人工智能应用于磨机优化

磨矿机是采矿和矿产行业中使用的最大设备之一，人工智能已被应用于帮助先进的过程控制，将吞吐量提高1%，并减少变化，为矿山带来数百万美元的年度影响。

磨矿机经常粉碎坚硬的矿石，因此受到很大的力，影响其磨损，寿命和安全。磨矿回路通常由半自磨机、球磨机、卵石破碎机、筛网和水力旋流器组成，以在粉状矿石中产生所需的粒度分布。磨矿机通常处理硬度、形状和大小不等的矿石。在磨机控制过程中，这种固有的可变性很重要，因为磨机内总是有可能积聚矿石，从而损坏设备或导致过载。因此，在峰值条件下运行的电厂并不罕见。

更换原材料需要更严格的控制;人工智能可以帮助

一家大型金矿也有类似的问题。在先进的过程控制器上的投资并没有实现磨矿生产最大化的预期效益。APC模型针对特定类型的矿石进行了调整，并且在变化的矿石条件下难以保持性能。磨矿机处理的矿石大小、形状、硬度等都是可变的，必须加以控制，以减少磨矿机内矿石堆积的可能性，以及随后的过载或失控情况。事实上，这种矿石进料的动态变化以及其他过程的不确定性很快就造成了APC自动化控制操作的瓶颈，并且经常不得不间歇性地关闭，以便工厂操作员进行直接控制。

APC参数需要专家不断调整，这在矿山是无法做到的。由于工厂的APC系统缺乏自动和自适应处理固有变异性和不确定性的能力，因此操作人员采取了保守策略，以减少失控或过载情况的可能性。然而，这也降低了工厂的吞吐量，这意味着减少了黄金产量。

人工智能驱动的数字孪生模型

人工智能驱动的数字孪生模型提供动态过程优化，可以预测过程的不确定性，并推荐优化的控制策略，以提高吞吐量并减少故障的机会。数字孪生模型使用高性能、自适应自调整的人工智能模型，可以捕获操作动态、预测未知数量并实时找到最佳控制参数。

在这种情况下，基于数字孪生的优化器与APC一起部署。作为数字孪生模型开发的一部分，以1分钟的频率间隔对一年的历史过程时间序列数据进行了详细的探索性数据分析，对矿石进料数据、生产和维护日志进行了实验室分析，以收集模型特征并确定基线操作数据，用于模型训练和测试。

4 .目标为递归神经网络，自适应调谐

数字孪生模型的核心是基于递归神经网络的自适应调谐机制，以考虑过程变化，旨在满足以下目标:

1. 基于人工智能的方法，为APC提供监督级别的决策支持
2. 协调约束管理整个轧机电路，以获得最佳的轧机控制器，包括APC
3. 基于认知学习的方法，考虑到操作员和冶金工程师的专业知识和见解
4. 不断适应人工智能模型，以动态地解释矿石和工艺变化。

来自数字孪生优化器的典型建议包括磨矿给料、功率、负荷、加水量和磨矿速度。

经过训练的数字模型在线部署，具有来自工厂分布式控制系统(DCS)、实验室计算机系统和资产管理系统的实时数据摄取能力，可以持续预测并运行优化器，实时提供APC控制参数的调整。这使得APC能够适应不断变化的条件，并使磨机能够以更高的吞吐量水平运行。

人工智能软件的安装没有对现有业务造成干扰。在工厂考虑人工智能解决方案时，这方面是一个重要的考虑因素。流程中断或额外的硬件和仪器可能会导致成功实施人工智能程序的潜在障碍。

人工智能实施的结果显示，工厂的产量增加了1%以上，每年为矿山带来300万至400万美元的收入影响。

多米尼克Gallello首席执行官在哪里交响乐AzimaAI。编辑:Mark T. Hoske，内容经理，控制工程， CFE传媒，mhoske@cfemedia.com。

关键字

自动化实施建议，人工智能(AI)

考虑一下这个

你知道吗?从1%的产量和质量提高中获益，从而每年带来300万美元的收益，这是一个广泛变化的过程吗?

请参阅相关的工程师新产品www.globalelove.com/NPE。

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。