一、磨矿分级自动控制系统在选矿厂的运用（论文文献综述）
赵子瑞[1]（2021）在《选矿球磨机及其自动加球机监控系统设计》文中研究表明磨矿是选矿生产中选矿工序的前行工序,在磨矿工序中,要使用球磨机。球磨机是金属矿山选矿厂中的一种必备装备和重要装备。原矿经破碎后加水混流到球磨机磨筒中,球磨机磨筒旋转,破碎后的原矿与球磨机磨筒中的钢球混合运动完成磨矿过程。在磨矿工序中,破碎后的原矿与水不断进入球磨机磨筒中,磨细后的矿浆不断流出球磨机磨筒,球磨机磨筒中的钢球连续磨损甚至破碎,球磨机磨筒中的钢球不断损耗。某选矿厂原来设计的磨矿系统中只有球磨机,磨矿过程中添加钢球依靠人工完成,工作繁重、危险、效率低,凭经验添加钢球,加球记录依靠一线操作工进行记录,容易产生漏记、错记,在这些记录不能用于后期优化生产工艺。本课题根据某新建选矿厂自动化生产、智能制造、高效生产、安全生产的需要,设计选矿球磨机及其自动加球机监控系统设计。本文介绍了对该新建选矿厂的流程工艺设备等信息分析整理,剖析了球磨机的结构及工作原理,研究了球磨机中的钢球破损理论,研究了球磨机加球策略。以此为基础进行了球磨机及其自动加球机监控系统的开发设计,确立了系统的功能要求及整体结构设计。总监控系统采用DCS系统进行子系统集成（DCS选用艾默生的Delta V）,球磨机及自动加球机的现场控制均采用PLC+HMI实现。在系统的开发设计阶段中首先对磨矿系统进行了IO设计,以此为基础进行PLC及HMI硬件选型,考虑到监控规模、系统响应及性价比,公司库存,PLC选用中高档模块式PLC,选用S7-300系列;加球机监控系统设计时,考虑到监控规模、系统响应及性价比,PLC选用中低档主机扩展式PLC,选用S7-1200系列。同时根据工艺及设备参数要求进行了控制时序设计,完成了现场控制柜的控制原理及接线设计。系统PLC程序采用Step5.5进行开发,在系统中增加了大量的设备安全联锁,以保证大型设备的安全稳定运行。现场控制采用HMI控制,并完成了界面组态。本文涉及到的课题适应现代生产的需要,解决生产中的实际工程问题,课题涉及到的监控系统是实用系统。
杜钰,刘丹,孙若凡,张本曰,郭锐,余龙舟[2]（2021）在《智能化磨矿分级的发展趋势》文中提出磨矿分级在选矿工艺中处于十分关键的地位,其效率高低直接影响到选矿厂最终的经济和技术指标,能否在磨矿分级过程中对各个数据进行精准控制,对于实际生产有很大的影响。但磨矿分级过程存在扰动大、非线性、时变性强等影响因素,采用传统的控制理论难以达到期望的效果。因此,通过分析磨矿分级过程中的影响因素,结合我国磨矿工序的生产指标以及矿产特点,引入智能控制策略,对磨矿分级作业进行优化控制,进一步提高磨矿分级在实际应用方面的生产效果。
张玉婷[3]（2020）在《磨矿综合自动化的研究与设计》文中指出磨矿控制手段的进步不仅仅关系着选矿工业的成品品位,也是先进选矿企业竞争力的体现,对选矿企业甚至地方经济的发展都具有重要作用。随着当今时代计算机技术的兴盛,磨矿过程的运行方式也在逐步发生着变化。尤其是最近智能制造的崛起和节能减排的号召,磨矿综合自动化系统也随之兴起,不仅能够实现磨矿作业安全稳定,也使其工作效率得以提升。系统由多个角度入手,对磨矿综合自动化的发展现状进行了分析,确定其研究的重点是由磨矿作业流程的特性入手,详细分析了磨矿理论和磨机特性,明晰了磨矿工艺的特点。之后总结磨矿生产特性,详细设计了磨矿过程专家控制系统和磨矿过程故障诊断系统两个功能模块并通过以Visual Studio 2010为平台利用C#语言完成了磨矿综合自动化系统的编译。该系统集成了数据动态显示、工艺设备显示、磨矿参数设定、工况图绘制、磨矿专家控制系统、故障诊断等多种功能,并搭建了人机交互界面,可使得工作人员和企业管理人员能够较为便捷的查看磨机动态并对其直接控制,提高磨矿的效率。通过搭建实验平台,对磨矿综合自动化系统的合理性及实用性进行了验证。通过对数据显示、工矿图绘制等功能模块以及磨机负荷专家控制、磨矿故障诊断专家系统进行的测试结果表明,该系统能够实现之前的功能设计,能够长期稳定运行。磨机负荷专家控制系统利用专家知识对磨矿过程加以节制,能够对磨机的进行高效控制,其结果优于普通的PID控制。且系统的故障诊断模块可精确判断故障发生的位置并给予相关控制策略,达到了预期的效果,具有一定的实用性价值。图37幅;表6个;参57篇。
郭锐[4]（2020）在《基于RSM和BP神经网络预测选矿厂药剂添加量研究》文中认为市场对选矿厂精矿产品质量日益严格的情况下,浮选过程作为选矿厂选矿过程的核心环节,浮选过程中药剂添加制度决定着有用矿物富集效果的好坏。本文研究的目的和意义在于提高选矿厂经济效益,随着市场铜精矿价格的变化,会存在一个经济价值最优的平衡点,根据矿石性质的变化,通过预测浮选药剂的添加量来确定铜精矿最合理的品位和回收率。浮选指标达到一定程度时,精矿的品位和回收率存在矛盾,当精矿品位升高时,精矿回收率会有所下降;当精矿品位下降时,精矿回收率会有所上升,通过控制精矿指标达到经济平衡点的位置,预测计算药剂添加量可以得到最优经济效益的精矿指标,从而提高选矿厂经济效益。因此本文基于BP神经网络和RSM曲面响应法预测选矿厂药剂添加研究,提出了神经网络输入数据-预测药剂添加量-试验因素影响精矿指标分析的学术思想。针对浮选过程药剂智能化添加,以及在选矿方面的模型有效实用性。论文分别从浮选过程BP神经网络建模预测药剂添加量和试验模型浮选指标优化构建两个方面进行了研究。论文通过采集到四川铜矿选矿厂实际生产数据,根据BP神经网络具有自适应、容错性和自组织性强的特点,BP神经网络建立了输入层为4,隐含层神经元为7和输出层为2的神经网络结构,选取选矿厂2015年-2017年中前30个月的实际生产数据作为训练样本数据,神经网络最大训练次数5000次,神经网络学习速率0.05,神经网络目标误差为0.65*10-3,输入层输入原矿品位,氧化率,精矿品位和精矿回收率数据,输出层为黄药添加量和2号油用量数据,通过BP神经网络算法学习与训练分析结果对比,从四种算法模型中选取了预测效果最优的BP神经网络模型,线性回归R值0.99904>0.99,对药剂添加制度做了预测,取得了优良的预测效果。为了验证在不同药剂组合的条件下,本文对石灰、轻柴油和硫化钠药剂两两组合,神经网络线性回归R值分别0.99927、0.99899、0.99923都大于0.99,预测结果也取得了优良效果。BP神经网络模型质量优良,对组合药剂添加量的预测效果进行预测,药剂添加量预测结果与实际值误差较小,取得良好的预测结果,将该模型扩展应用于其他药剂预测,将会为智慧矿山发展提供广阔空间。为了进一步研究选矿厂试验因素的交互影响效果,通过响应曲面法RSM为该试验设计优化,在Design Expert 10.0版本软件模拟计算下,根据CCD试验设计安排,设计3因素3水平试验设计,三个影响因素A原矿品位、B氧化率和C黄药添加量对Y1精矿品位和Y2精矿回收率影响可靠性分析,精矿品位和精矿回收率p值分别为0.0400和0.0200均小于0.05,表明试验影响因素对试验结果指标具有显着性影响,在三维曲面图下可以分析出,在氧化率取固定值时,随着原矿品位和黄药添加量的增加,精矿品位随之显着增加的趋势。精矿品位和精矿回收率F值分别计算得出A52.94、B8.9、C18.43;A16.91、B1.65、C5.35,得出影响精矿品位和精矿回收率的主次因素为:A原矿品位>C黄药添加量>B氧化率,并且三个考察因素之间存在极明显的交互作用。最终在RSM指标最优条件下,计算最优精矿品位和精矿回收率下的影响最优因素指标配比,得到了A原矿品位0.846%、B氧化率0.968%、C黄药添加量23.686g/t最佳影响因素配比,从而取得了精矿品位25.152%和回收率94.410%的最优指标。为选矿科研人员提供一种便利高效的试验设计方法。
郭锐,刘丹,杜钰,余龙舟[5]（2020）在《神经网络在矿物加工中预测应用的研究现状及展望》文中认为神经网络作为一个近十几年来快速发展的崭新领域,具有适应性强、容错能力强、鲁棒性强等优势。但是在矿物加工中存在传统人工离线分析化验指标滞后2～3 h,磨矿粒度缺乏在线监测设备无法监测,人工调节浮选加药量人为影响因素大等问题。应用神经网络的优势特征克服了过去被认为传统难以解决的问题,神经网络通过非线性变化对原始采集数据在隐含层传递函数计算下,经输入层传输传递到输出层,然后神经网络训练自我学习出对应关系之间的客观规律,最终输入类似样本数据在对应规律下输出预测数据。在目前矿物加工领域采用神经网络方法解决了精矿品位回收率预测,浮选过程加药量预测等问题的研究。在将来神经网络的应用中,在矿物加工领域能够为选矿厂带来智能化数字化信息化,提高选矿厂控制系统的效率和准确度。
王鹏[6]（2019）在《湿式球磨机控制系统的研究》文中研究说明球磨机磨矿控制系统具有多个控制变量,且各变量之间具有较强的耦合作用。本论文主要目的是提升球磨机磨矿过程中的给矿量控制与分级控制的控制效果和系统稳定性。其中球磨机给矿量控制是在对常规PID控制算法与BP神经网络算法以及粒子群优化算法研究分析的基础上采用粒子群优化后的BP-PID控制算法来实现的,而水力旋流器分级控制则采用预测控制中的动态矩阵控制算法来进行。首先,本论文对湿式球磨机磨矿控制系统的基本工作原理、具体工艺流程以及控制系统的组成进行了介绍。并针对当前球磨机磨矿分级过程存在的系统稳定性较差等问题来选择具体的控制策略,并给出总体设计方案。然后,本论文针对球磨机磨矿控制系统中常规PID控制效果与系统稳定性较差的问题,把常规PID控制与BP神经网络算法相结合,对PID参数自整定。虽然BP-PID控制算法比常规PID算法实现了一定的优化,但是依然无法满足磨矿控制系统的稳定性要求。于是针对BP-PID控制算法的控制稳定性不足以及控制精度较差的问题,本论文引入经过粒子群优化算法优化的BP-PID控制算法,并在Matlab环境中完成仿真实验,验证最优的控制算法。同时针对旋流器分级过程中较难解决的变量间耦合作用较强的问题,本文采用动态矩阵控制算法来协调各个变量之间的关系,并在Matlab中对系统进行仿真。仿真结果表明,分级控制中所采用的DMC控制策略对解决耦合问题有一定的效果,同时也提升了分级过程的工艺指标。最后,本论文结合球磨机给矿控制算法与分级控制算法对控制系统进行软硬件设计。硬件设计主要由上位机、控制对象、控制现场检测仪器的选择等组成。软件设计主要包括球磨机给矿设备控制、球磨机与其辅助设备控制、Wincc flexible监控界面组态以及通信等。在完成控制系统软硬件设计之后,现场调试控制系统,并检测控制系统的实际运行效果。通过对湿式球磨机控制系统进行研究与设计,可以对选矿作业控制系统的设计工作提供一定的指导意义。
刘洋[7]（2019）在《基于专家系统的磨矿分级自动控制方法研究及系统设计》文中指出磨矿分级系统是一种多参数、时变性、非线性、大滞后的生产工艺系统。该系统处于恶劣的工作环境,传统的检测和控制方法难以适应且无法建立精确的数学模型。本文针对上述工艺特点,设计了基于专家系统的磨矿分级自动控制方案,有效地解决了多参数、时变性、非线性、大滞后性等问题对选矿效率和质量的影响,在生产实践中取得了很好的经济效益。本论文首先分析了磨矿分级工艺过程及影响其生产的主要因素;然后,根据系统控制目标和磨矿分级系统的工艺特点,研究并设计了磨矿分级系统的基础自动控制策略和回路,包括:球磨机的给矿量控制、球磨机磨矿浓度控制、水力旋流器溢流粒度控制等;其次,在实现基础控制的基础上,重点论述了基于专家系统的优化控制设计方案,建立了基于专家系统的磨矿分级控制优化系统模型;最后,搭建了整个磨矿分级控制系统的硬件设备,包括:控制系统网络连接、上位监控系统硬件连接、专家系统硬件连接等;同时,对设计完成的控制系统分别进行了基础控制回路和专家优化控制系统的实验室模拟测试以及现场运行测试,达到了预期的效果。本论文选取的课题项目已经投入到实际选矿厂的应用中。工程指标显示,使用专家优化控制系统后,铜精矿品位上升1.2%,铜回收率上升1.0%,节省药剂10.0%。结果表明,该磨矿分级专家优化系统实现了磨矿分级生产过程的稳定运行、提高了生产率和产品质量。
谢伟[8]（2019）在《磨选过程中集散控制系统的研究与应用》文中提出选矿厂过程自动控制是选矿厂矿山自动化控制的一项主要工作内容,它是实现数字化矿山的基本条件,矿石的破碎和磨矿分级过程是一个具有多变量、强干扰、大滞后、非线性强和参数时变等特性的工业过程。磨机的处理对象矿石的性质很难定量分析,同时磨机的工作状态也很难判断,我们只能定性地判断磨机工作状态和矿石性质的变化趋势。对于磨机磨矿这种有大量的过程参数频繁变化的生产过程,常规控制是无法实现磨机的精确控制的,但是有经验的球磨工可以取得很好地控制效果。模糊系统的功能非常强大,因为它将与环境中的过程相关的人的经验知识转换成了具体的操作。这些知识（特别是关于过程和设备的静态和动态行为的知识）通过使用模糊系统被用于实现过程自动化。本论文是以某矿业公司选矿球磨自动化系统的工程项目为背景,对球磨机自动控制方案进行研究与应用。此矿业公司选矿厂设计规模为每年处理磁铁矿1500万吨,生产铁精矿300万吨。此公司是某集团公司重要原料基地之一,因此公司必须完成生产任务,同时也要使成本达到最低。这就促使选矿全流程自动化系统的水平达到最高。论文介绍了该矿业公司选矿工艺,论述了国内磨矿技术的现状和发展趋势;分析了磨矿系统工艺流程和运行特点;确定了自动控制系统检测和控制目标,提出控制方案。文中对卸料小车的自动控制进行了设计,实现了卸料小车的无人值守,同时对球磨机给矿量模糊控制系统进行了深入研究,在设定给矿量时,分别设计磨音频谱、磨机功率、分级机电流和给矿量设定四个模糊控制器的设计,并对于原矿性质改变与磨音频谱、磨机功率、分级机电流三参数的关系作了探讨。在实施过程中,通过对现场人工操作规律的深入细致的摸索总结,并经过精心调整,设计出了稳定有效的模糊控制器,获得了较好的控制效果。该设计已成功应用于该矿业公司的磨矿分级自动控制系统,其在改善破碎作业环境,稳定铁精矿品位、提高球磨机产量等方面起到了重要作用,并取得了显着的经济效益。
程晔[9]（2019）在《大型选矿生产过程集成监控系统设计与实现》文中认为二十一世纪以来,集成监控技术在世界范围内飞速发展,其在冶炼采矿、电力系统、城市管理等期货领域的应用也在不断的深化中,除了新增体量外,现有视频监控的更新升级也将来巨大的潜力。德兴铜矿是江西铜业集团公司的主干矿山,是中国第一大露天铜矿,也是一个世界级的大型铜矿。泗洲选矿厂是德兴铜矿第一期选矿厂,职工队伍老化,设备投入使用时间长。随着生产任务的不断增加,工艺要求的提升,以及新设备的增加和厂区的扩大,矿属职工人数需求也在增多,然而近年来,老一批员工的退休增加,新招入员工减少,生产经营成本的增加。在全公司提质增效的要求下,智能化工厂改革已经迫在眉睫。本文的主要研究内容研究一套适合泗选厂的生产过程集成监控系统来切实减少岗位需求,降低人力成本,提高智能化生产水平,在我厂分步推进厂区智能化,网络化管理。主要研究内容如下（1）规划布局合理的视频监控设备;（2）集成控制全厂的监控设备;（3）设计碎矿过程集成自动化监控;（4）设计选矿过程集成自动化监控。
贾巧娟[10]（2019）在《解耦内模控制在磨矿过程中的应用》文中研究说明在实际磨矿分级过程中,分级机溢流浓度是重要的工艺指标。但分级机溢流浓度不仅与给矿量、给水量之间存在复杂的强耦合、非线性关系,而且受到随机噪声、量测噪声、模型参数摄动和传输过程中的不确定性扰动等因素的影响,使得磨矿分级过程表现为多变量、强耦合、大时滞等特点,导致磨矿分级过程的控制精度、鲁棒性能较低,从而使得分级机溢流浓度很难控制。因此,本文以磨矿分级过程作为研究对象,将分级机溢流浓度稳定控制作为控制目标。通过辨识方法得到磨矿分级过程的数学模型,引入两种改进的多变量内模解耦控制方法,实现磨矿分级过程的解耦控制,以及分级机溢流浓度稳定跟踪设定值。具体内容如下:首先,将分级机溢流浓度、返砂量作为输出量,分级机补加水、给矿量作为过程变量,建立磨矿分级过程的数学模型,采用遗忘因子递推最小二乘法对模型参数进行辨识,通过相对增益矩阵对系统进行耦合度分析。其次,提出改进的V规范型三自由度内模解耦控制方法对磨矿分级过程进行解耦控制。通过引入滤波器,构成三自由度内模结构,使系统设定值响应与干扰响应分离,同时引入双口控制,提高系统抗干扰能力,以ITAE和鲁棒性能相结合的综合性能指标作为整定滤波器参数的目标函数,提出混沌、局部增强算子的改进人群搜索算法对滤波器参数进行优化。仿真结果表明,在摄动系统下,与其他控制方法进行比较,改进的V规范型三自由度内模解耦控制方法使得磨矿分级系统具有较好的解耦性和鲁棒性。再者,提出改进的逆解耦自抗扰内模控制方法对磨矿分级过程进行解耦控制。利用逆解耦方法实现磨矿分级系统的解耦,对解耦后的子系统采用改进的内模控制和线性自抗扰控制。通过引入内模补偿器和增益对时滞进行补偿,减小了系统对模型的依赖度,通过调节线性自抗扰控制器、内模补偿器参数和增益抑制模型失配、外部干扰及不确定性因素对系统带来的不利影响。与改进的V规范型三自由度内模解耦控制方法、逆解耦内模控制方法进行比较,仿真结果表明,改进的逆解耦自抗扰内模控制方法有较好的解耦性能、跟踪性能和鲁棒性能,验证了此方法是有效的。最后,将两种改进的多变量内模解耦控制方法在磨矿半实物仿真平台上进行验证,通过半实物仿真平台结果表明,两种改进的多变量内模解耦控制方法的有效性。
二、磨矿分级自动控制系统在选矿厂的运用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、磨矿分级自动控制系统在选矿厂的运用（论文提纲范文）
（1）选矿球磨机及其自动加球机监控系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究课题 |
| 1.2 课题意义 |
| 1.2.1 工厂生产现状 |
| 1.2.2 新选矿厂磨矿监控系统开发的必要性 |
| 1.3 国内外选矿自动化综述 |
| 1.4 加球机综述 |
| 1.5 本论文课题所涉及系统的开发过程 |
| 第二章 磨矿系统设备及球磨机钢球破损模式研究 |
| 2.1 新选矿厂中的磨矿设备 |
| 2.2 钢球球磨机内的运动模式 |
| 2.3 钢球破损模式理论探讨 |
| 2.4 加球策略 |
| 2.5 本章小结 |
| 第三章 磨矿子系统监控系统总体设计方案 |
| 3.1 需求分析 |
| 3.2 监控系统功能设计 |
| 3.3 磨矿监控系统总体结构 |
| 3.4 本章小结 |
| 第四章 磨矿监控系统硬件设计 |
| 4.1 背景介绍 |
| 4.2 球磨机监控系统硬件设计 |
| 4.2.1 系统I/O设计 |
| 4.2.2 PLC与 HMI选型 |
| 4.2.3 电气原理图 |
| 4.3 加球机监控系统硬件设计 |
| 4.3.1 系统I/O设计 |
| 4.3.2 PLC选型与HMI选型 |
| 4.3.3 电气原理图 |
| 4.4 硬件系统实现 |
| 4.4.1 球磨机监控系统控制柜 |
| 4.4.2 加球机监控系统控制柜 |
| 4.5 其它电器简介 |
| 4.6 本章小结 |
| 第五章 磨矿监控系统的软件设计 |
| 5.1 磨矿监控系统监控软件的总体架构 |
| 5.2 球磨机监控系统软件开发 |
| 5.2.1 PLC程序开发 |
| 5.2.2 HMI软件开发 |
| 5.3 加球机监控软件开发 |
| 5.3.1 PLC程序开发 |
| 5.3.2 HMI软件开发 |
| 5.4 系统调试与运行 |
| 5.4.1 系统调试 |
| 5.4.2 系统运行情况 |
| 5.5 系统技术经济效益 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（2）智能化磨矿分级的发展趋势（论文提纲范文）
| 1 传统磨矿分级控制系统 |
| 2 智能化磨矿分级系统研究 |
| 2.1 磨矿分级软件智能化 |
| 2.1.1 基于神经网络专家系统的磨矿分级系统 |
| 2.1.1. 1 专家系统的建立 |
| 2.1.1. 2 神经网络学习系统的建立 |
| 2.1.2 应用于磨矿分级系统的数字化仿真软件 |
| 2.2 磨矿分级硬件智能化 |
| 3 智能化磨矿分级系统应用存在的问题 |
| 4 结论 |
（3）磨矿综合自动化的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 磨矿工艺简介 |
| 1.3 磨矿过程及其综合自动化发展现状 |
| 1.3.1 国内外磨矿过程发展现状 |
| 1.3.2 国内外磨矿综合自动化研究现状 |
| 1.4 磨矿综合自动化系统存在的问题 |
| 1.5 本文主要研究内容 |
| 第2章 磨矿工艺及其综合自动化理论分析 |
| 2.1 磨矿过程控制系统分析 |
| 2.1.1 磨矿系统变量分析 |
| 2.1.2 磨矿作业控制手段及控制策略 |
| 2.2 磨机特征分析 |
| 2.2.1 磨矿系统特性分析 |
| 2.2.2 磨矿设备工况分析 |
| 2.3 磨矿综合自动化系统组成与工作原理 |
| 2.3.1 磨矿综合自动化系统基本组成 |
| 2.3.2 磨机综合自动化工作原理 |
| 2.4 本章小结 |
| 第3章 磨矿过程专家控制功能设计 |
| 3.1 专家控制原理 |
| 3.2 磨矿过程专家控制系统的控制目的 |
| 3.3 磨矿过程专家控制系统检测与控制内容 |
| 3.3.1 磨矿作业设备控制 |
| 3.3.2 给矿量的检测与控制 |
| 3.3.3 磨机电流检测 |
| 3.3.4 磨音检测 |
| 3.3.5 给水量与钢球配置的控制 |
| 3.3.6 矿浆浓度的检测与控制 |
| 3.3.7 磨矿负荷监测与控制 |
| 3.4 磨矿专家控制系统的设计 |
| 3.4.1 专家控制系统设计 |
| 3.4.2 专家控制系统规则设定 |
| 3.4.3 磨矿作业专家控制规则实现 |
| 3.5 本章小结 |
| 第4章 磨矿过程故障诊断功能设计 |
| 4.1 磨矿过程故障诊断范围 |
| 4.2 磨矿过程故障分析 |
| 4.2.1 磨矿作业故障分类 |
| 4.2.2 磨矿作业主要故障分析 |
| 4.3 磨矿故障诊断专家系统设计 |
| 4.3.1 磨矿故障诊断专家系统工作原理 |
| 4.3.2 磨矿故障诊断专家系统设计思路 |
| 4.3.3 磨矿故障诊断专家系统总体结构设计 |
| 4.3.4 磨矿故障诊断专家系统功能模块设计 |
| 4.4 磨矿故障诊断系统知识库与推理机 |
| 4.4.1 磨矿故障诊断专家系统知识库的获取 |
| 4.4.2 磨矿故障诊断专家系统知识库的建立 |
| 4.4.3 磨矿故障诊断专家系统推理机 |
| 4.5 本章小结 |
| 第5章 磨矿综合自动化系统的设计与实现 |
| 5.1 软件开发平台的介绍 |
| 5.2 磨矿综合自动化系统结构 |
| 5.3 磨矿综合自动化系统功能设计 |
| 5.4 磨机综合自动化系统及其功能实现 |
| 5.4.1 磨矿综合自动化系统人机交互界面搭建 |
| 5.4.2 工艺设备显示模块实现 |
| 5.4.3 通信状态显示模块实现 |
| 5.4.4 现场数据显示模块实现 |
| 5.4.5 控制手段集成模块实现 |
| 5.4.6 报警信息提示模块实现 |
| 5.4.7 工况图曲线绘制模块实现 |
| 5.4.8 故障诊断模块实现 |
| 5.4.9 参数设定模块实现 |
| 5.5 磨矿综合自动化系统调试与运行 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 在学期间研究成果 |
（4）基于RSM和BP神经网络预测选矿厂药剂添加量研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 浮选过程工艺与原理 |
| 1.1.2 选矿过程数学模型研究现状 |
| 1.2 选矿厂浮选过程中存在的问题 |
| 1.3 神经网络在矿物加工中的应用现状 |
| 1.4 研究目的意义及内容 |
| 1.4.1 研究目的意义 |
| 1.4.2 章节研究内容简介 |
| 第二章 神经网络模型 |
| 2.1 神经网络模型简介 |
| 2.1.1 神经网络原理 |
| 2.1.2 神经网络概述 |
| 2.1.3 神经网络分类 |
| 2.1.4 神经网络模型性质 |
| 2.1.5 神经网络的基本计算函数及介绍 |
| 2.2 BP神经网络模型 |
| 2.2.1 BP神经网络模型算法 |
| 2.2.2 BP神经网络训练过程 |
| 2.3 小结 |
| 第三章 BP神经网络建模及预测结果分析 |
| 3.1 BP神经网络实现方法 |
| 3.1.1 神经网络工具软件Matlab介绍 |
| 3.1.2 训练样本选取 |
| 3.1.3 BP神经网络模型数据计算 |
| 3.1.4 BP神经网络参数设置 |
| 3.1.5 BP神经网络隐含层单元数确定 |
| 3.1.6 BP神经网络测试与学习结果分析 |
| 3.2 GA算法优化BP神经网络预测 |
| 3.3 神经网络预测结果对比分析 |
| 3.4 本章小结 |
| 第四章 RSM可靠性研究与分析 |
| 4.1 曲面响应法RSM建模 |
| 4.1.1 RSM曲面响应法特点介绍 |
| 4.1.2 RSM曲面响应法的基本原理 |
| 4.1.3 RSM响应曲面法一般流程 |
| 4.2 曲面响应法RSM可靠性分析 |
| 4.3 响应曲面法RSM交互作用分析 |
| 4.4 RSM数据预测 |
| 4.5 效应面最优方案 |
| 4.6 本章小结 |
| 第五章 结论 |
| 5.1 本文主要工作及结论 |
| 5.2 创新点和未来工作展望 |
| 5.2.1 创新点 |
| 5.2.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士期间发表的论文 |
| 附录 B 攻读硕士期间所从事科研项目、申请专利 |
| 附录 C 攻读硕士期间的奖励 |
（5）神经网络在矿物加工中预测应用的研究现状及展望（论文提纲范文）
| 0 引 言 |
| 1 神经网络原理 |
| 2 神经网络在选矿自动化中应用的研究现状 |
| 2.1 神经网络对精矿品位和回收率的预测 |
| 2.1.1 精矿品位和回收率在BP神经网络下的预测 |
| 2.1.2 精矿品位和回收率在RBF神经网络下的预测 |
| 2.2 神经网络在磨矿作业中的应用 |
| 2.2.1 基于神经网络的选矿厂磨矿分级自动控制系统 |
| 2.2.2 基于RBF神经网络粒度软测量方法预测粒度 |
| 2.3 神经网络模型在选矿指标预测中结合应用 |
| 2.3.1 神经网络和正交设计结合预测选矿指标 |
| 2.3.2 基于人工神经网络的选矿指标预报专家系统 |
| 2.3.3 基于人工神经网络系统的选矿指导子模块的构建 |
| 2.3.4 权函数神经网络及在选矿厂能耗预测中的应用 |
| 3 总 结 |
（6）湿式球磨机控制系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题与课题来源 |
| 1.2 磨矿分级概念简介 |
| 1.3 研究内容 |
| 1.3.1 本论文的研究内容 |
| 1.3.2 论文结构 |
| 1.4 课题研究背景与意义 |
| 1.5 选矿过程自动化技术的发展与现状 |
| 1.5.1 国外选矿自动化领域研究现状 |
| 1.5.2 国内选矿过程自动化技术的研究发展现状 |
| 1.6 选矿自动化未来的发展方向 |
| 1.7 本章小结 |
| 第二章 球磨机磨矿控制系统方案设计 |
| 2.1 球磨机磨矿设备介绍 |
| 2.1.1 球磨机工作原理简介 |
| 2.1.2 球磨机组成简介 |
| 2.1.3 水力旋流器介绍 |
| 2.2 湿式球磨机磨矿工艺流程 |
| 2.3 球磨机磨矿过程运行特征分析 |
| 2.4 分级过程运行特征分析 |
| 2.5 湿式球磨机磨矿控制方案 |
| 2.5.1 球磨机磨矿工艺流程 |
| 2.5.2 磨矿过程控制方案 |
| 2.6 本章小结 |
| 第三章 球磨机磨矿控制系统控制算法研究 |
| 3.1 球磨机磨矿控制方案 |
| 3.1.1 球磨机磨矿分级过程简析 |
| 3.1.2 球磨机给矿控制方案 |
| 3.2 球磨机磨矿控制系统的PID控制算法 |
| 3.3 球磨机磨矿控制系统的BP-PID控制算法 |
| 3.3.1 神经网络基本概念 |
| 3.3.2 生物神经元模型 |
| 3.3.3 人工神经元模型 |
| 3.3.4 BP神经网络 |
| 3.3.5 球磨机磨矿控制系统的BP-PID控制器设计 |
| 3.4 基于粒子群算法优化的BP-PID控制算法 |
| 3.4.1 粒子群算法 |
| 3.4.2 系统基于PSO优化的BP神经网络策略 |
| 3.5 球磨机磨矿控制系统仿真实验 |
| 3.5.1 球磨机磨矿控制系统仿真模块的建立 |
| 3.5.2 球磨机系统仿真结果分析 |
| 3.6 水力旋流器分级控制方案 |
| 3.6.1 分级过程控制算法的选择 |
| 3.6.2 预测控制简介 |
| 3.6.3 动态矩阵控制算法 |
| 3.6.4 设计动态矩阵控制系统 |
| 3.6.5 参数选取原则 |
| 3.6.6 系统仿真与分析 |
| 3.7 本章小结 |
| 第四章 球磨机磨矿控制系统的硬件设计 |
| 4.1 球磨机磨矿控制系统总体方案 |
| 4.2 球磨机磨矿控制系统控制对象与检测设备的介绍 |
| 4.3 可编程控制器硬件设计 |
| 4.4 上位机硬件配置 |
| 4.5 本章小结 |
| 第五章 球磨机磨矿过程控制系统的软件设计 |
| 5.1 PLC控制系统控制程序设计 |
| 5.2 球磨机磨矿控制系统的硬件组态 |
| 5.2.1 上位机与PLC之间的通信检测 |
| 5.2.2 球磨机磨矿控制系统的硬件组态 |
| 5.3 球磨机磨矿控制系统的PLC程序设计 |
| 5.3.1 STEP7 软件的模块功能 |
| 5.3.2 PLC程序模块与模块功能 |
| 5.3.3 神经网络PID算法控制器的实现 |
| 5.3.4 水力旋流器入口浓度DMC控制 |
| 5.3.5 PLC、变频器与上位机之间的通信 |
| 5.3.6 S7-300PLC程序仿真 |
| 5.4 系统监控界面的组态设计 |
| 5.4.1 Win CC flexible组态软件的介绍 |
| 5.4.2 WinCC flexible与 Step7 的集成 |
| 5.4.3 磨矿控制系统的监控界面组态 |
| 5.5 球磨机监控系统可靠性设计 |
| 5.6 本章小结 |
| 第六章 球磨机磨矿分级控制系统的调试 |
| 6.1 湿式球磨机磨矿分级控制系统的模拟调试 |
| 6.2 湿式球磨机磨矿分级控制系统的现场调试 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读硕士期间发表的成果 |
| 附录B |
（7）基于专家系统的磨矿分级自动控制方法研究及系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 .磨矿分级自动控制的发展及现状 |
| 1.1.1 国外磨矿分级自动控制的发展及现状 |
| 1.1.2 国内磨矿分级自动控制的发展及现状 |
| 1.2 课题背景 |
| 1.3 论文阐述内容 |
| 2、选矿原理与系统设计 |
| 2.1 选矿工艺分析 |
| 2.2 磨矿分级设备 |
| 2.2.1 磨矿机 |
| 2.2.2 水力旋流器 |
| 2.3 磨矿工艺原理 |
| 2.3.1 磨矿的基本过程及影响其的主要因素 |
| 2.3.2 分级过程的原理及影响其的主要因素 |
| 2.3.3 磨矿分级流程 |
| 2.4 本章小结 |
| 3、自动控制系统设计 |
| 3.1 控制系统的目标及控制方法选取 |
| 3.2 控制系统的解决方案 |
| 3.3 现场仪表选型 |
| 3.4 磨矿分级过程的基础控制策略 |
| 3.5 基础控制回路的稳定性检测 |
| 3.6 本章小结 |
| 4、专家控制系统 |
| 4.1 专家系统的基本原理 |
| 4.2 磨矿分级专家系统的设计 |
| 4.2.1 磨矿回路控制基本原理 |
| 4.2.2 磨矿分级过程专家系统功能模块 |
| 4.2.3 专家系统控制流程设计 |
| 4.2.4 输入变量与输出变量 |
| 4.2.5 基于专家经验的控制规则 |
| 4.3 专家优化控制系统的平台 |
| 4.3.1 专家系统控制软件 |
| 4.3.2 先进的图像及通讯环境 |
| 4.4 本章小结 |
| 5、控制系统构建以及专家系统测试与分析 |
| 5.1 磨矿分级控制系统的主控系统 |
| 5.1.1 中央主控系统及硬件设备设计 |
| 5.1.2 上位监控系统及硬件设备设计 |
| 5.1.3 系统扩展接口设计 |
| 5.1.4 .专家系统在主控系统中的硬件设计 |
| 5.2 磨矿分级自动控制系统的测试与分析 |
| 5.3 磨矿分级专家系统的测试与分析 |
| 5.3.1 专家系统实验室测试与分析 |
| 5.3.2 专家系统现场测试与分析 |
| 5.4 本章小结 |
| 6、结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（8）磨选过程中集散控制系统的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 课题背景 |
| 1.2 课题意义 |
| 1.3 研究内容 |
| 1.4 选矿系统现状及问题 |
| 1.4.1 国外选矿过程控制技术的发展 |
| 1.4.2 国内选矿过程控制技术的发展 |
| 1.4.3 系统功能概述 |
| 1.4.4 过程控制技术的新发展 |
| 1.5 系统设计目标 |
| 1.6 论文结构安排 |
| 2 选矿工艺流程概况 |
| 2.1 破碎系统 |
| 2.2 磨选系统 |
| 2.3 尾矿系统 |
| 2.4 选矿集散控制系统研究 |
| 2.5 组态与编程工具 |
| 2.6 控制系统总体设计 |
| 2.6.1 系统硬件配置 |
| 2.6.2 变量建立 |
| 2.6.3 组态画面编辑 |
| 2.7 本章小结 |
| 3 破碎控制系统设计 |
| 3.1 破碎机控制系统设计 |
| 3.1.1 破碎机组成及工作原理 |
| 3.1.2 破碎机给矿控制分析 |
| 3.1.3 给矿控制实现 |
| 3.1.4 数据采集过程 |
| 3.2 卸料小车自动控制设计 |
| 3.2.1 布料系统概述 |
| 3.2.2 控制系统分析 |
| 3.2.3 矿仓料位检测 |
| 3.2.4 小车定位检测控制 |
| 3.2.5 布料小车控制实现 |
| 3.3 本章小结 |
| 4 磨机控制系统设计 |
| 4.1 磨机系统组成及工作原理 |
| 4.1.1 球磨机组成结构 |
| 4.1.2 磨机磨矿过程连锁控制 |
| 4.2 影响磨机磨矿效率因素 |
| 4.2.1 磨矿浓度对磨机效率的影响 |
| 4.2.2 磨机电流反馈对磨机运行效率的影响 |
| 4.2.3 其他因素的影响 |
| 4.3 磨矿分级系统控制方案 |
| 4.3.1 一段磨矿分级控制系统 |
| 4.3.2 二段磨矿分级控制系统 |
| 4.3.3 三段磨矿分级控制系统 |
| 4.4 磨矿设备参数与计算 |
| 4.5 磨矿系统模糊控制设计 |
| 4.5.1 模糊控制设计背景 |
| 4.5.2 模糊控制原理 |
| 4.5.3 模糊控制PID结构 |
| 4.6 模糊控制在磨矿系统中的应用 |
| 4.6.1 磨机磨音、功率模糊控制 |
| 4.6.2 磨机给矿量模糊控制设计 |
| 4.6.3 磨机磨矿浓度控制 |
| 4.7 磨机控制系统的实现 |
| 4.7.1 磨机控制系统的设计 |
| 4.7.2 磨机控制系统的实现 |
| 4.8 运行效果、存在问题及展望 |
| 4.9 本章小结 |
| 结论 |
| 参考文献 |
| 附件[调用功能块代码] |
| 在学研究成果 |
| 致谢 |
（9）大型选矿生产过程集成监控系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.1.1 课题背景 |
| 1.1.2 课题研究意义 |
| 1.2 集成监控系统的简介 |
| 1.2.1 集成监控系统的组成 |
| 1.2.2 国内外集成监控系统的发展 |
| 1.2.3 课题研究意义 |
| 1.3 论文的研究内容和章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文章节安排 |
| 1.4 本章小结 |
| 第2章 视频监控系统的设计与实现 |
| 2.1 泗洲选矿厂视频监控的现状 |
| 2.2 视频监控系统的选择和布局 |
| 2.2.1 视频监控设备的选型 |
| 2.2.2 网络视频摄像机的布局 |
| 2.3 监控信号的采集与储存 |
| 2.4 流媒体服务器的应用 |
| 2.5 泗洲选矿厂智能监控平台 |
| 2.6 本章小结 |
| 第3章 碎矿过程自动化控制系统 |
| 3.1 泗洲选矿厂碎矿工段设备的旧有操作模式 |
| 3.2 碎矿系统的集成监控设计的目标 |
| 3.3 碎矿系统的集成监控系统的选择与应用 |
| 3.3.1 ControlLogix硬件控制系统的组成 |
| 3.3.2 ControlLogix PLC工作原理 |
| 3.4 碎矿设备的联锁控制 |
| 3.5 碎矿集成自动化监控的效果 |
| 3.6 本章小结 |
| 第4章 选矿过程自动化控制系统 |
| 4.1 泗洲选矿厂选矿工段设备的旧有操作模式 |
| 4.2 选矿系统的集成监控设计的目标 |
| 4.3 选矿系统的集成监控系统的选择与应用 |
| 4.4 磨矿系统改造完成后的效果 |
| 4.5 浮选系统的集成自动化监控改造 |
| 4.5.1 CompactLogix浮选机控制系统 |
| 4.5.2 METSO C20浮选DCS控制系统 |
| 4.6 浮选系统的集成监控效果 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（10）解耦内模控制在磨矿过程中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 本课题的国内外研究现状 |
| 1.2.1 磨矿分级过程的研究现状 |
| 1.2.2 内模控制方法的研究现状 |
| 1.2.3 多变量时滞系统内模解耦的研究现状 |
| 1.3 论文的研究内容和结构安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的结构安排 |
| 第二章 磨矿过程描述与分析 |
| 2.1 磨矿过程工艺描述 |
| 2.2 磨矿分级过程运行指标和影响因素分析 |
| 2.2.1 磨矿分级过程运行指标 |
| 2.2.2 影响磨矿分级过程运行的因素分析 |
| 2.3 磨矿分级过程运行控制问题及动态特性分析 |
| 2.4 磨矿分级过程总体内模解耦控制策略 |
| 2.5 本章小结 |
| 第三章 改进的内模解耦控制在磨矿分级过程中的应用 |
| 3.1 磨矿分级过程模型辨识 |
| 3.1.1 最小二乘法的磨矿分级系统参数辨识 |
| 3.1.2 带遗忘因子递推最小二乘法的磨矿分级系统参数辨识 |
| 3.1.3 磨矿分级过程模型 |
| 3.2 磨矿分级过程耦合度分析 |
| 3.3 改进的内模解耦控制在磨矿分级过程中的应用 |
| 3.3.1 改进的V规范型三自由度内模解耦控制方法 |
| 3.3.2 人群搜索算法 |
| 3.3.3 改进的人群搜索算法实现 |
| 3.3.4 摄动系统的系统响应 |
| 3.3.5 鲁棒稳定性检验与不确定性下的摄动系统响应 |
| 3.4 本章小结 |
| 第四章 改进的逆解耦自抗扰内模控制在磨矿分级中的应用 |
| 4.1 线性自抗扰控制器设计 |
| 4.2 逆解耦自抗扰内模控制方法 |
| 4.3 改进的逆解耦自抗扰内模控制方法 |
| 4.3.1 改进的逆解耦自抗扰内模控制方法实现与分析 |
| 4.3.2 内模补偿器设计 |
| 4.3.3 磨矿分级闭环系统内部稳定性分析 |
| 4.3.4 磨矿分级系统鲁棒性能分析 |
| 4.3.5 摄动系统的系统响应 |
| 4.3.6 稳定性能检验与不确定性下的摄动系统响应 |
| 4.4 本章小结 |
| 第五章 磨矿过程半实物仿真平台的设计 |
| 5.1 磨矿过程半实物仿真实验平台软硬件结构设计 |
| 5.2 磨矿过程半实物仿真实验设计 |
| 5.2.1 磨矿虚拟对象系统设计 |
| 5.2.2 磨矿执行机构与检测装置虚拟系统设计 |
| 5.2.3 过程监控系统设计 |
| 5.2.4 磨矿运行控制系统设计 |
| 5.3 半实物仿真实验验证结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读学位期间所获得的相关科研成果 |
| 致谢 |
四、磨矿分级自动控制系统在选矿厂的运用（论文参考文献）
- [1]选矿球磨机及其自动加球机监控系统设计[D]. 赵子瑞. 昆明理工大学, 2021(01)
- [2]智能化磨矿分级的发展趋势[J]. 杜钰,刘丹,孙若凡,张本曰,郭锐,余龙舟. 有色金属(选矿部分), 2021(01)
- [3]磨矿综合自动化的研究与设计[D]. 张玉婷. 华北理工大学, 2020(02)
- [4]基于RSM和BP神经网络预测选矿厂药剂添加量研究[D]. 郭锐. 昆明理工大学, 2020(04)
- [5]神经网络在矿物加工中预测应用的研究现状及展望[J]. 郭锐,刘丹,杜钰,余龙舟. 硅酸盐通报, 2020(04)
- [6]湿式球磨机控制系统的研究[D]. 王鹏. 昆明理工大学, 2019(06)
- [7]基于专家系统的磨矿分级自动控制方法研究及系统设计[D]. 刘洋. 西安理工大学, 2019(08)
- [8]磨选过程中集散控制系统的研究与应用[D]. 谢伟. 内蒙古科技大学, 2019(03)
- [9]大型选矿生产过程集成监控系统设计与实现[D]. 程晔. 南昌大学, 2019(02)
- [10]解耦内模控制在磨矿过程中的应用[D]. 贾巧娟. 河北工业大学, 2019(06)