生物氧化提金预处理过程参数间关系的辨识研究

2014-08-02李泉

化工自动化及仪表 2014年10期

李泉

(中航飞机西安飞机分公司飞机设计研究院，西安 710089)

我国的难处理金矿资源储量非常丰富，近来有业内专家普遍分析认为，国内的难处理金矿资源在探明的保有储量中所占的比例约为1/3(1 000～1 200t左右)，且主要分布于我国西南、西北和东北地区。目前处理难处理金矿的方法主要有3种，除了传统的焙烧和加温加压氧化方法之外，自2000年开始生物氧化预处理-氰化预处理工艺在山东烟台某企业正式投入使用。经过多年发展，我国建设的此类工厂，从数量和规模上，都跃居世界第一。生物氧化预处理工艺已成为我国解决难处理金矿预处理问题的重要手段[1]。生物氧化提金预处理技术可以解决常规选矿技术因回收率过低而无法工业利用的低品位金矿的选冶难题。

但是，生物氧化预处理技术的过程参数具有强耦合、强非线性特性，因而很难实现工业实时精确调控。为此，笔者提出一种依据递推最小二乘法辨识生物氧化预处理过程参数间关系的方法，并通过方差分析验证该方法的辨识精度。

1 工艺过程状态参数分析①

生物氧化提金过程是典型的流程工艺，整个过程大致分为：原料调浆、再磨、浓缩脱药、生物氧化预处理、生物氧化渣洗涤、压滤、洗涤液中和、中和渣压滤及中和渣堆存等。其中生物氧化预处理过程是整个提金过程中最重要的环节，该过程直接影响着黄金的产量和质量。

影响生物氧化预处理过程的因素主要有：矿浆浓度、磨矿细度、Fe3+浓度、培养基、水系、酸碱度(pH值)、温度及进风量等，其中可控因素有温度、酸碱度(pH值)和进风量。温度是氧化预处理过程中比较重要的参数，适宜的温度能够提高细菌的活性，但过高的温度会杀死细菌，致使氧化预处理过程无法继续进行[2]；酸碱度(pH值)主要为细菌培养一个适宜的生存环境，合适的酸碱度能够大幅提高细菌的活性；进风量影响着氧化槽内好氧菌的活性，进风量太大不经济，而且会造成氧化槽内液面波动剧烈致使矿液溢出污染环境，进风量太小又无法保证细菌的需求，使得细菌活性降低。

可控参数直接影响着生物氧化预处理过程的好坏，对它们的控制尤为重要。但是这些参数间的关系具有强耦合性和强非线性特征，常规控制方法难以实现，因此对参数间的关系进行辨识，来辅助控制显得至关重要。

2 递推最小二乘辨识理论

生物氧化预处理过程会产生大量的在线和离线数据，由于检测环境复杂、测量仪表或设备故障及人工取样分析异常等因素的影响，数据中不可避免地会出现一些异常数据，这些异常数据会降低辨识精度，无法正确反映参数间的相关关系。笔者依据拉依达准则对异常数据进行滤除，为参数间的相关关系辨识提供数据基础[3]。

最小二乘法(又称最小平方法)是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配[4]。利用最小二乘法可以简便地求得未知数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可以通过最小化能量或最大化熵用最小二乘法来表达。但最小二乘法需要大量的计算机内存且估计参数不能自动跟踪实时参数数据的变化，递推最小二乘法很好地解决了这一问题。

2.1 最小二乘法机理

考虑输入/输出模型，并设C(z-1)=1，则有：

A(z-1)y(k)=B(z-1)u(k-d)+ξ(k)

A(z-1)=1+a1z-1+a2z-2+…+anaz-na

(1)

B(z-1)=b0+b1z-1+b2z-2+…+bnbz-nb

式中ξ(k)——白噪声序列。

设已知系统阶次，具体任务是根据两侧的输入和输出确定参数a1,a2,…,ana和b0,b1,…,bnb，由式(1)可得输入/输出模型为：

y(k)=-a1y(k-1)-a2y(k-2)-…-anay(k-na)+b0u(k-d)+b1u(k-d-1)+…+

bnbu(k-d-nb)+ξ(k)

=φT(k)θ+ξ(k)

(2)

φT(k)=[-y(k-1),-y(k-2),…,-y(k-na),

u(k-d),u(k-d-1),…,u(k-d-nb)]

θT=[a1,a2,…,ana,b0,b1,…,bnb]

式中φT(k)——观测量，且φT(k)∈R1×(na+nb+1);

θT——待估参数变量，且θT∈R1×(na+nb+1)。

(3)

由式(3)可得，最小二乘法对模型参数的辨识只依赖输入、输出观测变量数据。

2.2 递推最小二乘法机理

由最小二乘法机理可知，最小二乘法需要大量的计算机内存且估计参数模型无法自动跟踪输入样本数据的变化，实时性不好。递推最小二乘法很好地解决了这一问题。

(4)

(5)

P(k+1)=[I-K(k+1)φT(k+1)]P(k)

(6)

P(k)=(ΦTΦ)-1,ΦT=[φ(1),φ(2),…,φ(k)]

式中K(k+1)——增益向量；

φ(i)——观测向量。

3 生物氧化预处理过程参数相关关系辨识

3.1 数据预处理

由递推最小二乘机理可知，在已知系统阶次和输入、输出变量数据的条件下，借助递推最小二乘法可以实现被研究对象系统的参数辨识。生物氧化预处理过程产生有大量的在线和离线数据，由于受复杂的检测环境及人工分析取样异常等因素的影响，数据中不可避免地含有一些异常数据。为了提高模型参数辨识的精度，有必要对异常数据进行剔除。

具有显著误差的异常数据常采用基于分布的方法来排除。基于分布的方法假定数据分布规律已知，且服从一种标准概率分布，异常值由样本数据偏离参考分布的程度来定义[3]，常用的方法有拉依达准则法、格拉布斯准则法、狄克逊准则法及肖维勒准则等[5]。拉依达准则是一种基于正态分布的异常数据检测方法，通常又称为3σ准则，由于使用和计算简单而被广泛应用。

笔者采用拉依达准则对原始数据进行处理，处理后共得到可用数据939条，见表1。