论文结稿范文.doc

论文结稿范文 分类号:TP273.5密级:U DC:单位代码:10146学号:84013508The researchof controlsystem inoptimizing flotation process indicatorsxx.12.17xx.12.19本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得辽宁科技大学或其它教育机构的学位或证书而使用过的材料，与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 签名日期本人完全了解辽宁科技大学有关保留、使用学位论文的规定，即学校有权保留送交论文的复印件，允许论文被查阅和借阅学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 (保密的论文在解密后应遵守此规定)签名导师签名日期I选矿企业作为典型的连续流程型企业，其最关键生产指标通常指精矿品位及金属回收率，对于浮选过程而言，精矿品位的稳定与否更是起着决定性的作用。 传统的选矿企业通常参考要达到的经济目标根据选矿流程机理和工厂生产积累的经验把要达到的生产指标分解为对应的工艺指标，例如磨矿粒度、矿浆浓度及加药量等，生产操作人员的工作就是将工艺指标保持在规定的范围内，而生产管理人员则按照工艺指标是否在规定范围内来检查生产操作的优劣。 本文的研究主要是通过对浮选过程关键工艺指标进行优化从而实现对浮选过程生产成本更好的控制的目的。 本文以某矿厂的实际工况做依托，以预测的精矿品位为输入条件，以原矿品位和原矿流量作为边界条件，运用案例推理技术建立数据库，建立以粗糙集理论为依托的搜索方法，完成对浮选过程生产指标优化系统软件的开发。 该软件应用Microsoft Visual studioxx开发环境，运用的编程语言是VB.，系统数据库为Microsoft SQLserverxx。 本文详细介绍了基于案例推理技术的浮选工艺指标模型的具体情况，同时针对粗糙集理论在案例检索中的应用进行了具体的解释，并且根据具体程序的应用，对浮选过程生产指标优化系统结构及功能进行了较详细的展示，通过具体实践证明该系统的实用性与有效性。 我国铁矿石类型多样，主要类型及比例为磁铁矿型55.40%，赤铁矿型18.10%，菱铁矿型14.40%，钒钛磁铁矿型5.30%，镜铁矿型3.40%，褐铁矿型1.10%，混合型2.30%。 中国铁矿石的共（伴）生组分多，物质成分复杂。 据统计，全国已勘探的2034处铁矿产地中，呈单一铁矿床的1588处，以铁为主的280处，共（伴）生铁矿床166处。 多组分铁矿石常伴有钒、钛、稀土、铌、铜、锡、钼、铅、锌、钴、金、铀、硼和硫、砷等元素。 根据“提铁降杂，实现企业整体效益最大化”的观点，在铁矿石的选矿工艺方面，针对磁铁矿选矿提出了弱磁阴离子和阴离子浮选法、弱磁磁选柱（全磁选工艺）分选法、弱磁磁场筛选机分选法、弱磁选高频振动细筛分选法和超细磁湿式磁选抛尾工艺、针对赤铁矿选矿提出了磁选阴离子反浮选工艺和强磁选细筛工艺。 在以市场经济体制做主导的今天，企业若想求发展求创新，成本和市场是最不容忽视的两大方面，尤其成本控制的优劣更是决定企业产品是否在市场中占有竞争力的直接因素。 对选矿企业而言，成本控制主要包括生产成本和管理成本两个主要方面。 生产成本即是工业企业为生产一定种类、一定数量的产品所发生的直接材料、直接人工和制造费用的总和。 对于有形产品来说，生产成本也被称为制造成本。 管理成本是指企业行政管理部门为组织和管理生产经营活动而支出的成本。 1无疑，生产成本和管理成本对于企业来说都是至关重要的。 选矿企业的自动化控制是一种降低企业成本的非常直接有效的方式。 选矿厂靠人工操作很难使生产维持在最优状态，未来矿业发展的趋势是将“专家系统”与最优适时控制结合，达到根据矿石性质变化适时调节生产参数，使选矿生产始终保持在最优状态。 选矿自动化，不但投资回收快，见效大，而且可提高处理能力，降低药耗和电耗。 能耗可降低10%左右。 .本文的重点研究内容就是通过对选矿企业关键生产指标进行优化从而实现对生产成本更好的控制的目的。 选矿企业作为典型的连续流程型企业，其关键生产指标通常指精矿品位和金属回收率，传统的选矿企业通常参考要达到的经济目辽宁科技大学硕士论文第一章绪论2标根据选矿流程机理和工厂生产积累的经验把要达到的这两个生产指标分解为对应的工艺指标，例如磨矿粒度、矿浆浓度及加药量等，生产操作人员的工作就是将工艺指标保持在规定的范围内，而生产管理人员则按照工艺指标是否在规定范围内来检查生产操作的优劣。 本文的研究主要是围绕实现浮选工艺指标的动态优化控制而展开的。 浮选全称浮游选矿，主要指泡沫浮选，是根据矿物颗粒表面物理化学性质的差异，从矿浆中借助于气泡的浮力实现矿物分选的过程。 现代的浮选过程一般包括以下作业 （1）磨矿。 先将矿石磨细，使有用矿物与其他矿物（或脉石矿物）解离； （2）调浆加药。 调整矿浆浓度适合浮选要求，并加入所需的浮选药剂，以提高效率； （3）浮选分离。 矿浆在浮选机中充气浮选，完成矿物的分选； （4）产品处理。 浮选后的泡沫产品和尾矿产品进行脱水分离。 图1.1为本文所针对的某矿业公司选矿过程采用的浮选生产过程的流程图。 图1.1浮选生产过程流程图前级球磨系统的输出作为浮选工艺的给矿，其矿浆浓度在38%左右，精矿品位在68.5%左右。 矿浆首先进入给矿箱，给矿箱连接搅拌桶，给矿流量由变频泵进行调节。 在搅拌桶中通过药剂计量泵加入一定浓度的特定浮选药剂，同时通过蒸汽加热将矿浆温度控制在40摄氏度以上。 搅拌可以使药剂和矿浆达到最大程度的混合和充分的反应。 然后进入浮选槽中，浮选槽分粗选槽、精选槽、扫选槽。 经粗选槽浮选后的精矿进入精选槽进行精选，经粗选槽浮选后的尾矿进入扫选槽辽宁科技大学硕士论文第一章绪论3进行扫选。 经精选槽浮选后的精矿作为最后精矿输出，经精选槽浮选后的尾矿也进入扫选槽进行扫选。 经扫选槽浮选后的精矿再返回粗选槽进行浮选，扫选槽浮选后的尾矿作为最后废矿处理。 由于选矿生产过程机理的复杂性，实际上想要建立以生产指标为目标的数学模型是非常复杂的。 在选矿生产过程中，工艺工程师在根据生产指标如何给出合适的工艺指标方面积累了大量的经验，因此，根据专家知识计算出选矿生产过程中工艺指标的方法近年来得到了国内外学者的很多重视，并且取得了较好的效果。 当然，对于相异的选矿生产过程条件自然也需依据不同的工艺指标，但是在实际中，如尾矿品位、废石等指标，难以用常规的数学模型来描述，大多数选矿企业都仍然是凭借人工经验对其进行设定的。 日本的川铁株式会社提出了商业系统集成解决方案，包括制造、销售、服务等部门，并开发了生产控制、销售控制、库存控制、成本控制等系统，并在川崎制铁进行了应用，取得了良好的效果。 日本鹿岛制铁所1970年建立了能源中心，开发了能源管理系统，实现了能源的预测、分析和控制，降低了企业能源成本2。 美钢联钢铁公司实行实际成本核算。 他们对成本控制的方法，主要是抓各项经济技术指标，如原料、能源消耗、劳动生产率等指标，对制造费用实行预算管理。 美钢联还建立了综合信息系统，控制生产成本。 美国内陆钢铁公司建立了标准成本制度，为监督生产和市场活动提供成本信息，校正实际工作中的责任成本和目标成本与标准成本之间的差距。 加拿大B.Flintoff在文献3中提出了选矿企业的五层控制结构，而文献46为了使信息的集成更为有效针对复杂的冶金工业过程，提出了由底层控制与上层监督控制层两层结构组成的集成优化控制方法，实现与综合生产指标相关的工艺指标的优化控制。 南非Minteck公司的Planstar2000是由过程稳定化、过程优化、过程管理三层结构组成的选矿生产过程自动化系统7，Mintek公司将磨矿、浮选控制策略和该公司的MillStar和FloatStar系统功能以及其它部分进行了整合。 应用该系统实现了在设定点附近进行稳定控制基础上的选矿厂关键生产指标优化。 瑞典LKAB公司Kiruna选矿厂考虑到大多数选矿工序设有孤立的稳定和监控系统，为了实现全厂的总利润最大化，依据全厂协调策略将这些孤立的系统联系起来构成了一个整体，实现了选矿厂的全过程优化控制，优化了金属回收率等辽宁科技大学硕士论文第一章绪论4选矿生产指标8。 东北大学自动化研究中心以酒钢集团选矿厂生产过程综合自动化系统为背景提出了由生产过程管理系统和过程控制系统两层结构组成的实现金属回收率、精矿品位、原矿处理量和精矿成本等综合生产指标优化的选矿生产过程综合自动化系统。 提出的综合自动化系统将综合生产指标通过综合生产指标优化系统、工序生产指标优化系统和工艺指标优化控制系统层层分解与优化，自动转换为控制系统的底层控制回路设定值，在边界条件发生变化时，实现了对综合生产指标的优化控制9。 文献10针对选矿厂生产调度过程，提出了一种面向生产指标优化的选矿过程调度方法，该方法在保证精矿品位的前提下，尽量减少精矿库存，最大限度地利用设备能力.讨论了基于该方法的选矿生产调度系统的结构、功能和优化策略.采用该方法的调度系统的功能除了具备普通的调度系统的设备运行调度和资源调度功能外，还包括生产指标的优化，即以生产指标、工艺指标逐层分解和设定，逐层优化控制的思想，实现了管理和控制一体化.14本文的主要目标就是把选矿企业全厂的经济指标的优化目标逐层的分解为简单的控制问题，重点在于通过控制浮选加药量以实现得到稳定的目标精矿品位，达到控制选矿生产成本的目的。 文献11在对工业生产中质量控制的研究中提出了新的思路，与传统的研究方法相反，通过建立基于BP神经网络的生产线产品逆质量模型，将要达到的产品质量指标作为网络输入，网络输出为操作变量应有的变动，用于指导对工业生产的操作和控制。 本文就是受到这个观点的启发，根据某矿场的一段时间内浮选生产的相关数据以及精矿品位，制定下一阶段所要达到的精矿品位的目标，以此为已知条件，通过在案例库中搜索推理，求得加药量等的一系列浮选工艺指标，从而实现对浮选操作进行指导的目的。 具体流程如图1.1所示。 辽宁科技大学硕士论文第二章选矿生产过程及其成本控制5图1.1系统结构流程图辽宁科技大学硕士论文第二章选矿生产过程及其成本控制6图2.1选矿过程示意图选矿生产过程通常是由选矿前的矿石准备作业。 选别作业和选后的脱水作业所组成的。 （1）选前的准备作业，包括矿石的破碎与筛分、磨矿与分级，这些作业通采场的矿石储矿仓破碎筛分粉矿仓磨矿分级选别作业精矿中矿尾矿浓缩单独处理或返回处理送尾矿库堆存滤饼溢流干燥精矿水分辽宁科技大学硕士论文第二章选矿生产过程及其成本控制7称为粉碎作业。 其目的是使矿石中的有用矿物和脉石矿物（或不同的有用矿物）实现单体解离，或者使物料的粒度满足选别作业的要求。 （2）选别作业，包括一种或多种选矿方法，是使已解离的有用矿物与脉石矿物（或不同的有用矿物）实现分离的作业。 （3）选后的脱水作业，包括精矿的浓缩，过滤和干燥，目的是脱除精矿中的水分，以便于储存、运输和出售。 选矿过程如图2.1所示浮选生产在矿物原料整个加工过程中介于磨矿与冶金生产之间，其作用是将磨矿生产提供的较低品位的矿石，通过浮选生产过程，使矿石中的有用金属含量富集几倍到几百倍，并且供给冶金生产之用12。 浮选生产属于连续流程型生产过程，具有连续流程工业的典型特征，其精矿品位和金属回收率等生产指标的优化具有如下特点 (1)非结构化。 由于浮选生产流程长，工序间相互影响，相互作用且涉及复杂的物理与化学变化，生产指标优化问题往往是非结构化的，例如，精矿品位等与其影响因素之间很难用传统的数学模型来表示。 (2)多因素性。 浮选生产过程矿石质量的波动、浮选生产过程中操作条件的改变等都会对生产指标产生影响，例如浮选加药量、浮选机进气量等对精矿的最后品位及金属回收率都会产生重要的影响。 (3)随机性。 无论是浮选生产过程还是其所处的环境中都存在很多随机和不确定性因素，如不可预期的物料延误，浮选机等关键设备的故障，这些扰动均有可能在整个工厂中传播，进而影响整个选矿生产过程，导致精矿品位或金属回收率的恶化。 (4)多目标性。 实际浮选生产常是多目标的，例如即要求精矿品位、产量达到某一水平，又要求金属回收率达到某一水平。 这些目标间可能发生冲突。 (5)动态性。 采矿-选矿-冶金之间相互影响，浮选生产的原料矿石以及产品精矿的价格都会受到市场因素的影响而发生波动，这种波动最终会决定选矿过程中精矿品位或金属回收率的数值是否合理。 影响贵金属选矿效果的不确定因素很多，如原矿性质、磨矿粒度、浮选药剂、反应时间等等。 诸多复杂不确定因素作用的结果使技术人员难以及时准确地判断出选矿过程中出现的问题。 辽宁科技大学硕士论文第二章选矿生产过程及其成本控制8尽管浮选生产过程控制被许多专家认为是低风险、高回报、易实现、易增值的一项技术，但在实际浮选生产中，过程控制的应用却远未达到预期的效果。 近年来电子技术、计算机技术的飞速发展极大地促进了自动控制领域的技术进步，新型的控制仪表、控制方案层出不穷，可是根据文献报道，在选矿过程控制领域，95%的控制回路仍然采用常规的稳定化控制，其中仅有不到50%的回路能够良好运行，完全代替手工操作。 至于监督控制、优化控制等先进的控制策略，真正能在现场长期可靠运行的仅限于少数大型选矿厂。 虽然自上世纪70年代中期小型计算机的应用开始，有关人员进行了基于过程模型的优化控制、实时专家系统以及最近的生物控制(如模糊控制、神经网络、遗传算法等)，但这些大都处于理论和初步应用研究阶段。 浮选生产过程控制技术在近10年的发展与其他行业相比仍较为缓慢。 浮选生产成本控制是围绕生产工艺各要素所产生的物料消耗费用、能源消耗费用等而进行的计划、协调、控制的管理工作。 它是以生产现场为基本要素，是一项综合性管理。 浮选生产成本控制是由成本管理控制部门对生产过程中发生的物料、能源等消耗、各部门分担的制造费用实际发生值进行成本核算，核算出原料、能源成本、制造费用及精矿产品成本，并与相应的计划进行比较，并结合企业重要的生产指标统计值、设备运行状况等对比较结果进行分析，分析出的消耗差异原因下发到生产作业区负责人员手中，由他们针对原因对影响成本的工艺指标进行调整或采取相应的措施。 同时，分析结果也作为对企业各部门成本考核的依据，对其奖惩。 以某选矿厂产品成本综合铁精矿单位可控成本为例，其产品成本由原料矿石费用（占单位成本总额83.76%）、燃料动力费用（占单位成本总额10.12%）、辅助材料费用（占单位成本总额2.52%）和制造费用（占单位成本总额3.60%）组成。 原料矿石费用一方面取决于不同原矿的品质和不同原矿处理量的配比，另一方面取决于原料在工艺流动中的流向和流量，即减少或降低精矿产品外的矿石损失。 在物料结构、品种数量等都是在上级给定的情况下，原料矿石费用主要取决于各种矿石的实际单耗。 影响原料矿石费用的影响因素之间存在着相互制约关系。 选矿产品成本构成的因素之间也相互影响，存在耦合现象13(如矿石品位的高低将影响燃料动力的消耗、辅助材料的消耗。 品位低的矿石降低了原料矿石成本，却增加了燃料动力成本、辅助材料成本)。 由上述分析可以得出，选矿产品辽宁科技大学硕士论文第二章选矿生产过程及其成本控制9成本预测问题是一类复杂的预测问题，主要表现在影响产品成本的因素很多，其与产品成本的关系为非线性且这些因素互相关联。 浮选生产过程是一个非常复杂的过程，具有非线性和时变性的特点，想要对其整个过程的成本进行整体把握是一件非常困难的事情，既需要对生产过程中各生产技术指标进行监控和提示，也需要对浮选生产的整体过程的连接有一个动态的了解，因此，现阶段，动态成本分析对于浮选生产过程的成本控制还是非常有帮助的。 精矿是选矿厂生产的主要产品，精矿的品位和回收率直接关系到一个选矿厂的经济效益。 辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究10选矿全流程工艺指标决策的问题是个动态连续问题，人工智能技术具有自适应特点，在解决问题时根据条件的变化不断调整推理过程，使方法本身具有适应性;选矿过程中的各要素之间联系紧密，孤立地研究某个局部问题或单一问题都是不切实际的，因为选矿问题的研究往往涉及因素繁多，解决问题需要丰富的经验知识，采用人工智能技术，建立专家库或案例不但可以减轻工作量，同时可以避免因技术人员知识水平低或经验不足而使选矿问题解决出现不合理现象;选矿问题具有不确定性，包括数据和选矿问题知识的不确定，可以说是一个不完善的系统分析与决策过程，传统优化方法会因知识的不确定而无法解决，而人工智能技术具有高度容错性，可以从残缺的信息中提取到问题的实质，很好解决不确定性问题;选矿规律的认识不清楚，有些甚至一无所知，对于这些结构不良的问题引入人脑的学习和创造性思维的机制，采用人工智能技术可以让问题具有一定的自学习、自适应创新和推广决策能力。 基于案例推理技术提供了一种在缺乏系统模型但却有丰富经验的场合下对问题进行求解的方法。 同时，案例推理技术随着保存的案例增多，案例库日益完善，推理的有效性和精确性会日益提升。 因此，案例推理技术是选矿生产关键指标优化的一个可行的解决办法。 案例推理是模拟人类类比思维的一种推理方法，其推理过程往往具有人类经验推理的一些特征14。 案例推理的基本过程是当遇到一个新问题时，系统根据关键特征在原始案例中进行检索，找到一些与待求的问题最相近的候选案例，重用候选案例的解决方法。 如果对此候选案例的解决方法不满意，可以对它进行修改以适应待求解的问题，最后把修改过的案例作为一个新的案例保存在案例库中，以便下次遇到类似的问题时作为参考。 案例推理中知识表示以案例为基础，案例具有自学习的功能，大大地简化了知识获取的过程；对过去的求解结果进行复用，而不是再从头开始推导，这样可以大大提高对问题的求解效率；过去求解成功或失败的经历可以指导当前求解成功或者避免失败，从而改善问题的求解质量，对于那些很难通过常规方法来解决的问题，案例推理也能够很好地发挥作用。 因此，它是人工智能与专家系统设计的一种非常具有发展前景的方法15。 辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究11案例推理技术是以自然界的两大原则为理论前提的，一个原则是世界是规则的，相似的问题有相似的求解方法和过程；另一个原则是事物总是会重复出现，我们遇到的相似问题也总是会重复出现的。 因此，案例推理的实质是利用以往成功或失败的经验案例经过推理得到当前问题的解16，模拟人类求解问题的思路，通过修改已有的解决方案满足求解新问题的需要，评价新方案，解答新问题。 显然，从一个具体问题的求解经验中学习要比重新归纳容易得多。 一般认为，一个案例推理过程主要有四大步骤，即案例检索(Retrieval)、案例重用(Reuse)、案例修正(Revise)、案例保存(Retain)。 (1)案例表示与组织案例表示是案例推理的基础。 案例推理技术在很大程度上取决于所收集案例的表示结构和内容。 案例表示需要决定哪些知识将存贮在案例中，并找出一种适当的结构来描述案例内容。 经验在案例推理过程中一般是以结构化的方式表示的，是对应用领域的结构化进行描述的。 许多实际案例推理应用中，案例通常表示为问题和问题解的值对。 目前使用较多的案例表示法有一阶谓词表示法、Petri表示法、面向对象表示法、框架表达法。 (2)案例检索案例检索是利用案例库的索引和组织结构，根据待解决问题的问题描述在案例库中找到与该问题或情况最相似的案例。 案例推理系统的检索方法分为三种相联检索、层次检索、基于知识的检索。 (3)案例重用案例检索阶段结束，接着进入案例重用阶段。 案例重用阶段是根据对新案例特征的描述，决定如何由检索出的匹配案例的解决方案得到新案例的解决方案的过程。 案例重用阶段是案例推理过程中难点，在一些简单的系统中，可以直接将检索到的匹配案例的解决方案复制到新案例，作为新案例的解决方案。 这种方法适用于推理过程复杂，但解决方案很简单的问题。 在多数情况下，由于案例库中不存在与新案例完全匹配的存贮案例，所以需要对存贮案例的解决方案进行调整以得到新案例的解决方案。 案例重用过程是对当前问题描述和不太正确的建议解进行调整，使之得到更适合当前情景的较好的解答。 简单的调整只需要对过去解中的某些组成部分进行简单的替换，复杂的调整甚至需要修改过去解的整体结构。 调整可以在新解的形成过程中完成，也可能是当新解在执行过程中所做的进一步的修正。 辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究12案例重用一般有两类方法基于知识密集型的方法(Knowledge-Intensive Adaptation)和基于知识贫瘠型的方法(Knowledge-Lean Adaptation)。 (4)案例修正在案例重用得不到满意的解时，需要使用领域知识对不合格的解决方案进行修正，修正后符合应用领域的要求。 案例修正实际上包括案例方法进行评估和错误修正两部分，方法评估是指将获得的新问题的解决方案应用到实际环境中去，根据效果来判断这次案例推理求解成功与否。 当评估结果还未反馈回来时，显然暂时问题的解决方法还不能被案例推理系统学习，如果求解成功或满足客户要求，则直接进行案例的学习阶段，否则就要进行错误修正和解释为什么没有达到预期的求解目标，这种情形下的工作主要由领域专家来完成了，但修正的理由、失败的原因及修改的方法等等必须形式化地记录到案例库中去，成为以后学习推理的重要内容。 案例修正之所以是案例推理过程的难点，主要是因为缺乏获取和利用一组协调一致的调整知识的方法学。 目前学习案例修正知识的方法有下列两种方法利用领域知识来学习修正规则，此方法的优点是可以与其他基于知识的系统相互利用领域知识;互式修正规则的学习，一般是从专家用户处学习修正知识。 (5)案例存储经过前述步骤后，新问题可以认为被解决了，但对案例推理过程而言还存在许多工作，例如，新问题解决方法的正确性，即建议方法多大程度解决了问题或满足了客户要求;产生的新方法需要作为新知识被学习吗?该方法与系统的已有知识相容吗?案例推理系统的学习体现在案例库及一些知识库的增长过程中，只要是新的案例不断地加入到案例库里，当新输入的问题通过案例推理系统解决以后，是否加入到案例库中去，这可以通过多种方法来判断决定，常用的技术是在案例库中找出近似于新问题的旧有问题，以此决定学习与否。 如何进行案例表示、组织以及检索到最相似的案例和如何重用修正该案例是案例推理技术决策系统构建过程中的关键技术17。 所以问题的求解质量主要取决于案例的表示、组织、案例检索以及案例重用和案例修正。 目前在实现这些关键技术主要存在以下问题大多数案例推理系统的检索过程都是在原始案例库中，采用相似度模型，根据问题案例与库中案例进行相似度运算进行检索，在问题检索过程中大都采用相同的权重来描述案例描述特征。 但这个检索过程存在两辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究13个问题，首先，原始的案例库中存在大量的冗余干扰案例，这些干扰的冗余的案例不仅影响检索的效率，而且当检索出来的干扰案例过多时，必然会影响到最终的决策结果；其次，权重系数的大小反映了在案例相似度评估中特性属性的相对重要程度，反映了专家对领域知识的理解，是专家经验和决策意志者的体现。 它在相当程度上决定了案例的检索精度，取值的好坏将直接影响到评估结果的好坏，而采用相同的权重来描述案例、描述特征，不符合现实世界的实际情况，必然会影响到检索精度。 因此，本文采用基于粗糙集理论进行案例库约简和确定特征权重，从而提高检索的质量，最终提高系统决策的准确度。 浮选工艺指标决策过程是根据上层调度层下达的生产指标，核心是精矿品位，在原矿边界条件下(原矿流量、原矿品位)决策出最优的浮选工艺指标。 浮选，即泡沫浮选，是一种应用相当广泛的选矿技术，是在有用矿物(主要是Fe3O4)与脉石矿物(主要是SiO2)在矿浆中充分分散的条件下，依据各种矿物表面性质的差异，从矿浆中借助汽泡的浮力选分矿物的方法18。 利用浮选药剂改变矿物表面的疏水性或亲水性，把有用矿物浮出浆面回收的浮选方法称为正浮选，反之浮选脉石矿物称为反浮选，同时根据浮选药剂在矿浆中所产生的离子极性的不同又分为阳离子浮选和阴离子浮选。 其中，阴离子反浮选工艺具有高效的选别效果19。 反浮选充分利用矿物的重力特性一般地，石英的密度在2.65g/cm3左右，铁矿物的密度在5.0g/cm3左右，矿浆的密度在(1-2)g/cm3之间，使得石英在矿浆中的有效重力远远低于铁矿物在矿浆的有效重力。 这表明从重力特征上石英在有效的药剂作用而使浮选效果更好。 在阴离子反浮选作业中，共有氢氧化钠、淀粉、氧化钙、捕收剂等4种药剂在矿浆中发生作用，药剂种类多，在过程中可以通过多个变量实现浮选作业的控制。 药剂种类的增多，使得浮选过程的针对性更强。 其中，仅就其中的氢氧化钠而言，就有调节矿浆pH值、改变矿浆表面电位、影响其它药剂的赋存状态和效果的作用。 通过上述内容可以明确，原矿流量、原矿品位、氢氧化钠、淀粉、氧化钙、捕收剂的决策值与精矿品位的目标值、原矿种类决策值相关。 而这些关系难以建立优化模型。 其内部关系及边界条件如上述分析可知呈现不规则的非线性变化，因此，可以用下面一个函数关系表它们之间的关系C1，C2，C3，C4，C5，C6=mQ1其中，C1代表原矿流量决策值，C2代表原矿品位决策值，C3代表氢氧化辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究14钠决策值，C4代表淀粉决策值，C5代表氧化钙决策值，C6代表捕收剂决策值，Q1代表精矿品位决策值。 本文利用案例推理技术，通过寻找与典型工况相似的历史案例，利用经验对新问题进行推理浮选工艺指标决策值。 为了实现浮选工艺指标的优化决策，案例推理系统需要确定如何对这些决策信息进行描述，在典型工况中存储那些知识，以什么样的结构来存储和描述这些知识;如何对工况之间的相似度进行描述;如何对当前工况的决策结果进行评价以及如何更新案例库等。 基于案例推理的浮选工艺指标优化决策模型首先提取当前的工况信息，定义问题案例后，与历史案例库中的典型案例进行比较和检索，再经过案例重用，得到重用案例，最后经过案例修正和存储，不断丰富案例库，最终实现对变化工况的自适应。 综上所述，浮选工艺指标优化决策的案例推理过程的输入输出的关系图如图3.1所示。 图3.1浮选工艺指标决策的案例推理过程输入输出关系浮选工艺指标决策问题就是在给定的边界条件即原矿品位和原矿流量，及预测的精矿品位确定的情况下，选择合适的四种药剂的加药量。 一般来讲，一个典型的案例包括问题描述和解决方案两种描述。 由于浮选过程比较复杂，浮选工艺指标的决策也在不断地变化，因此时间属性对于决策也有相当重要的参考价值，时间越近的决策值自然越具有参考价值。 因此浮选工艺指标的决策案例推理系统的案例除了包括问题描述信息（C）、解决方案（Q），还有时间属性（T）一项。 即案例是用上述信息表示的一个3元组Case:(C，Q，T)。 各元素含义为Case:代表一条案例知识。 C:代表问题描述，包括当前综合生产指标期望值(精矿品位)、当前的原矿边界条件(原矿流量、原矿品位)。 Q代表解决方案，包括四种药剂（氢氧化纳、淀粉、氧化钙、捕化剂）的加原矿品位原矿流量精矿品位氢氧化钠淀粉氧化钙捕收剂浮选工艺指标决策模型辽宁科技大学硕士论文第三章浮选工艺指标优化方法的研究15药量T:代表该案例存储的时间。 以上三个方面组成了一个层次框架，可以把每个部分用一个框架来描述，下图给出了磁选工艺指标决策模型案例的层次结构。 一个框架由若干个槽的结构组成，槽的属性值称为槽值。 表3.1中给出了每个属性值的类型及单位。 图3.2浮选工艺指标决策模型案例的层次结构表3.1磁选工艺指标优化决策模型框架的表示形式槽名(属性名)槽值(属性值)精矿品位期望值数值型(%)原矿流量数值型(吨)原矿品位数值型(%)原矿种类枚举型根据表3.1所示，选择与浮选工艺指标决策值相关精矿品位、原矿流量、原浮选工艺指标设定模块案例问题描述解决方案