半自磨机负荷软测量研究与应用

作     者：韩昌希 

作者单位：上海应用技术大学 

学位级别：硕士

导师姓名：王贵成

授予年度：2021年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 0804[工学-仪器科学与技术] 

主      题：半自磨机 数据挖掘 负荷监测 软测量技术 支持向量机 主元分析 

摘      要：随着计算机技术的高速发展,大数据、云计算、人工智能等前沿技术与传统过程工业的融合受到越来越广泛的关注。数据挖掘、信息处理以及数据传输成为研究的一个重要方向,如Hadoop等相关数据平台也得到了快速发展。同时,伴随着科技的快速发展,人类综合素质的不断提高,绿色、节能、环保的理念也逐渐深入人心。本文以磨矿过程常用设备半自磨机为研究对象,探讨如何使生产过程持续稳定的运行于最佳工况,以提高资源利用率实现节能与产能协调的目的。半自磨机不能达到经济运行的主要原因是其负荷难以实时直接检测,为保证磨矿生产持续运行,防止空磨、满磨情况的发生,工作人员只能通过经验进行保守给矿,进而导致运行效率不平衡。因此,解决半自磨机负荷的监测问题,无论是对于实现自动控制还是经济、稳定运行等都有着十分重要的意义。针对半自磨机负荷监测的问题,文中采用软测量技术进行研究,涉及数据传输、数据预处理、数据挖掘和模型建立过程的关键点,主要内容如下:（1）综述了目前国内外半自磨机负荷研究与发展,探讨了课题研究的背景与意义。（2）对目前矿山应用前景较好的半自磨流程简要概述,并对半自磨机的工艺机理与工作特性进行研究,对负荷影响以及检测特点进行了深入探讨。（3）在分析半自磨机负荷影响的特点后,从软测量技术入手,对软测量建模的要素进行阐述,详细描述了支持向量机（SVM）算法与支持向量回归机原理,将基于SVM的软测量模型应用到半自磨机运行负荷的实际预测中。（4）针对SVM软测量模型检测负荷时所遇问题,进行理论分析与仿真研究,涉及软测量建模过程中辅助变量选取,以及数据处理。采用皮尔森（Pearson）相关系数法对主导变量与辅助变量进行相关系数分析,确定了各变量与主导变量的相关度;对于半自磨机负荷相关的信号重构相空间（Phase Space）,初步确定辅助变量的选取维数;应用主元分析技术（PCA）,对部分辅助变量进行融合,防止信息冗余;将Pearson相关系数、相空间重构和PCA技术相结合,提出一种筛选辅助变量的改进算法Pearson Phase Space PCA算法（PSPCA）确定最终的辅助变量。采用小波降噪（Wavelet Denoising）对辅助变量数据样本进行滤波处理,去除原始数据中的噪声,并对数据集无量纲化处理。最终,将PSPCA算法、小波降噪与SVM算法相结合构成一种复合的PSPCAW-SVM软测量算法,建立PSPCAW-SVM软测量模型,用于磨机负荷的监测。（5）建立基于PSPCAW-SVM的半自磨机负荷软测量模型,通过仿真预测结果与性能指标计算,评价该模型的精确性与稳定性。最后,介绍了该模型在实际中的运行流程与操作方式,以实现节能高效生产。