一种管道矿浆密度智能检测方法

1.本发明涉及矿浆密度测量技术领域，尤其涉及一种管道矿浆密度智能检测方法。


背景技术：

2.浮选是最常用的选矿方法之一，是根据矿物表面物理化学性质的差异，从矿浆中借助于气泡的浮力分选矿物的过程。在浮选过程中，影响浮选效果的主要工艺因素有入料粒度、矿浆密度、浮选时间、药剂制度、气速、浮选流程和浮选设备类型等。其中，矿浆密度在整个选矿工艺中有着极为重要的作用，它直接影响到选矿工艺的各项技术经济指标，如矿物回收率、精矿质量、药剂用量、浮选机生产能力、浮选时间和耗能等。此外，矿浆密度在磁选作业和重选作业中也有着具体要求范围，尤其对磨矿和过滤脱水作业具有决定性的意义。因此，在工业生产中通常需要定时检测矿浆密度，只有准确测定矿浆密度，才能更好的调节和控制矿浆密度，保证选矿生产过程的稳定，从而提高精矿质量和经济效益。长期以来，矿浆密度的可靠实时检测都是一个很棘手的问题。目前主要的检测方法有密度壶检测、烘干法检测、核子式密度计、超声波密度计以及差压式密度计等。
3.密度壶和烘干法检测均是人工操作进行，人工采样的频率一般为一小时一次，其采样数据对于生产的实时工艺控制而言时间间隔过长。该检测方法虽然应用广泛，但人工劳动强度大且数据检测存在严重的滞后性，限制了矿浆密度对工业生产过程的实时指导意义，造成产品质量不稳定、消耗高等问题。
4.核子式密度计和超声波密度计均可实现非接触式检测，但核子式密度计存在核辐射废料处理等问题，从安全、管理等因素考虑，核子式密度计很难在选矿行业中广泛推广使用；超声波密度计由于要求传感器具有全密封性、耐磨性和高腐蚀性，其在工业中故障率高，该检测手段长期工作的稳定性和可靠性不能完全满足选矿需求。
5.近年来，差压式密度计得到了越来越广泛的应用，其主要依据管道内矿浆静压力与矿浆密度和取压点高度差之间的关系设计的密度计。但由于其设计时未考虑流动矿浆的动态过程，且矿浆密度误差无法进行校正补偿，使差压式密度计的精确度有待进一步提高，以达到选矿生产过程的要求。因此，开发一种精准稳定，可在线实时检测矿浆密度的方法极其必要。


技术实现要素：

6.鉴于上述的分析，本发明实施例旨在提供一种管道矿浆密度智能检测方法，用以解决现有管道矿浆密度检测方法精确度较低的问题。
7.本发明公开了一种管道矿浆密度智能检测方法，包括：
8.实时采集数据，包括：渣浆泵出口连接的管道内压力值、渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流；
9.将实时采集的矿浆流量值输入至训练好的渣浆泵出口压力预测模型，处理后得到渣浆泵出口压力预测值；
10.基于该渣浆泵出口压力预测值和管道内压力值，得到管道矿浆密度预测值；
11.将实时采集的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流输入至训练好的管道矿浆密度补偿模型，处理后得到管道矿浆密度误差预测值；
12.用所述管道矿浆密度误差预测值对所述管道矿浆密度预测值进行补偿，得到最终的管道矿浆密度检测结果。
13.在上述方案的基础上，本发明还做出了如下改进：
14.进一步，通过以下方式训练所述渣浆泵出口压力预测模型：
15.获取第一样本集，所述第一样本集中的每一组第一样本数据包括：渣浆泵出口处的矿浆流量值、渣浆泵出口连接的管道内压力值和管道矿浆密度实测值；
16.基于每一组第一样本数据中的管道矿浆密度实测值和管道内压力值，获取得到渣浆泵出口处的压力标准值；
17.将每一组第一样本数据中的渣浆泵出口处的矿浆流量值作为输入、渣浆泵出口处的压力标准值作为标签，对所述渣浆泵出口压力预测模型进行训练，确定所述渣浆泵出口压力预测模型的结构和参数，得到训练好的渣浆泵出口压力预测模型。
18.进一步，在所述渣浆泵出口压力预测模型中，基于ls最小二乘法确定所述渣浆泵出口压力预测模型的结构和参数。
19.进一步，通过以下方式确定所述渣浆泵出口压力预测模型的结构和参数：
20.渣浆泵出口处的压力预测值p
ef
和渣浆泵出口处的矿浆流量值q满足：
21.p
ef
＝aq2+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
22.渣浆泵出口处的压力标准值和压力预测值满足：
[0023][0024]
其中，n表示第一样本集中第一样本数据的组数；p
er
(i)表示第i组第一样本数据中的渣浆泵出口处的压力标准值，p
ef
(i)表示第i组第一样本数据中的渣浆泵出口处的压力预测值；
[0025]
基于ls最小二乘法，以j(a,b)取最小值为目标，对参数a和b进行估计，得到参数a的估计值a
*
、参数b的估计值b
*
；
[0026]
训练好的渣浆泵出口压力预测模型为：
[0027]
p
ef
＝a
*
q2+b
*
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)。
[0028]
进一步，根据以下方式获取得到渣浆泵出口处的压力标准值：
[0029]
p
er
(i)＝ρ
er
(i)gδh+p
c(i)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0030]
其中，ρ
er
(i)表示第i组第一样本数据中的管道矿浆密度实测值，pc(i)表示第i组第一样本数据中的渣浆泵出口连接的管道内压力值，δh表示渣浆泵出口处与管道内压力值的测量位置之间的高度差值。
[0031]
进一步，通过以下方式训练所述管道矿浆密度补偿模型：
[0032]
获取第二样本集，所述第二样本集中的每一组第二样本数据包括：管道矿浆密度实测值、渣浆泵出口连接的管道内压力值、渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流；
[0033]
将每一组第二样本数据中的渣浆泵出口处的矿浆流量值输入至训练好的渣浆泵
出口压力预测模型，处理后得到对应的渣浆泵出口压力预测值；
[0034]
基于每一组第二样本数据对应的渣浆泵出口压力预测值和管道内压力值，得到对应的管道矿浆密度预测值；
[0035]
将每一组第二样本数据中的渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流作为输入、管道矿浆密度预测值与管道矿浆密度实测值的差值作为标签，对所述管道矿浆密度补偿模型进行训练，得到训练好的管道矿浆密度补偿模型。
[0036]
进一步，根据以下公式计算得到管道矿浆密度预测值ρf，包括：
[0037][0038]
其中，p
ef
表示渣浆泵出口处的压力预测值，pc表示管道内压力值，δh表示渣浆泵出口处与管道内压力值的测量位置之间的高度差值。
[0039]
进一步，管道矿浆密度补偿模型基于径向基函数神经网络实现。
[0040]
进一步，所述方法还包括：
[0041]
实时采集数据过程中，还定期采集管道矿浆密度实测值；
[0042]
若定期采集的管道矿浆密度实测值，与基于该时刻的实际采集数据得到的最终的管道矿浆密度检测结果之间的误差低于设定误差，则将该时刻的实际采集数据及管道矿浆密度实测值作为一组修正数据，多组修正数据形成修正数据集，并基于所述修正数据集对所述管道矿浆密度补偿模型进行在线修正。
[0043]
进一步，所述矿浆的液面高度基于设置于矿浆箱中的液位计检测得到。
[0044]
与现有技术相比，本发明至少可实现如下有益效果之一：
[0045]
本发明提供的管道矿浆密度智能检测方法，具备如下优势：
[0046]
第一，通过将矿浆流量值输入至训练好的渣浆泵出口压力预测模型，处理后得到渣浆泵出口压力预测值，相当于获得一个取压点的压力值，相当于设置了一个压力计，从而降低了设备安装及采购成本；
[0047]
第二，获取到管道矿浆密度预测值后，还将实时采集的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流输入至训练好的管道矿浆密度补偿模型，处理后得到管道矿浆密度误差预测值；用所述管道矿浆密度误差预测值对所述管道矿浆密度预测值进行补偿，得到最终的管道矿浆密度检测结果。该方法能够实现矿浆密度的实时精准测量，为工业现场后续指导矿浆密度的调整和控制提供了指导，从而提高了生产效益和经济效益。
[0048]
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
[0049]
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0050]
图1为本发明实施例提供的管道矿浆密度智能检测方法流程示意图；
[0051]
图2为本发明实施例提供的矿浆管道流动示意图；
[0052]
图3为本发明实施例提供的渣浆泵出口压力预测模型训练过程示意图；
[0053]
图4为本发明实施例提供的管道矿浆密度补偿模型训练过程示意图；
[0054]
附图标记：1-矿浆箱；2-管道；3-渣浆泵；4-液位计；5-频率计；6-电流表；7-流量计；8-压力表。
具体实施方式
[0055]
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
[0056]
本发明的一个具体实施例，公开了一种管道矿浆密度智能检测方法，流程示例如图1所示，包括：
[0057]
步骤s1：实时采集数据，包括：渣浆泵出口连接的管道内压力值、渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流；
[0058]
如图2所示，渣浆泵出口连接的管道2内压力值由设置在渣浆泵3出口连接的管道内的压力表8采集得到；渣浆泵出口处的矿浆流量值由设置在渣浆泵出口处的流量表7采集得到；矿浆的液面高度基于设置于矿浆箱1中的液位计4检测得到；渣浆泵电机的频率由渣浆泵电机的频率计5采集得到；渣浆泵电机的电流由渣浆泵电机的电流表6采集得到。
[0059]
步骤s2：将实时采集的矿浆流量值输入至训练好的渣浆泵出口压力预测模型，处理后得到渣浆泵出口压力预测值；
[0060]
步骤s3：基于所述渣浆泵出口压力预测值和所述管道内压力值，得到管道矿浆密度预测值；
[0061]
步骤s4：将实时采集的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流输入至训练好的管道矿浆密度补偿模型，处理后得到管道矿浆密度误差预测值；
[0062]
步骤s5：用所述管道矿浆密度误差预测值对所述管道矿浆密度预测值进行补偿，得到最终的管道矿浆密度检测结果。
[0063]
管道矿浆密度与管道内不同位置的压力存在直接关系；具体体现在：
[0064][0065]
其中，p1、p2分别表示渣浆泵出口连接的管道内不同取压点的压力值；δh
1,2
表示两个取压点之间的高度差值。
[0066]
按照现有方式，需要在渣浆泵出口连接的管道内设置两个取压点，由于管道材料特殊，价格昂贵，所以打孔或者再买一个专用压力仪表价格是比较贵的，因此，如果降低成本，是本实施例要考虑的问题。为了获取矿浆流动参数，部分仪表必不可少，比如，渣浆泵出口处的流量表，因此，本实施例通过基于流量表测量得到的流量值，得到相应的压力值，以实现一个压力表的功能，从而降低设置两个压力表的成本。
[0067]
首先，对本实施例中用到的相关参数之间的关系进行理论推导说明：
[0068]
基于工程实际流体运动规律，且由于矿浆通过渣浆泵输送，存在能量的输入，因此应用有能量输入的伯努利方程：
[0069]
[0070]
式中，z1为断面1-1与基准面0-0之间的高度差，p1为断面1-1处的相对压强，ρ和g分别为矿浆密度和重力加速度，a1为断面1-1处的动能修正系数(流速分布均匀时a1＝1)，v1为断面1-1处矿浆流速，hm为泵的扬程；z2为断面2-2(渣浆泵出口处)与基准面0-0之间的高度差，p2为断面2-2处的相对压强，a2为断面2-2处的动能修正系数(流速分布均匀时a2＝1)，v2为断面2-2处矿浆流速，h
l
为水头损失。当输送矿浆的性质稳定，渣浆泵稳定运行，管道特性稳定等条件下，ρ、hm及h
l
可认为是常数。
[0071]
如图2所示，选择地面为基准面0-0，矿浆箱液面为1-1断面，运动参数z1＝h，p1＝0，v1＝0。渣浆泵出口处流量计所在水平面为2-2断面，运动参数z2为一定值且当矿浆箱液面高度z1一定时，根据公式(2)和上述已知量可得到流量计所在水平面2-2断面处压力值p2与断面2-2处矿浆流速v2之间的关系。
[0072]
矿浆流量计算公式为：q＝v2a，a为管道内横截面积，且管道横截面积为一定值，因此，断面2-2处矿浆流量值q与压力值p2之间存在一对应转换关系。
[0073]
如图2所示，选择地面为基准面0-0，矿浆箱液面为1-1断面，运动参数z1＝h，p1＝0，v1＝0。渣浆泵出口处流量计所在水平面为2-2断面，运动参数z2为一定值且当管道矿浆流量q＝v2a一定时，v2也为一定值，p2由矿浆流量值q转换得到。
[0074]
根据公式(2)和上述已知量可得到液面高度z1(h)与矿浆密度ρ之间的关系，显然，矿浆箱液面高度h与矿浆密度ρ存在一一对应关系。
[0075]
泵在电机驱动下，在管道中输送矿浆时：
[0076]
渣浆泵电机功率：
[0077]
p＝ui＝pe+pcꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0078]
式中，u、i分别为渣浆泵电机电压和电流，pe为渣浆泵电机传递至渣浆泵的功率，pc为其它因素损失的功率。
[0079]
渣浆泵功率：
[0080]
n＝ne+ncꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0081]
式中，ne为渣浆泵的有效功率，nc为其它因素损失的功率。这里渣浆泵电机功率与渣浆泵功率是等同的pe＝n。
[0082]
采样泵电机的同步转速如下：
[0083][0084]
式中，f为电源频率，p为电机极对数。
[0085]
渣浆泵的有效功率：
[0086]
ne＝ρgqheꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0087]
式中，he表示泵有效扬程。
[0088]
在工业应用中，当输送矿浆的性质稳定，泵稳定运行时，一般认为泵的流量q和转速ns具有线性相关关系：
[0089]
q＝μnsꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0090]
其中，μ可认为是常数。综上可得：
[0091]
[0092]
当输送矿浆的性质稳定，渣浆泵稳定运行，管道特性稳定等条件下，μ、he、nc及pc均认为是常数。
[0093]
当渣浆泵电机电源频率固定，且在电机运作时电压稳定，则由公式(8)可以得到渣浆泵电机电流i与矿浆密度ρ之间的关系，显然，渣浆泵电机电流i与矿浆密度ρ存在一一对应关系。
[0094]
当渣浆泵稳定运行，其电机功率维持稳定状态时，由公式(8)可以得到电源频率f与矿浆密度ρ之间的关系，显然，电源频率f与矿浆密度ρ存在一一对应关系。
[0095]
当渣浆泵稳定运行，其电机功率维持稳定状态时，由公式(8)可以得到矿浆流量q与矿浆密度ρ之间的关系，显然，矿浆流量q与矿浆密度ρ存在一一对应关系。
[0096]
相较于传统的压差式密度计，本发明通过理论分析，引入了液面高度h，渣浆泵电机电流i，电源频率f和矿浆流量q四个过程变量作为管道矿浆密度补偿模型的输入变量，进而对管道矿浆密度预测值进行补偿，该方法能够更好地反映矿浆流动的动态过程，使矿浆密度检测模型有更好的适应性和准确性。
[0097]
具体地，通过以下方式训练渣浆泵出口压力预测模型，训练过程如图3所示：
[0098]
步骤a1：获取第一样本集，所述第一样本集中的每一组第一样本数据包括：渣浆泵出口处的矿浆流量值、渣浆泵出口连接的管道内压力值和管道矿浆密度实测值；
[0099]
步骤a2：基于每一组第一样本数据中的管道矿浆密度实测值和管道内压力值，获取得到渣浆泵出口处的压力标准值；
[0100]
具体地，根据以下方式获取得到渣浆泵出口处的压力标准值：
[0101]
p
er
(i)＝ρ
er
(i)gδh+p
c(i)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0102]
其中，ρ
er
(i)表示第i组第一样本数据中的管道矿浆密度实测值，pc(i)表示第i组第一样本数据中的渣浆泵出口连接的管道内压力值，δh表示渣浆泵出口处与管道内压力值的测量位置之间的高度差值。
[0103]
步骤a3：将每一组第一样本数据中的渣浆泵出口处的矿浆流量值作为输入、渣浆泵出口处的压力标准值作为标签，对所述渣浆泵出口压力预测模型进行训练，确定所述渣浆泵出口压力预测模型的结构和参数，得到训练好的渣浆泵出口压力预测模型。
[0104]
具体地，基于ls最小二乘法确定所述渣浆泵出口压力预测模型的结构和参数。优选地，通过以下方式确定所述渣浆泵出口压力预测模型的结构和参数：
[0105]
渣浆泵出口处的压力预测值p
ef
和渣浆泵出口处的矿浆流量值q满足：
[0106]
p
ef
＝aq2+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0107]
渣浆泵出口处的压力标准值和压力预测值满足：
[0108][0109]
其中，n表示第一样本集中第一样本数据的组数；p
er
(i)表示第i组第一样本数据中的渣浆泵出口处的压力标准值，p
ef
(i)表示第i组第一样本数据中的渣浆泵出口处的压力预测值；
[0110]
基于ls最小二乘法，以j(a,b)取最小值为目标，对参数a和b进行估计，得到参数a的估计值a
*
、参数b的估计值b
*
；
[0111]
训练好的渣浆泵出口压力预测模型为：
[0112]
p
ef
＝a
*
q2+b
*
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)。
[0113]
在本实施例中，通过以下方式训练所述管道矿浆密度补偿模型，训练过程如图4所示：
[0114]
步骤b1：获取第二样本集，所述第二样本集中的每一组第二样本数据包括：管道矿浆密度实测值、渣浆泵出口连接的管道内压力值、渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流；
[0115]
步骤b2：将每一组第二样本数据中的渣浆泵出口处的矿浆流量值输入至训练好的渣浆泵出口压力预测模型，处理后得到对应的渣浆泵出口压力预测值；
[0116]
步骤b3：基于每一组第二样本数据对应的渣浆泵出口压力预测值和管道内压力值，得到对应的管道矿浆密度预测值；
[0117]
具体地，根据以下公式计算得到管道矿浆密度预测值ρf，包括：
[0118][0119]
其中，p
ef
表示渣浆泵出口处的压力预测值，pc表示管道内压力值，δh表示渣浆泵出口处与管道内压力值的测量位置之间的高度差值。
[0120]
步骤b4：将每一组第二样本数据中的渣浆泵出口处的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流作为输入、管道矿浆密度预测值与管道矿浆密度实测值的差值作为标签，对所述管道矿浆密度补偿模型进行训练，得到训练好的管道矿浆密度补偿模型。
[0121]
优选地，管道矿浆密度补偿模型基于径向基函数神经网络实现。
[0122]
此外，所述方法还包括：
[0123]
实时采集数据过程中，还定期采集管道矿浆密度实测值；
[0124]
若定期采集的管道矿浆密度实测值，与基于该时刻的实际采集数据得到的最终的管道矿浆密度检测结果之间的误差低于设定误差，则将该时刻的实际采集数据及管道矿浆密度实测值作为一组修正数据，多组修正数据形成修正数据集，并基于所述修正数据集对所述管道矿浆密度补偿模型进行在线修正，在线修正过程参考该模型的训练过程。
[0125]
综上所述，与现有技术相比，本发明实施例提供的管道矿浆密度智能检测方法，具备如下优势：第一，通过将矿浆流量值输入至训练好的渣浆泵出口压力预测模型，处理后得到渣浆泵出口压力预测值，相当于获得一个取压点的压力值，相当于设置了一个压力计，从而降低了设备安装及采购成本；第二，获取到后管道矿浆密度预测值后，还将实时采集的矿浆流量值、矿浆的液面高度、渣浆泵电机的频率和电流输入至训练好的管道矿浆密度补偿模型，处理后得到管道矿浆密度误差预测值；用所述管道矿浆密度误差预测值对所述管道矿浆密度预测值进行补偿，得到最终的管道矿浆密度检测结果。该方法能够实现矿浆密度的实时精准测量，为工业现场后续指导矿浆密度的调整和控制提供了指导，从而提高了生产效益和经济效益。
[0126]
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
[0127]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。