精矿流量异常状态下的数据处理方法研究

高 嵩 ，段银联 ，莫雪磊

（1.北京矿冶科技集团有限公司，北京市 100160；2.矿冶过程自动控制技术国家重点实验室，北京市 100160；3.矿冶过程自动控制技术北京市重点实验室，北京市 100160；4.山东黄金矿业（莱州）有限公司 三山岛金矿，山东莱州 261442）

1 问题描述

精矿流量是浮选流程中重要的变量，但由于矿石性质、浮选粒度、浮选状态及精矿泵特性等多方面因素的影响，精矿流量有时会出现异常变化，不但难以进行准确计量，而且无论是手动控制还是自动控制均无法做出判断，异常情况如图1所示。

文献[1]在分析锌精矿矿浆特性参数和粒度分布的基础上，介绍了临界流速的确定及计算方法，输送设备选型以及输送系统的优化设计，从硬件角度解决稳定输送高浓度锌精矿的问题[1]，但鉴于实际遇到的异常现象并非一直出现，不同性质的矿浆蠕动泵运行效果并不一致以及设备更换周期等多方面因素，因此本文选择从检测和软件方面着手。

图1 异常精矿流量

2 实例分析

随着处理量和设备状态等因素的变化，精矿流量开始异常，且持续的时间长度不固定，难以从根本上消除该异常情况，经过分析确定的整体处理流程如图2所示。

图2 滤波流程

程序以1 s为周期循环执行，精矿流量是否正常通过精矿流量变化趋势判断，变化趋势超过上限即为异常。若正常则按照固定周期进行滑动平均即可；若异常，处理方法如下。

2.1 体积守恒补偿

经过较长时间观察，发现泵池体积约2 m3，当精矿流量异常变化时，泵池液位也会随之发生肉眼可见的变化，而同时进入泵池的流量则没有同样显著的变化。常温常压下，精矿可被认为是不可压缩流体，因此，建立体积守恒模型进行补偿。加装液位计测量的液位及精矿流量如图3所示。

图3 泵池液位及精矿流量

由图3可以看出，液位及精矿流量呈现明显的负相关关系，因此有：

式中：Fr为精矿泵池入口流量；Fc为精矿泵出口流量计测量数值；k为单位换算系数；ΔV/Δt为精矿泵池单位时间内体积变化量，ΔV=（Lt-Lt-1）×S，为当前液位滑动平均值，S为泵池横截面积。

补偿后的流量如图4所示。可以看出，精矿流量波动幅度显著减小，但有较多跳变，尤其是在精矿流量快速变化时。

图4 体积守恒补偿效果

2.2 简化卡尔曼

在测量装置性能、测量原理及泵池缓冲等因素影响下，体积守恒补偿法在精矿流量拐点处会出现明显不合理的跳变。

因此，使用文献[2]中的简化卡尔曼滤波法，即根据统计结果以及流量正常变化幅度的估计，选取适当标尺滤除幅度过大的跳变，迭代公式如下所示：

式中：表示利用t-1时刻测量值Fc对t时刻状态Ft的估计，t为当前时刻从1开始自增，sign为取符号运算，阈值0.5 m3/h是根据流量变化统计结果选出，对补偿结果的滤波效果如图5所示。

图5 简化卡尔曼

2.3 测量周期

经过体积补偿和简化卡尔曼两次滤波之后，精矿流量波动幅度有所减小，但仍然有较明显周期性波动。由于，精矿流量波动周期会有随机性的变化，因此使用固定的滤波长度滤波，效果也不稳定，如图6所示；对其进行全频域分析又过于复杂。

图6 精矿流量周期变化及滤波效果

因此，使用文献[3]中的定义和方法：将两次向上越过基准，且有1次向下越过基准视为1个完整的正弦状周期；将两次向下越过基准且有1次向上越过基准视为1个完整的负正弦状周期；然后通过计数法测量主要波动周期。此处略作修改，只测量最近1个测量值波动周期的长度，流程如图7所示。同时由于精矿流量波动范围有变化，所以需要一个浮动的基准值，此处选取较长时间的滑动平均值作为判断基准，即可满足要求。

图7 周期测量流程

为避免测量值在基准值附近波动造成的周期快速变化，当测量周期小于180 s时，则周期循环×2，直至测量周期大于180 s。因为2的8次方为256，所以循环次数不超过8次，计算负荷较小。得出最近一个周期长度之后，以此作为滑动平均的窗口长度，对简化卡尔曼滤波之后的结果再做滑动平均滤除周期性波动，最终滤波效果如图6虚线所示，方框处对应图5所示部分。

以上所述方法共有3处固定长度的滑动平均，分别为：120 s滑动平均、体积补偿时的液位滑动平均、计算基准值3处固定长度的滑动平均。对此可采用文献[4]中所述FMFT算法优化计算效率，即采用一个长度与窗口宽度相等的先进先出线性队列，用原有队列和值减去出列数据，加上入列数据，再除以队列长度，即可完成滑动平均的更新，减少了加法次数。另外，还有1处异常时的变长度滑动平均，其余均根据当前时刻及上一时刻的数据进行计算。

存储使用方面，缓存数量最大为计算基准值所用数列，此处取600 s，正常时的120 s滑动平均可共用此缓存节省部分存储资源。

如图6所示，滤波后精矿流量变化波动幅度显著减小，且能随着测量值的变化给出比较及时的反应，从完全无法使用的测量值中得出较准确的估计值。

3 结语

本文提出了对异常识别、体积守恒补偿、简化卡尔曼滤波和变长度滑动平均4种方法的综合应用，最终得出滤波结果。其中，异常识别目的是兼顾速度与平稳的需求，即正常时滤波速度要快，异常时可牺牲部分滤波速度，追求平稳性。体积守恒补偿和简化卡尔曼滤波，则是从机理上大幅度压缩精矿流量波动范围。最后的变长度滑动平均，是将1个类正弦波动作为一个滤波窗口，进一步平抑周期性波动的影响，且半个周期即可更新一次，刷新速度较快，虽然在切换时会有一定的阶跃变化，但经过前面的处理影响较小，并可再加入一个简化卡尔曼滤波做平滑处理。经过以上处理之后，最终可从异常波动无法使用的精矿流量中得到一个比较可靠的估计值。