申请/专利权人：青海鸿鑫矿业有限公司

申请日：2023-05-05

公开（公告）日：2023-08-08

公开（公告）号：CN116550459A

主分类号：B02C25/00

分类号：B02C25/00;G06F30/27;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.25#实质审查的生效;2023.08.08#公开

摘要：本发明涉及一种多组别立磨机闭环建模优化控制方法及其设备，包括利用卡尔曼滤波对采样数据的平稳性处理，利用时间卷积网络模型对某一立磨机磨矿过程的粒度进行预测建模，利用迁移学习和知识蒸馏框架对多个立磨机的磨矿粒度进行预测，同时实现对立磨机磨矿粒度的预测结果可视化展示，再利用稀疏奖励的强化学习方法实现多台多组立磨机的闭环磨矿实时预测优化控制。该方法克服了现阶段控制方法存在难以建立数学模型等综合复杂性以及随不同的工业过程具有不同的特性，运行指标往往不能在线监测等问题。对多组别立磨机的实时动态准确地调整相关设定值，使得运行指标的粒度控制在目标值范围的实时预测控制优化具有理论和实际意义。

主权项：1.一种多组别立磨机闭环建模优化控制方法，其特征在于，包括如下步骤：步骤1、对一段时间内所有立磨机磨矿控制输入、状态监控、粒度化验数据进行预处理，使得满足预测控制优化的数据维度，对一段时间内立磨机磨矿状态监控数据进行卡尔曼滤波，实现时间数据特征平稳化；步骤2、选取某一立磨机的磨矿控制输入、状态监控、粒度化验数据构建时间卷积预测模型，通过一段时间内的控制输入、状态监控，预测下一段时间的粒度化验数据，并通过迁移学习的方式对同组别的其他立磨机进行迁移学习的预测建模；步骤3、通过迁移学习和知识蒸馏的方法对不同组别的立磨机进行预测建模，将步骤2建立的时间卷积网络TCN学习到的立磨过程知识利用生成对抗损失的域自适应算法传递给不同组别的立磨机进行学习，实现对不同组别立磨机的预测模型建立；步骤4、通过所有立磨机的输入浓度和流量数据进行加权，构建整个立磨环节的粒度预测模型，并实现粒度预测可视化；步骤5、通过基于稀疏奖励的软演员-批评家Soft-Actor-Critic算法对已建立的模型构建强化学习目标函数和策略熵，通过自监督的奖励提取模块构建建立一个新的经验回放区，与目标函数和策略熵一起构建价值函数Q，利用离线Off-Policy的训练方式更新强化学习的状态函数V、价值函数Q、策略函数π，直至稳定收敛；步骤6、利用训练好的强化学习策略实现多组别的立磨机闭环优化控制过程。

全文数据：

权利要求：

百度查询： 青海鸿鑫矿业有限公司 一种多组别立磨机闭环建模优化控制方法及其设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD