模糊智能控制在磨矿分级给矿系统中的应用

劳春萍 杨承志

(昆明理工大学信息工程与自动化学院，云南 昆明 650500)

0 引言

磨矿分级作业是选矿厂重要的生产环节，它直接影响后续工艺的效率及最终产品的质量和产量，其控制目标是将矿浆溢流粒度稳定在工艺要求范围内，同时提高磨机效率，达到节能降耗的目的。在磨矿分级系统中，球磨机的给矿量是重要的被控量，它直接影响控制目标，因此，应对其实施有效的控制，以避免磨机出现欠载和“胀肚”的现象。

磨矿分级过程存在大惯性、参数时变和非线性等特点，磨矿分级系统是一个具有纯滞后的多变量系统，传统控制算法难以取得满意的控制效果。本文在总结这些经验的基础上，采用模糊推理和智能控制的思想，建立了一套先进的给矿控制系统。实际应用表明，系统取得了较好的控制效果。

1 磨矿工艺简介

某选矿厂采用二段球磨磨矿工艺，工艺流程如图1所示。

图1 磨矿分级工艺流程图Fig.1 Flowchart of ore grinding and classification process

矿仓中的矿石经振动给矿机、皮带机送到球磨机，经球磨机磨细后进入分级机，粒度合格的矿浆溢流进入泵池，粒度不合格的则返回一段球磨机再磨。进入泵池的矿浆泵入高频振动筛，经高频振动筛选择后，合格矿浆直接进入浮选作业，粒度不合格的矿浆进入二段球磨机再磨，再磨后的矿浆进入泵池，形成一个循环。

2 控制方案

根据磨矿分级给矿的控制目标和对象特性，设计了串级给矿控制系统。控制系统原理如图2所示。

图2 控制系统原理图Fig.2 Principle of the control system

首先由电流变送器检测球磨机的电流，经模糊运算后，得到当前给矿量的最佳设定值。为了补偿给矿机存在的给矿误差，增设了给矿量反馈环节，通过电子皮带秤检测实际给矿量，与经过模糊计算得到的给矿设定值进行比较，并对误差进行PID调节，从而构成一个模糊控制 +PID调节的串级回路控制系统［1］。系统主回路采用模糊控制算法实现给矿量设定值优化，副回路采用PID控制器实现稳定给矿。

2.1 给矿量设定值控制

由于原矿性质变化等不确定性的干扰，给矿量的多少将直接影响球磨机的工作效率和溢流产品质量，且磨矿分级过程时间滞后较大、干扰因素多，系统难以建立精确的数学模型，而选择好被控量将大大简化系统的控制过程。

本系统可以选择粒度作为被控变量(溢流粒度由在线粒度仪测出)，或者选用与球磨机负荷紧密相关的球磨机电流作为被控变量(球磨机电流由电流变送器检测出)。

本文采用与球磨机负荷紧密相关的球磨机电流作为被控变量，通过模糊优化算法得出最佳给矿量，避免了复杂的建模过程。

球磨机的电流量与负荷量(装载量)具有动态峰值特性关系［2］，如图3所示。因此，根据球磨机的电流量，即可判断其负荷量的大小。

图3 电流与装载量关系曲线Fig.3 Curve of relationship between load and current

磨矿开始时，随着装载量的增加，球磨机的电流逐渐增加，当到达某一极值后，随着装载量的增加，球磨机的电流值将不再增加反而下降。此极值点的电流最大，此刻的装载量是球磨机装载量的最佳装载控制点。所以，为了提高球磨机的效率，应使装载量尽量控制在极值点附近。

图3中，A区表示球磨机开始装载时处于欠载状态，随着装载量的增大，球磨机的电流也逐渐增大，当装载量上升到一定程度时进入B区，即最佳工作区，此时球磨机的电流最大，工作效率最高，但如果装载量继续增大，就会进入C区，即过载区，此时磨机电流将逐渐减小，工作效率下降。我们期望使球磨机工作于B区，但实际操作相当困难，因为当球磨机处于B区时，一旦有振荡，很容易产生“胀肚”故障，所以选择将磨机装载量控制在球磨机最佳工作区B区稍前一点的地方。

在模糊控制方式下，对于漂移的动态特性，控制系统具有自动跟踪功能，可保证“参考点”始终处在安全的最佳范围内，同时可根据其变化趋势和方向进行综合判断，合理调节给矿量。

2.2 给矿量控制回路

当给矿量设定值确定以后，系统采用闭环PID控制方式实现给矿量的稳定控制，保证磨机稳定运行，达到最高工作效率。电子皮带秤检测出实际给矿量，并将它送回PID控制器与给矿量设定值相减，得出的误差值根据磨矿给矿PID控制算法得出相应的控制量，最终通过变频器改变给矿电机的频率，使磨机给矿量按给定值变化。给矿电机采用异步采样控制方式，设给矿量设定值闭环优化周期为T1，给矿控制周期为T2。若选择的T1大于T2，则在一个给矿量闭环优化周期内实施稳定的给矿控制是可行的［3］。

3 控制算法

3.1 给矿量设定值优化算法

给矿量的多少直接影响着磨矿浓度、溢流浓度和磨机的状态，其时间滞后较大，过程干扰因素多，难以建立精确的数学模型，而磨机的电流量与负荷量有一个动态峰值的特性关系。因此，可根据磨机电流量的大小和变化趋势来判断磨机的负荷量。一般情况下，负荷量增加，设备电流量也增大。

通过对球磨机的电流进行在线检测，可以判断磨机的负荷量状态。因此，给矿量的设定和调整可以通过磨机电流的变化来确定和调整。在本系统中根据控制要求，结合工人的日常操作经验，利用模糊控制的理论，总结并设计出了一套磨机给矿量设定值的模糊控制规则。

为了提高系统性能，采用二维模糊控制器，即双输入单输出结构［4］。在本系统中选取磨机电流作为被控变量，模糊控制器的输入选用磨机的电流变化率IP1和IP2，输出为电流最终调整量ID。经过反复调试，以6 s作为计算平均电流的一个周期，任取6 s为周期T1，则周期T1的前6 s为周期T2，周期T2的前6 s为周期T3，周期T1的平均电流为IA0，周期T2的平均电流为IA1，周期T3的平均电流为IA2，磨机的电流变化率IP1为平均电流IA0和平均电流IA1的差值，IP2为平均电流IA1与平均电流IA2的差值。

对电流变化率 IP1和 IP2，取模糊集为{NB，NS，PS，PB}，论域为{－2，－0.9，0.9，2};对电流最终调整量ID，取模糊集为{NB，NS，PN，PS，PB}，论域为{－2，－1，0，1，2}。根据模糊控制理论，得出模糊控制规则如表 1 所示［5－6］。

表1 模糊控制规则表Tab.1 The rules of fuzzy control

从表1中可以看到，在IP1一定的情况下，随着IP2的不断增大，电流最终调整量ID也在不断地增加。

本系统中，磨机的最佳处理量取为35～45 t/h。因此，当计算调整的给定值高于45 t/h时，把给定值设为45 t/h。当计算调整的给定值低于35 t/h时，则限定给定值为35 t/h，从而充分发挥磨机的工作效率，保证磨机既不发生“胀肚”现象，也不会出现欠载现象，保证磨机的正常工作。如果发生“胀肚”现象，则将电量累加和计数器清零，重新开始进行电量累加和计数工作。当计算调整的给定值在35～45 t/h之间时，则给矿量设定值根据式(1)进行计算。

当磨机正常工作时，搜索步长(Length)为电流最终调整量(ID)×0.8;当磨机出现“胀肚”时，搜索步长(Length)为0。

3.2 球磨机“胀肚”判断及处理方法

由于球磨机的电流量与球磨机的装载量存在一个动态峰值特性关系，因此，可以通过检测球磨机的电流来间接判断球磨机的工作状况是否正常，其判断方法及步骤如下。

①将检测的磨机电流数据每6 s做一次平均，存入IA0。

②当某时刻的平均电流IA0小于参考电流IREF(参考电流IREF按式(2)进行计算)，或者当电流变化率IP1和IP2都小于－2时，设立“胀肚”标志，并停止给矿。

③在“胀肚”开始时进行计时，当胀肚处理时间t＞2 min且该时刻的电流值IA0大于参考电流IREF时，恢复给矿。

④“胀肚”期间计算的参考电流不能作为电流参考值，此时，将“胀肚”前的上一个参考值作为电流参考值。

通常情况下，球磨机在第一次运行时半小时内很少会出现“胀肚”的情况，为保险起见，可以根据以往经验设定一个电流值作为第一个电流参考值。当磨机正常工作时，计算的电流参考值可作为实际参考值;当磨机“胀肚”时，计算的电流参考值不能作为实际参考值，而应取上一个参考值作为电流参考值。

4 控制系统的实现

系统在硬件上可以采用西门子PLC作为主控制器，完成数据的采集、处理以及控制算法的实现，通过通信卡实现PLC与上位监控管理计算机的通信［7］。在软件上采用西门子的Step7编程软件，采样周期设为0.1 s，利用OB35中断模块进行调用。将检测的磨机瞬时电流进行累加，计算电流平均值IA0、IA1、IA2及电流变化率IP1和IP2，然后根据模糊规则进行“胀肚”判断和处理，确定给矿量的最佳设定值。

5 结束语

本文以某选矿厂磨浮作业自动控制为背景，针对磨矿分级给矿过程具有滞后大、干扰因素多、非线性和时变性严重等特点，且数学模型很难精确描述的特性及控制要求，提出了模糊控制与传统PID控制相结合的串级回路控制方案。主回路采用模糊控制算法实现给矿量设定值优化，副回路采用PID控制器实现稳定给矿。该技术不依赖于控制过程的数学模型，且模糊控制器具有结构简单、易于实现的优点。

实际应用结果表明，该方法能有效地避免磨机发生“胀肚”现象和欠载现象，提高磨机的工作效率，稳定磨机的各项工作指标，对提高磨矿作业生产效率和降低能耗具有实际指导意义。

［1］黄伟，魏镜弢，王庭有，等.模糊智能控制在磨矿分级系统中的应用研究［J］.昆明理工大学学报:理工版，2009，34(4):96－100.

［2］吴光耀.选矿厂磨矿分级模糊智能控制系统［J］.电气时代，2006(8):18－20.

［3］方仕雄，李奇，张建新.磨矿分级给矿系统模糊控制的设计和应用［J］.微信息技术(测控仪表自动化)，2002，18(5):17 －19.

［4］于军琪，吴涛，黄永宣，等.磨矿分级系统溢流浓度的模糊智能控制［J］.西安交通大学学报:工学版，1999，33(9):1 －9.

［5］李士勇.模糊控制、神经控制和智能控制论［M］.哈尔滨:哈尔滨工业大学出版社，1998.

［6］易继锴，侯媛彬.智能控制技术［M］.北京:北京工业大学出版社，2004.

［7］段仁君，郭琦，邵亮，等.球磨机磨矿分级系统的自动控制［J］.矿业研究与开发，2002，21(6):18 －20.