[发明专利]一种应用于半自磨机的自学习控制方法及装置

说明书

本发明公开了应用于半自磨机的自学习控制方法，包括如下步骤：S1：获取半自磨机的工艺参数集以及相对应的运行状态数据，对工艺参数集通过归一化处理得到多维数据集合；S2：结合半自磨机运行状态所采取的控制策略对多维数据集合，基于模糊C‑均值聚类算法进行处理，得到多维数据集合的多分类中心；S3：对多分类中心进行优化筛选，构建得到半自磨机的控制库；S4：实时获取半自磨机的当前运行状态，将当前运行状态与控制库相匹配，通过更新当前运行参数实时控制半自磨机的工艺参数。本发明基于控制自学习方法，自学习操作控制，做到实时优化半自磨机设备的工作状态，以获取最大经济效益，得到不同型号、大小半自磨机的最大利用率，稳定性高。

技术领域

本发明属于矿工智能控制领域，尤其涉及一种应用于半自磨机的自学习控制方法及装置。

背景技术

基于的控制算法，代表着常规控制算法与专家经验的有机结合，适用于一些单独用常规控制算法难于控制或控制效果不好的被控对象，形成先进控制、智能控制，包括对生产过程或机械设备的控制，而专家经验提取为表示又很困难，形成专家库更是热点。研究人员们一直寻找自学习、自组织库的方法，特别是现在技术更新飞速的时期，智能控制、工业大数据分析的研究，深度学习、数据挖掘已成为人工智能和机器学习领域的热点，无监督特征学习更是展现出强大的潜力，利用多维结构来挖掘多维结构及其隐含特征，可以获取知识的不同表达形式，获取隐藏在数据信息中的规律，提取具有专家属性的经验知识，表示为有效，形成控制库，获得更有效、更好地控制效果，带来相应的经济效益。

例如，磨矿是在选矿厂甄选优质矿石的关键一步，半自磨机是SABC流程的重要组成，半自磨机具备变量多、非线性、耦合性强、滞后性大、时变性等特点，传统的控制方法难以获得好的效果，现有技术中实现自动控制更是难上加难。

现有技术中，很多矿厂都是通过常规PID调节来实现控制，给矿量调节通过PID自动调节重板频率，实现给矿量最佳。通过半自动磨机的给水流量计检测到的水量，PID会自动调节给水阀的开度，从而调节磨矿的浓度。在重板上粗粒级不同的矿石对重板频率数据会造成一定的影响，通过调节控制输出频率来对矿石粒度进行筛分。然而实际中，缺少具有比拟专家经验的控制库以适应工况的不同变化实施控制优化。

因此，亟需一种自动控制方法，将采集的半自磨机工艺参数集进行处理，以现场高级技术工人经验作对比，找出半自磨机工作时的功率、磨音、轴压、磨矿浓度、给矿量等之间的关系，使其自学习形成一控制库，代替人工控制使半自磨机以最优的运行状态运作，以此提高选矿厂经济效益，提高企业收益，推动矿山产业的技术改造。

发明内容

本发明的技术目的是提供一种应用于半自磨机的自学习控制方法及装置，以实现自主控制半自磨机设备，使其处于最优工作状态的技术效果。

为解决上述问题，本发明的技术方案为：

一种应用于半自磨机的自学习控制方法，包括如下步骤：

S1：获取半自磨机的工艺参数集以及相对应的运行状态数据，对工艺参数集通过归一化处理，并结合相对应的运行状态数据得到多维数据集合；

S2：结合对多维数据集合，基于模糊C-均值聚类算法进行处理，得到多维数据集合的多分类中心；

S3：对多分类中心进行优化筛选，去除多分类中心的冗余，构建得到半自磨机的控制库；

S4：通过控制库实时为半自磨机提供当前运行参数，以实现半自磨机的工艺参数控制，其中，实时获取半自磨机的当前运行状态，将当前运行状态与控制库相匹配，控制库获取当前运行参数并更新至半自磨机，通过更新当前运行参数实时控制半自磨机的工艺参数。

进一步优选地，步骤S4还包括：对控制库的更新，其中，根据当前运行状态对应的运行结果，配置修改控制智库中的权值进行修改，从而更新控制库。