马天雨，桂卫华，阳春华，王雅琳

(中南大学 信息科学与工程学院，湖南 长沙，410083)

磨矿分级过程是将粗矿粒磨细并将粗细矿粒分离的选矿过程，为浮选作业提供浓细度合适的矿浆。目前，国内大部分磨矿分级过程仍然依据专家经验手动调节，因此，难以保证过程的优化运行。磨矿分级过程，存在弱非线性和大滞后等特性，是典型的复杂工业过程。在早期研究中，基于操作量和被控量关系的传函矩阵[1−3]是磨矿回路主要模型形式。为消除矿石硬度变化对系统影响，建立矿石硬度软测量模型[1]和多模型切换机制，铁鸣等[10−11]对磨矿过程建模及优化控制等进行了研究，但这些模型都没有考虑原矿下料粒径变化、钢球磨损和助磨药剂等工况对模型的影响。磨矿过程早期控制方案是多回路PID解耦控制[4]，而该方案存在明显缺点：输入、输出难以匹配；PID是基于反馈的控制方法，而磨矿过程存在较大滞后，导致该方案无法实现过程实时控制。目前，模型预测控制(MPC)已经成为化工过程应用最广的多变量控制算法[1−3]，将MPC应用于有如下特性的系统时优势明显：可多输入、多输出，操作变量和被控变量有约束，系统存在延时和弱非线性。在此，本文作者针对由球磨机和螺旋分级机组成的磨矿过程，建立基于分批试验结论的改进 PBM 模型。考虑矿石硬度、钢球磨损和原矿粒径变化等干扰影响，建立了下料量、入磨水流量、磨机电流和加药剂量等操纵变量和模型参数间的LSSVM模型。……