Повышение производительности дробильно-обогатительной фабрики на основе оптимизационной модели

Бесплатный доступ

В связи с высоким спросом на железорудные окатыши на российском внутреннем и мировом рынках высокую актуальность имеет задача повышения объемов производства железорудного концентрата при обеспечении требуемого качества. В работе предложена общая технико-экономическая постановка задачи оптимизации дробильно-обогатительной фабрики (ДОФ) по критерию максимума маржинальной прибыли предприятия. Решение задачи выполняется при соблюдении технологических ограничений по режиму работы технологической секции, типу производимого концентрата, обеспечению требуемого качества концентрата на выходе, составу работающего оборудования и другим параметрам. Подробно рассмотрена частная задача повышения производительности технологической секции ДОФ за счет оптимизации режимов работы оборудования. Традиционным подходом к решению данной задачи является применение физико-химических моделей в сочетании с экспериментальным изучением технологического процесса. В работе предложен подход на основе применения оптимизационной математической модели, разработанной с использованием интеллектуального анализа статистических данных Data Mining. В качестве метода построения модели принят метод деревьев принятия решений. Поиск наилучшего решения в смысле выбранного критерия выполняется методом перебора. Результатом моделирования является оценка производительности секции в зависимости от влияния входных управляющих факторов, параметров исходной руды, а также технологических ограничений. В работе приведен методический пример применения модели управления технологическим процессом производства железорудного концентрата технологической секции ДОФ с повышением производительности до 7 %. Практическое применение предложенного подхода позволит в рамках существующей автоматизированной системы управления в режиме реального времени предоставлять оператору рекомендации о корректировке параметров управления режимами работы технологического оборудования секции ДОФ с учетом текущих условий технологического процесса.

Еще

Дробильно-обогатительная фабрика, деревья принятия решений

Короткий адрес: https://sciup.org/147232263

IDR: 147232263   |   DOI: 10.14529/ctcr190315

Список литературы Повышение производительности дробильно-обогатительной фабрики на основе оптимизационной модели

  • Абрамов, А.А. Переработка, обогащение и комплексное использование твердых полезных ископаемых / А.А. Абрамов. - М.: Горная книга, 2012. - 656 с.
  • Серго, Е.Е. Дробление, измельчение и грохочение полезных ископаемых / Е.Е. Серго. - М.: Недра, 1985. - 282 с.
  • Андреев, С.Е. Дробление, измельчение и грохочение полезных ископаемых / С.Е. Андреев, В.В. Зверевич, В.А. Перов. - М.: Недра, 1980. - 415 с.
  • Авдохин, В.М. Основы обогащения полезных ископаемых / В.М. Авдохин. - М.: Горная книга, 2010. - 417 с.
  • Моркун, В.С. Адаптивные системы оптимального управления технологическими процессами горно-обогатительными комбинатами / В.С. Моркун, И.А. Луцевич. - М.: Минерал, 2009. - 261 с.
  • Тихонов, О.Н. Автоматизация производственных процессов на обогатительных фабриках / О.Н. Тихонов. - М.: Недра, 1985. - 207 с.
  • Козин, В.З. Автоматизация производственных процессов на обогатительных фабриках: учеб. для вузов / В.З. Козин, А.Е. Троп, А.Я. Комаров. - М.: Недра, 1980. - 336 с.
  • Процуто, В.С. Автоматизированные системы управления технологическими процессами обогатительных комбинатов / В.С. Процуто. - М.: Недра, 1987. - 252 с.
  • Принципы построения математических моделей в АСУТП производства железорудных окатышей / А.П. Буткарев, Е.В. Некрасова, Н.Г. Машир, Ю.В. Сиверин // Сталь. - 1990. - № 3. - С. 15-21.
  • Дюк, В.А. Data Mining: учеб. курс / В.А. Дюк, А.П. Самойленко. - СПб.: Питер, 2001. - 368 с.
  • Williams, G. Data Mining with Rattle and R: The Art of Excavating Data for Knowledge Discovery / Graham Williams. - USA, Springer, 2011. - 396 p.
  • DOI: 10.1007/978-1-4419-9890-3_17
  • Программная реализация метода деревьев решений для реализации задач классификации и прогнозирования / Т.В. Зайцева, Н.В. Васина, О.П. Пусная и др.; НИУ БелГУ // Научные ведомости БелГУ. Сер. История. Политология. Экономика. Информатика. - 2013. - № 8 (151), вып. 26/1. - С. 121-127.
  • Бахвалов, Л.А. Построение и оптимизация математических моделей по экспериментальным данным / Л.А. Бахвалов, М.А. Комаров. - М.: Изд-во МГГУ, 1997. - 320 с.
  • Ашихмин, A.A. Разработка и принятие управленческих решений: формальные модели и методы выбора / A.A. Ашихмин. - М.: Изд-во МГГУ, 1995. - 80 с.
  • Краснощёков, П.С. Принципы построения моделей / П.С. Краснощёков, А.А. Петров. - М.: Фазис, 2000. - 400 с.
  • Kazarinov, L.S. Oblong ellipsoid method in process efficiency control / L.S. Kazarinov, T.A. Barbasova // 2015 International Conference on Mechanical Engineering, Automation and Control Systems (MEACS). - 2016. - Paper number 7414875.
  • DOI: 10.1109/MEACS.2015.7414875
  • Kazarinov, L.S. Elliptic component analysis / L.S. Kazarinov, T.A. Barbasova // 2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). - 2017. - Paper number 7910936.
  • DOI: 10.1109/ICIEAM.2016.7910936
  • Kazarinov, L.S. Identification method of blast-furnace process parameters / L.S. Kazarinov, T.A. Barbasova // Key Engineering Materials. - 2016. - Vol. 685. - P. 137-141.
  • DOI: 10.4028/www.scientific.net/KEM.685.137
  • Kolesnikova, O.V. Identification of the Efficient Manufacturing Characteristics / O.V. Kolesnikova, L.S. Kazarinov, A.D. Nelubina // Energy Procedia. - 2017. - P. 79-88.
  • DOI: 10.1016/j.egypro.2017.09.602
  • Ризаев, И.С. Интеллектуальный анализ данных для поддержки принятия решений / И.С. Ризаев, Я. Рахал. - Казань: Изд-во МОиН РТ, 2011. - 172 с.
  • Соколов, Б.В. Концептуальные основы оценивания и анализа качества моделей и полимодельных комплексов / Б.В. Соколов, Р.М. Юсупов // Изв. РАН. Теория и системы управления. - 2004. - № 6. - С. 6-16.
  • Ларичев, О.И. Теория и методы принятия решений / О.И. Ларичев. - М.: Логос, 2000. - 295 с.
Еще
Статья научная