具有复杂非一阶破碎特性的铝土矿球磨过程建模与粒度分布预测方法研究

Bayer process with dressing, developed initiatively in China, is an effective method to deal with the diasporic bauxite which is difficult to handle and takes up 80% of the aluminum minerals in China. Ball milling process of bauxite is an important part in the process, and its product's particle size and size distribution are directly related to the economic and technical index of the whole process. For the non-homogeneity of the minerals, the diasporic bauxite presents the complex non-first order breakage dynamic characteristics. The existing grinding model and simulation software developed based on first-order breakage are not adequate to truly reflect its particle size distribution, which results in the blindness in process control, the large process fluctuation and the serious energy and resource waste. Therefore, this project aims to conduct the following research to provide original innovations for the energy saving and cost reducing as well as the precise control of the ball milling process of bauxite and inspire the modeling and simulation of other grinding process with non-first order breakage: first, analyze the non-first order breakage of heterogeneous and non-homogeneity bauxite based on the grindability partition of ores using semi-supervised clustering and the batch grinding experiments, and propose its unified description; second, propose an approach with low solving complexity to determine the breakage distribution function of bauxite under non-first order break characteristics, an online estimation method of residence time distribution based on limited useful information and an integrated modeling method fusing mechanism and data for breakage rate function of non-first order continuous grinding process; then build the population balance model for non-first order continuous grinding process, and adopt a multi-scale model modification method to realize the precise prediction of production particle size distribution.

选矿拜耳法为我国首创，是处理占我国80%铝资源的难处理铝土矿的有效方法。铝土矿球磨是该法生产的重要环节，其产品粒度及其分布直接关系到整个流程的经济技术指标。因矿物非均质，铝土矿表现出复杂非一阶破碎动力学特性，现有磨矿模型和仿真软件以一阶特性为基础，不能真实反映其产品粒度分布，导致过程控制盲目，生产波动大、能源资源浪费严重。为此，本项目拟在基于半监督聚类的铝土矿可磨度分类基础上，结合分批磨矿实验，分析异类非均质铝土矿非一阶破碎特性，给出统一描述形式；提出非一阶破碎特性下低求解复杂度的铝土矿破碎分布函数确定方法、基于有限可用信息的停留时间分布在线预估方法以及融合机理和数据的非一阶连续破碎速率函数一体化建模方法，建立非一阶连续磨矿总体平衡模型；采用模型多尺度修正方法，实现产品粒度分布准确预测；为铝土矿球磨过程精细化控制和节能降耗提供源头创新，并为其他具有非一阶破碎特性的磨矿过程建模仿真提供借鉴。

铝土矿球磨是我国首创选矿拜耳法氧化铝生产的重要环节，其产品粒度分布直接关系到整个流程的经济技术指标。但铝土矿非均质、破碎特性非一阶，磨矿产品粒度分布预测困难，导致生产操作盲目、能源资源浪费严重。为此，本项目针对非均质铝土矿，研究矿物物相、硬度等物理特性与可磨性的关系，提出了基于密度调整的自适应谱聚类算法、聚类数自动确定的谱聚类算法以及基于ELM的半监督分类算法，在机理分析和专家经验指导下，根据非均质铝土矿物理特性，将其划分为多种典型非均质矿，并给出了基于分段线性化的典型非均质矿非一阶破碎动力学特性描述形式；由此，基于典型矿的分批磨矿实验数据，构造了带约束的铝土矿破碎分布函数的参数优化辨识模型，改进了状态转移算法、果蝇算法、差分进化算法以确保在严格满足工艺约束情况下快速高效地辨识出破碎分布函数的参数，并提出一种通过融合典型非均质矿的破碎分布矩阵，无须过于复杂的分批磨矿实验，就可准确预测待球磨非均质矿破碎分布函数的方法；接着，基于连续磨矿生产数据，提出了基于数据协调的返砂量预估方法、球磨机钢球磨损规律预测方法，给出了基于流型分类的停留时间分布密度函数，并构建了结构优化的可学习神经网络，提出了基于可学习神经网络的自适应混杂建模方法，建立生产工况与连续破碎速率关键参数的关系，实现连续破碎速率函数的机理与数据一体化建模，最终形成铝土矿连续磨矿总体平衡模型；考虑铝土矿矿源复杂且磨矿动态特性时变，基于一段时间内模型预测误差的统计信息，提出了模型的多尺度修正方法，以保证长期准确地预测磨矿产品粒度分布。项目组按计划完成了研究任务，获省部级自然科学一等奖1项，发表SCI收录论文7篇，EI收录论文14篇，授权发明专利2项、申请2项，授权软件著作权1项，博士后出站1名，毕业研究生5名；在模式分类、参数辨识、机理与数据一体化建模及模型在线修正方面的研究成果对其它过程建模与质量预测有借鉴作用。