他输出变量不产生影响。在已解耦的控制回路中,各控制器采用相应的单变量控制策略,只对其对应的被控变量产生相应的控制影响。
传统控制策略受控制理念的限制,不能完全适应大滞后、非线性、干扰因素多且存在复杂交互作用的磨矿分级系统,现代控制策略和人工智能控制策略的开发和应用,能很好地弥补传统控制策略的不足,更好地适应复杂多变的磨矿分级作业。
四、现代控制策略
1、自适应控制。自适应控制是针对对象特性的变化、漂移和环境干扰的影响提出来的。其基本思想是通过在线辨识使这种影响逐渐降低以至消除。从应用角度看，大体可将各种自适应控制归纳为模型参考自适应、自校正控制两类。
2、预测控制。70年代中期预测控制已出现，这是一种基于模型又不过分依赖模型的控制策略。预测控制算法很多，但不论形式如何，都建立在预测模型、滚动优化和反馈校正基本原理基础上。其基本思想类似于人的思维和决策，即根据头脑中对外部世界的了解，通过快速思维不断比较各种方案可能造成的后果，从中择优予以实施。
五、智能控制策略
1、模糊控制。其是指在实际生产中，运用逻辑语言将控制策略进行详细归纳总结，通过模糊集合理论和语言变量形成的一种新型控制理论。根据国际选矿会议研究，该控制在应用中无需建立完善的模型，主要是依据现场操作工的经验和操作工艺数据，再编制成精确控制程序应用到生产中，有效降低磨矿分级中参数的不确定性、干扰性、非线形、时变性、延迟性对控制系统的影响。
2、专家系统。它是一种全面模拟人类知识和经验的智能推理程序系统。在实际应用中，其能充分结合知识库和推理机理，将知识系统与其他操作部分进行分离，从而更注重知识的应用，相比于传统的计算机控制系统拥有显著的区别。应用专家系统无需精确的数字模型，将其应用到磨矿分级中可借助专家系统进行磨机作业系统的控制，相比传统和现代控制系统，作业过程中矿石的处理量可提高40%左右，能源降低约5%。
3、神经网络控制。其是应用人工智能系统对人工神经网络进行模拟，从而在应用中模拟人的大脑进行神经网络处理和信息记忆。很多专家已把它应用到磨矿分级自动控制中，并建立了自适应模型。国外基于人工神经网络研究的成形磨矿分级动态力度的传感器；国内基于函数神经网络和模糊理论进行有效结合，能有效克服旋流器相关参数波动对磨矿分级工作效率的影响，降低对磨矿浓度和流域力度的影响波动、降低对整个磨矿分级过程的影响等。大量研究表明，基于神经网络研究出的磨矿分级控制系统，具有自适应性、自治组织和自主学习能力，使实际操作变得更精准，跟踪性能更好，是当前最优化的磨矿分级自动控制策略。
参考文献：
[1]石立.金属矿山选矿厂磨矿分级自动控制研究现状[J].金属材料与冶金工程,2015(01).
[2]陈炳辰.磨矿分级过程控制策略的研究及进展[J].金属矿山，2015(09).