一种基于行为画像的浮选生产过程控制方法及系统技术方案

一种基于行为画像的浮选生产过程控制方法及系统，该方法包括浮选过程行为指标数据存储以及预处理；构建浮选过程行为画像标签体系；挖掘矿浆种类与操作模式的对应关系；为不同矿浆种类找出对应的最佳操作方式；构建多层支持向量机分类器对实时的行为画像确定矿浆种类；给每一矿浆种类构建多级支持向量机分类器，进行操作模式调整。该系统包括行为指标选取及预处理单元、画像标签体系构建单元、画像标签挖掘单元、最佳选取单元、矿浆种类分类单元、操作模式调整单元、阈值判定单元。本发明专利技术对选矿石性质、加药量、精矿闸门开度、刮板刮尾厚度建立行为画像和关联关系，达到稳质降尾、降低成本、提高、生产效益的目的。

Method and system for controlling flotation production process based on behavior portrait

A portrait of the flotation process behavior control method and system based on this method, including the process of flotation behavior index data storage and pretreatment; construction process of flotation behavior of portrait label system; mining relationship types and operation modes of the pulp; find out the corresponding optimum operation mode for different pulp types; constructing multi-layer support vector machine classifier behavior portrait of real-time determined for each type of pulp; pulp type construction of multi class support vector machine classifier, to adjust the operation mode. The system includes the behavior index selection and pretreatment unit, construction unit, portrait portrait label label mining unit, optimal selection unit, pulp category unit, operation mode adjustment unit, threshold determination unit. The present invention is used to establish the behavior portrait and the correlation relation of the ore property, the dosage, the gate opening of the concentrate and the tail scraping thickness of the scraper to achieve the purpose of stabilizing the quality, reducing the cost and improving the production efficiency.

【技术实现步骤摘要】

本专利技术涉及浮选
，具体涉及一种基于行为画像的浮选生产过程控制方法及系统。
技术介绍
浮选生产过程是选矿工艺的重要环节，目前，浮选生产过程主要依赖于人的经验知识和少量的测量数据进行操作，由于影响浮选操作的因素众多，入选矿浆种类、上游操作的稳定性、加药量、液位等，这些因素具有非线性、时变性、大滞后、强耦合的特点，因此完全采用手动操作，致使岗位工人劳动强度大，容易造成精矿产品的质量波动。画像技术是一种新的大数据处理方式，用于针对用户或者用户行为进行建模。使用行为画像技术来刻画和表征浮选生产过程的行为特征，并提供生产过程的推荐操作，有利于解决上述业务难题。浮选生产过程是选矿工艺的重要环节，目前，浮选生产过程完全采用手动操作，致使岗位工人劳动强度大，并且容易造成精矿产品的质量波动。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种基于行为画像的浮选生产过程控制方法及系统，通过构建浮选过程行为画像标签体系，结合多级支持向量机分类，针对不同矿浆种类提出相应的最佳操作方式，从而对浮选生产过程操作进行控制，达到稳质降尾、提高浮选生产效益的目的。一方面，本专利技术提供一种基于行为画像的浮选生产过程控制方法，包括：1)浮选过程行为指标数据存储以及预处理，所述浮选过程行为指标，包括：给矿品位、各种药剂流量、精矿闸门开度、刮板刮尾厚度、浮选精矿品位、浮选尾矿品位；2)构建浮选过程行为画像标签体系：将选取的浮选过程行为指标进行单维度k-means聚类，分别将各浮选过程行为指标聚类成若干等级，各等级作为生成的行为画像标签，将数据仓库中的数据转为行为画像标签的形式存储，构建出浮选过程行为画像标签体系，即浮选过程行为指标与行为画像标签的对应关系；3)挖掘矿浆种类与操作模式的对应关系：将各浮选过程行为指标数据作为一条操作模式，进行操作模式发掘，尽可能多的发现浮选过程中的操作模式并命名作为矿浆种类画像标签；4)为不同矿浆种类找出对应的最佳操作方式：采用k-means聚类算法，将n种矿浆种类、m种浮选精矿品位、p种浮选尾矿品位进行组合，共生成n*m*p＝q种样本，将每种样本对应的操作模式进行聚类，在聚类结果中选取数量最多的类别的聚类中心作为为该矿浆种类浮选过程中的指导操作模式即最佳操作方式；5)构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类；6)给每一矿浆种类构建多级支持向量机分类器，根据实时的操作模式来预测浮选精矿品位、浮选尾矿品位，进行操作模式的调整；7)当出现多级支持向量机分类器预测出的浮选精矿品位和浮选尾矿品位都不合格的次数超过阈值时，返回步骤3)。进一步地，步骤1)包括：1.1)浮选过程行为指标数据存储时，离线测量的给矿品位、浮选精矿品位、浮选尾矿品位数据每两小时存储一次，在线测量的投放的药剂用量监测数据、精矿闸门开度、刮板刮尾厚度每10分钟存储一次；1.2)将离线测量的数据和在线测量的数据进行数据对齐；1.3)抽取近两年的所有数据存储到数据库中；1.4)在从数据库到数据仓库的转储过程中对数据做ETL处理。进一步地，所述步骤3)包括：3.1)选择任意操作模式，计算该操作模式与其他操作模式的欧式距离；3.2)将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类1，作为矿浆种类1的画像标签；3.3)在未命名的操作模式中随机选择另一操作模式，该操作模式与其他操作模式的欧式距离；3.4)将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类2，作为矿浆种类2的画像标签；循环迭代直到所有的操作模式已被归类并命名。进一步地，步骤5)构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类，包括：5.1)采用历史操作模式数据构建多层支持向量机分类器，以操作模式数据为输入，不同矿浆种类为输出；5.2)利用多层支持向量机分类器对实时的操作模式数据进行分类，确定实时的操作模式数据所属矿浆种类。进一步地，所述步骤6)包括：6.1)针对每一矿浆种类构建一个多级支持向量机分类器：将m种浮选精矿品位、p种浮选尾矿品位进行组合，共得到m*p＝q种样本；利用q种样本以及每种样本对应的距离训练时间最近的若干条操作模式作为样本训练集，构造q-1级支持向量机分类器；6.2)将实时的操作模式输入q-1级支持向量机分类器，输出样本种类，根据样本种类与浮选精矿品位、浮选尾矿品位的对应关系预测出浮选精矿品位、浮选尾矿品位；6.3)根据从样本种类中得到浮选精矿品位和浮选尾矿品位对现场的操作模式进行调整。另一方面，本专利技术提供一种基于行为画像的浮选生产过程控制系统，包括：行为指标选取及预处理单元，用于浮选过程行为指标数据存储以及预处理，所述浮选过程行为指标，包括：给矿品位、各种药剂流量、精矿闸门开度、刮板刮尾厚度、浮选精矿品位、浮选尾矿品位；画像标签体系构建单元，用于构建浮选过程行为画像标签体系：将选取的浮选过程行为指标进行单维度k-means聚类，分别将各浮选过程行为指标聚类成若干等级，各等级作为生成的行为画像标签，将数据仓库中的数据转为行为画像标签的形式存储，构建出浮选过程行为画像标签体系，即浮选过程行为指标与行为画像标签的对应关系；画像标签挖掘单元，用于挖掘矿浆种类与操作模式的对应关系：将各浮选过程行为指标数据作为一条操作模式，进行操作模式发掘，尽可能多的发现浮选过程中的操作模式并命名作为矿浆种类画像标签；最佳选取单元，用于为不同矿浆种类找出对应的最佳操作方式：采用k-means聚类算法，将n种矿浆种类、m种浮选精矿品位、p种浮选尾矿品位进行组合，共生成n*m*p＝q种样本，将每种样本对应的操作模式进行聚类，在聚类结果中选取数量最多的类别的聚类中心作为为该矿浆种类浮选过程中的指导操作模式即最佳操作方式；矿浆种类分类单元，用于构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类；操作模式调整单元，用于给每一矿浆种类构建多级支持向量机分类器，根据实时的操作模式来预测浮选精矿品位、浮选尾矿品位，进行操作模式的调整；阈值判定单元，用于当出现多级支持向量机分类器预测出的浮选精矿品位和浮选尾矿品位都不合格的次数超过阈值时，返回调用画像标签挖掘单元。进一步地，所述行为指标选取及预处理单元，包括：存储模块，浮选过程行为指标数据存储时，离线测量的给矿品位、浮选精矿品位、浮选尾矿品位数据每两小时存储一次，在线测量的投放的药剂用量监测数据、精矿闸门开度、刮板刮尾厚度每10分钟存储一次；数据对齐模块，将离线测量的数据和在线测量的数据进行数据对齐；数据抽取模块，抽取近两年的所有数据存储到数据库中；ETL处理模块，在从数据库到数据仓库的转储过程中对数据做ETL处理。进一步地，所述画像标签挖掘单元，包括：第一计算模块，选择任意操作模式，计算该操作模式与其他操作模式的欧式距离；画像标签命名模块，将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类1，作为矿浆种类1的画像标签；第二计算模块，在未命名的操作模式中随机选择另一操作模式，该操作模式与其他操作模式的欧式距离；归类命名模块，将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类2，作为矿浆种类2本文档来自技高网...

【技术保护点】
一种基于行为画像的浮选生产过程控制方法，其特征在于，包括：1)浮选过程行为指标数据存储以及预处理，所述浮选过程行为指标，包括：给矿品位、各种药剂流量、精矿闸门开度、刮板刮尾厚度、浮选精矿品位、浮选尾矿品位；2)构建浮选过程行为画像标签体系：将选取的浮选过程行为指标进行单维度k‑means聚类，分别将各浮选过程行为指标聚类成若干等级，各等级作为生成的行为画像标签，将数据仓库中的数据转为行为画像标签的形式存储，构建出浮选过程行为画像标签体系，即浮选过程行为指标与行为画像标签的对应关系；3)挖掘矿浆种类与操作模式的对应关系：将各浮选过程行为指标数据作为一条操作模式，进行操作模式发掘，尽可能多的发现浮选过程中的操作模式并命名作为矿浆种类画像标签；4)为不同矿浆种类找出对应的最佳操作方式：采用k‑means聚类算法，将n种矿浆种类、m种浮选精矿品位、p种浮选尾矿品位进行组合，共生成n*m*p＝q种样本，将每种样本对应的操作模式进行聚类，在聚类结果中选取数量最多的类别的聚类中心作为为该矿浆种类浮选过程中的指导操作模式即最佳操作方式；5)构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类；6)给每一矿浆种类构建多级支持向量机分类器，根据实时的操作模式来预测浮选精矿品位、浮选尾矿品位，进行操作模式的调整；7)当出现多级支持向量机分类器预测出的浮选精矿品位和浮选尾矿品位都不合格的次数超过阈值时，返回步骤3)。...

【技术特征摘要】
1.一种基于行为画像的浮选生产过程控制方法，其特征在于，包括：1)浮选过程行为指标数据存储以及预处理，所述浮选过程行为指标，包括：给矿品位、各种药剂流量、精矿闸门开度、刮板刮尾厚度、浮选精矿品位、浮选尾矿品位；2)构建浮选过程行为画像标签体系：将选取的浮选过程行为指标进行单维度k-means聚类，分别将各浮选过程行为指标聚类成若干等级，各等级作为生成的行为画像标签，将数据仓库中的数据转为行为画像标签的形式存储，构建出浮选过程行为画像标签体系，即浮选过程行为指标与行为画像标签的对应关系；3)挖掘矿浆种类与操作模式的对应关系：将各浮选过程行为指标数据作为一条操作模式，进行操作模式发掘，尽可能多的发现浮选过程中的操作模式并命名作为矿浆种类画像标签；4)为不同矿浆种类找出对应的最佳操作方式：采用k-means聚类算法，将n种矿浆种类、m种浮选精矿品位、p种浮选尾矿品位进行组合，共生成n*m*p＝q种样本，将每种样本对应的操作模式进行聚类，在聚类结果中选取数量最多的类别的聚类中心作为为该矿浆种类浮选过程中的指导操作模式即最佳操作方式；5)构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类；6)给每一矿浆种类构建多级支持向量机分类器，根据实时的操作模式来预测浮选精矿品位、浮选尾矿品位，进行操作模式的调整；7)当出现多级支持向量机分类器预测出的浮选精矿品位和浮选尾矿品位都不合格的次数超过阈值时，返回步骤3)。2.根据权利要求1所述的基于行为画像的浮选生产过程控制方法，其特征在于，步骤1)包括：1.1)浮选过程行为指标数据存储时，离线测量的给矿品位、浮选精矿品位、浮选尾矿品位数据每两小时存储一次，在线测量的投放的药剂用量监测数据、精矿闸门开度、刮板刮尾厚度每10分钟存储一次；1.2)将离线测量的数据和在线测量的数据进行数据对齐；1.3)抽取近两年的所有数据存储到数据库中；1.4)在从数据库到数据仓库的转储过程中对数据做ETL处理。3.根据权利要求1所述的基于行为画像的浮选生产过程控制方法，其特征在于，所述步骤3)包括：3.1)选择任意操作模式，计算该操作模式与其他操作模式的欧式距离；3.2)将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类1，作为矿浆种类1的画像标签；3.3)在未命名的操作模式中随机选择另一操作模式，该操作模式与其他操作模式的欧式距离；3.4)将与当前选择的操作模式欧式距离最小的前5％～8％的操作模式归为一类，命名为矿浆种类2，作为矿浆种类2的画像标签；循环迭代直到所有的操作模式已被归类并命名。4.根据权利要求1所述的基于行为画像的浮选生产过程控制方法，其特征在于，步骤5)构建多层支持向量机分类器对实时的行为画像进行分类确定矿浆种类，包括：5.1)采用历史操作模式数据构建多层支持向量机分类器，以操作模式数据为输入，不同矿浆种类为输出；5.2)利用多层支持向量机分类器对实时的操作模式数据进行分类，确定实时的操作模式数据所属矿浆种类。5.根据权利要求1所述的基于行为画像的浮选生产过程控制方法，其特征在于，所述步骤6)包括：6.1)针对每一矿浆种类构建一个多级支持向量机分类器：将m种浮选精矿品位、p种浮选尾矿品位进行组合，共得到m*p＝q种样本；利用q种样本以及每种样本对应的距离训练时间最近的若干条操作模式作为样本训练集，构造q-1级支持向量机分类器；6.2)将实时的操作模式输入q-1级支持向量机分类器，输出样本种类，根据样本种类与浮选精矿品位、浮选尾矿品位的对应关系预测出浮选精矿品位、浮选尾矿品位；6.3)根据从样本种类中得到浮选精矿品位和浮选尾矿品位对现场的操作模式进行调整。6.一种基于行为画像的浮选生产过程控制系统，其特征在...

【专利技术属性】
技术研发人员：王欢，罗迪，张军，孙为平，肖成勇，祁金才，
申请(专利权)人：鞍钢集团矿业有限公司，
类型：发明
国别省市：辽宁;21