http://romeka.rgf.rs/items/browse?tags=%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%B8%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%B8+%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC&output=atom <![CDATA[ROmeka@RGF]]> 2020-09-22T06:28:52+02:00 Omeka http://romeka.rgf.rs/items/show/760 <![CDATA[Модел интелигентног система адаптивног управљања процесом прераде руде]]> Теоријска истраживања у оквиру докторске дисертације обухватила су анализу положаја и улоге различитих приступа моделовања и управљања флотацијским системима.
Један од таквих приступа јесте моделовање класичним математичким методама које укључује емпиријске, кинетичке, популационо-билансне и моделе засноване на вероватноћи. Међутим, узимајући у обзир сложеност процеса флотације чији је узрок интеракција многих микропроцеса који се одвијају на граници три фазе (чврста, течна и гасовита), примена класичних математичких једначина за сада није показала довољну ефикасност.
Као перспективна алтернатива класичном приступу моделовања, у новије време су све више присутне и методе софт компјутинга. Ове методе, за разлику од класичних математичких метода, испољавају извесну толеранцију на непрецизности и неодређености технолошких параметара при опису реалних система, те стога нуде прилагодљивија и робуснија решења за проблеме моделовања стохастичких процеса какав је флотацијски. Са аспекта технологије процеса, најчешће коришћене технике софт компјутинга су вештачке неуронске мреже, фази логика и метода потпорних вектора, док се генетски алгоритми углавном примењују за одређивање оптималне конфигурације флотацијских постројења. Ипак треба нагласити да иако постоје неке класе проблема из области моделовања процеса флотацијске концентрације које су успешно решене применом метода софт компјутинга, многа питања на овом пољу још увек остају отворена.
Када је реч о техникама управљања флотацијским процесом у механичким флотацијским ћелијама, закључак је да традиционални ПИД контролери нису погодни за свеобухватно управљање динамичким флотацијским системима, осим при нижим нивоима контролне хијерархије. У области напредног управљања, предиктивне технике засноване на моделу могу побољшати перформансе флотацијског процеса, али по правилу у кратком временском периоду. Коначно, интелигентне технике и експертски системи имају добар потенцијал у управљању флотацијским постројењима јер повећавају општу флексибилност контроле процеса.
Експериментална испитивања у оквиру докторске дисертације обухватила су развој и валидацију десет различитих модела процеса флотацијске концентрације, базираних на следећим методама софт компјутинга: фази логика (Мамдани и Такаги-Сугено систем закључивања), вештачке неуронске мреже и хибридни адаптивни неуро-фази систем закључивања. Као независно променљиве величине усвојене су: садржај бакра у улазној руди, потрошња колектора на основном флотирању, потрошња пенушача, пХ вредност пулпе на основном флотирању и потрошња колектора на допунском флотирању. Насупрот томе, у својству зависно променљивих величина разматрани су садржај и искоришћење бакра у концентрату као и садржај бакра у јаловини. Остали техничко-технолошки параметри, релевантни за процес флотацијске концентрације сматрани су константним. За тестирање адекватности формираних модела коришћени су реални процесни подаци, прикупљени вишегодишњим праћењем рада индустријског флотацијског постројења у Великом Кривељу.
На основу добијених резултата утврђено је да модели базирани на методама софт компјутинга добро осликавају понашање флотацијског система. Такође је установљено да су нешто бољи резултати моделовања постигнути применом вештачких неуронских мрежа него применом фази логике и хибридног система АНФИС. Поред тога, међусобном компарацијом перформанси модела заснованих на Мамдани и Такаги-Сугено фази системима закључивања, уочено је да Такаги-Сугено систем даје незнатно повољније исходе када је у питању моделовање процеса флотације.]]>
2018-09-11T21:02:18+02:00

Dublin Core

Наслов

Модел интелигентног система адаптивног управљања процесом прераде руде
Model of Intelligent Adaptive Control System For Ore Treatment Process

Аутор

Јовановић Ивана

Предметна одредница

флотацијска концентрација
моделовање
управљање
интелигентни систем
софт компјутинг
фази логика
вештачке неуронске мреже
flotation concentration
modelling
control
intelligent system
soft computing
fuzzy logic
artificial neural networks

Издавач

Универзитет у Београду - Рударско-геолошки факултет

Друга одговорна лица

Миљановић Игор
Обрадовић Иван
Андрић Љубиша

Опис

У области процеса прераде руде, флотацијска концентрација представља једну од најзначајнијих и најчешће примењиваних метода сепарације корисних од некорисних минерала. Самим тим, веома је важно осигурати успешан рад флотацијског постројења кроз достизање задовољавајућих техно-економских показатеља. Циљ управљања процесом флотацијске концентрације је управо оптимизација квалитета и искоришћења корисне компоненте у концентрату уз максимизацију профита. Сходно томе, истраживања на пољу моделовања и управљања овим процесом заузимају значајно место у пракси контолног инжењенринга.
Теоријска истраживања у оквиру докторске дисертације обухватила су анализу положаја и улоге различитих приступа моделовања и управљања флотацијским системима.
Један од таквих приступа јесте моделовање класичним математичким методама које укључује емпиријске, кинетичке, популационо-билансне и моделе засноване на вероватноћи. Међутим, узимајући у обзир сложеност процеса флотације чији је узрок интеракција многих микропроцеса који се одвијају на граници три фазе (чврста, течна и гасовита), примена класичних математичких једначина за сада није показала довољну ефикасност.
Као перспективна алтернатива класичном приступу моделовања, у новије време су све више присутне и методе софт компјутинга. Ове методе, за разлику од класичних математичких метода, испољавају извесну толеранцију на непрецизности и неодређености технолошких параметара при опису реалних система, те стога нуде прилагодљивија и робуснија решења за проблеме моделовања стохастичких процеса какав је флотацијски. Са аспекта технологије процеса, најчешће коришћене технике софт компјутинга су вештачке неуронске мреже, фази логика и метода потпорних вектора, док се генетски алгоритми углавном примењују за одређивање оптималне конфигурације флотацијских постројења. Ипак треба нагласити да иако постоје неке класе проблема из области моделовања процеса флотацијске концентрације које су успешно решене применом метода софт компјутинга, многа питања на овом пољу још увек остају отворена.
Када је реч о техникама управљања флотацијским процесом у механичким флотацијским ћелијама, закључак је да традиционални ПИД контролери нису погодни за свеобухватно управљање динамичким флотацијским системима, осим при нижим нивоима контролне хијерархије. У области напредног управљања, предиктивне технике засноване на моделу могу побољшати перформансе флотацијског процеса, али по правилу у кратком временском периоду. Коначно, интелигентне технике и експертски системи имају добар потенцијал у управљању флотацијским постројењима јер повећавају општу флексибилност контроле процеса.
Експериментална испитивања у оквиру докторске дисертације обухватила су развој и валидацију десет различитих модела процеса флотацијске концентрације, базираних на следећим методама софт компјутинга: фази логика (Мамдани и Такаги-Сугено систем закључивања), вештачке неуронске мреже и хибридни адаптивни неуро-фази систем закључивања. Као независно променљиве величине усвојене су: садржај бакра у улазној руди, потрошња колектора на основном флотирању, потрошња пенушача, пХ вредност пулпе на основном флотирању и потрошња колектора на допунском флотирању. Насупрот томе, у својству зависно променљивих величина разматрани су садржај и искоришћење бакра у концентрату као и садржај бакра у јаловини. Остали техничко-технолошки параметри, релевантни за процес флотацијске концентрације сматрани су константним. За тестирање адекватности формираних модела коришћени су реални процесни подаци, прикупљени вишегодишњим праћењем рада индустријског флотацијског постројења у Великом Кривељу.
На основу добијених резултата утврђено је да модели базирани на методама софт компјутинга добро осликавају понашање флотацијског система. Такође је установљено да су нешто бољи резултати моделовања постигнути применом вештачких неуронских мрежа него применом фази логике и хибридног система АНФИС. Поред тога, међусобном компарацијом перформанси модела заснованих на Мамдани и Такаги-Сугено фази системима закључивања, уочено је да Такаги-Сугено систем даје незнатно повољније исходе када је у питању моделовање процеса флотације.
In the ore processing area, froth flotation is one of the most significant and most frequently used methods for separating useful minerals from gangue. Therefore, it is important to ensure the successful flotation plant operation through satisfactory techno-economic indicators. The purpose of the flotation process control is precisely the optimization of the concentrate grade and recovery, while maximizing profits. Consequently, research into the modelling and control of this process have always been an important area in control engineering practice.
Theoretical research within the dissertation included an analysis of the position and role of different approaches of flotation systems modelling and control.
One of the approaches is modelling by classical mathematical methods that includes empirical, probabilistic, kinetic, and population-balance based models. However, taking into consideration the complexity of the flotation process, caused by the interaction of many micro processes on the boundary of three phases (solid, liquid and gaseous), classical mathematical equations have not been effective enough so far.
Recently, soft computing methods emerged as a perspective alternative to the classical modelling approach. These methods, unlike the conventional mathematical methods, exhibit a certain tolerance to imprecision and uncertainty of technological parameters in the description of real systems. Therefore, they offer more flexible and more robust solutions to the problems of modelling of stochastic processes such as froth flotation. From the standpoint of process technology, the most commonly used soft computing techniques are artificial neural networks, fuzzy logic and support vector machines, while genetic algorithms are mainly applied to optimize the flotation circuit configuration. However, it should be noted that although several classes of flotation problems are being successfully modelled with soft computing methods, there still remain a number of unresolved issues and obstacles.
When it comes to control techniques for flotation plants with mechanical cells, the conclusion is that the traditional PID controllers are found not suitable for the comprehensive control of dynamic flotation systems, except, in part, for the lower hierarchy levels. In the area of advanced control, model predictive methods can improve flotation process performances, but as a rule, in a short period of time. Finally, intelligent methods and expert systems have a good potential in flotation control, increasing its overall flexibility.
Experimental studies in this doctoral dissertation covered the development and validation of ten different flotation process models based on the following soft computing methods: fuzzy logic (Mamdani and Takagi-Sugeno fuzzy inference system), artificial neural networks and hybrid adaptive neuro-fuzzy inference system. Copper content in the feed, pulp pH value and collector dosage in the rougher flotation circuit, frother consumption, and collector dosage in the scavenger flotation circuit were selected as input variables. Opposed to that, concentrate grade and recovery as well as tailings grade were adopted as output variables. Other technical and technological parameters, relevant to the froth flotation process were considered constant. The testing of the adequacy of models is performed on the basis of real process data. These data were collected by multiannual monitoring of operation of „Veliki Krivelj” industrial flotation plant.
On the basis of the obtained results, it was found that soft computing-based models well describe the behavior of the flotation system. It was also noticed that better results were achieved through the application of artificial neural networks then by using of fuzzy logic or hybrid adaptive neuro-fuzzy inference system. Furthermore, comparison between characteristics of models based on Mamdani and Takagi-Sugeno fuzzy inference systems was performed. The Takagi-Sugeno system was proven to deliver slightly better results when it comes to modelling of the flotation process.

Датум

Права

Ауторство-Некомерцијално-Делити под истим условима 3.0 Србија (CC BY-NC-ND 3.0)

Формат

pdf

Језик

српски

Врста извора

text
]]>