基于全局时滞间隔辨识的磨矿粒度软测量

磨矿粒度作为磨矿过程中最关键、最直接反应磨矿好坏的生产指标,不仅影响到后续选别工艺的稳定性,还直接关系到分选过程中生产的精矿品位和金属回收率,实现对磨矿粒度的精准预测,不仅能提高磨矿效率、降低能耗,同时也是实现磨矿智能优化控制的有效途径之一。然而在实际生产过程中,由于磨矿过程中大时滞和非线性等问题的干扰,使得磨矿粒度的预测难度变大,且预测精确度不高。将时滞辨识方法引入到磨矿粒度的软测量中,是一个有效的解决思路,但传统时滞辨识算法不仅需要大量的经验知识辅助进行时滞范围的选取,并且所得时滞序列还不具有有序性,难以应用到实际生产过程中。因此,提出了一种基于全局时滞间隔辨识的磨矿粒度软测量方法。通过数据时序性分析确定全局时滞范围,并分别以互相关函数和互信息函数作为关联度函数,使用时滞间隔代替时滞进行基于细分矩形法(DIRECT)的初步寻优,通过累加最优时滞间隔序列得到最终的时滞序列,以此保证时滞序列的有序性。最后将时滞信息引入梯度提升树(GBDT)中进行预测建模。通过仿真数据和真实磨矿过程数据上的结果表明,该方法在减少了对于经验知识需求的同时,能有效解决时滞序列的无序性问题,且软测量的预测精度较高,具有一定的现实意义。