[發明專利]一種選礦生產指標監控系統及方法

有效

• 申請號: 201410370724.5
• 申請日: 2014-07-30
• 公開（公告）號: CN104134120B
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 俞勝平;鄭秀萍;初延剛;王昭;徐泉;胡毅
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02
• 代理公司: 沈陽東大知識產權代理有限公司21109
• 代理人: 劉曉嵐

1.一種選礦生產指標監控系統，其特征在于，包括數據獲取單元、指標影響因素篩選單元、指標監視單元、案例庫維護單元、指標異常分析單元和數據存儲單元，其中，

數據獲取單元：用于獲取選礦生產全流程生產指標歷史數據，包括質量指標、計量指標、設備運行統計指標、礦倉料位指標、工藝指標、能源指標和成本指標，并將獲取的數據發送至指標影響因素篩選單元和數據存儲單元中；

指標影響因素篩選單元：用于根據實際需求確定監控指標和與監控指標有影響關系的多個影響生產指標，并采用基于PLS-VIP的選礦生產指標篩選方法，從選取的多個影響生產指標中進一步篩選，確定關鍵生產指標，并將關鍵生產指標發送至案例庫維護單元；

案例庫維護單元：用于對指標異常分析中用到的案例庫進行維護，包括添加案例、修正案例、刪除案例和查看案例；

指標監視單元：用于根據監控指標的監視畫面，在線實時監控關鍵生產指標的數值，并發送至指標異常分析單元；

指標異常分析單元：用于當監控指標發生異常時，采用基于案例推理方法，根據案例庫中記載的歷史案例，確定當前指標異常情況所屬案例；

數據存儲單元：用于存儲獲取的選礦生產全流程生產指標歷史數據、選取的監控指標、選取的與監控指標有影響關系的多個影響生產指標、實時檢測的關鍵生產指標實際數值和案例庫中記載的生產指標歷史數據。

2.采用權利要求1所述的選礦生產指標監控系統進行的監控方法，其特征在于，包括以下步驟：

步驟1、獲取選礦生產全流程生產指標歷史數據，包括質量指標、計量指標、設備運行統計指標、礦倉料位指標、工藝指標、能源指標和成本指標；

步驟2、根據實際需求，從選礦生產全流程生產指標中選取所需監控指標；

步驟3、根據實際需求，從選礦生產全流程生產指標中選取與監控指標有影響關系的多個影響生產指標；

步驟4、采用基于PLS-VIP的選礦生產指標篩選方法，從選取的多個影響生產指標中進一步篩選，確定關鍵生產指標，具體方法如下：

步驟4-1、根據歷史數據，確定多組影響生產指標的具體數值，將該生產指標作為自變量，并構建自變量數據矩陣；

自變量數據矩陣的行數為影響生產指標的組數，矩陣的列數為影響生產指標的個數，矩陣的元素為影響生產指標的具體數值；

步驟4-2、根據歷史數據，確定多組監控指標的具體數值，將監控指標為因變量，并構建因變量數據矩陣；

因變量數據矩陣的行數為監控指標的組數，矩陣的列數為監控指標的個數，矩陣的元素為監控指標的具體數值；

步驟4-3、對自變量數據矩陣和因變量數據矩陣進行標準化處理；

步驟4-4、采用NIPALS方法對自變量數據矩陣和因變量數據矩陣進行主成分提取；

步驟4-5、確定每個自變量的變量投影重要性指標；

${\mathrm{VIP}}_j=\sqrt{\frac{p}{Rd(Y;t_1,\mathrm{...},t_s)}\underset{h=1}{\overset{s}{\Σ}}Rd(Y;t_h)w_{hj}^2}---\left(1\right)$

其中，VIP_j為第j個自變量的變量投影重要性指標，j＝1,2,...,p，p為自變量個數；

s為主成分提取的總次數；

t_h為從自變量數據矩陣中第h次提取的主成分；

w_hj為矩陣的最大特征值所對應單位特征向量w_h的第j個分量，E_h-1表示第h-1次主成分提取中獲得的自變量數據矩陣，F_h-1表示第h-1次主成分提取中獲得的因變量數據矩陣；當h＝1時，E₀表示構建的自變量數據矩陣，F₀表示構建的因變量數據矩陣；Rd(y_j；t_h)為t_h對因變量數據矩陣Y的解釋能力；Rd(y_j；t_h)＝r²(y_j；t_h),r(y_j；t_h)為t_h與因變量y_j的簡單相關系數；q表示監控指標個數；

為t₁,...,t_s對因變量數據矩陣Y的累積解釋能力；

步驟4-6、判斷每個自變量的變量投影重要性指標是否大于等于變量投影重要性指標閾值，若是，則保留該自變量，即保留對應影響生產指標，當所有自變量均判斷完成后執行步驟4-8，否則，刪除該自變量，即刪除對應影響生產指標，當所有自變量均判斷完成后執行步驟4-7；

步驟4-7、將剩余的自變量重新構成自變量數據矩陣，即將多組剩余影響生產指標重新構成自變量數據矩陣，并返回執行步驟4-4至步驟4-6，直至剩余每個自變量的變量投影重要性指標均大于等于變量投影重要性指標閾值；

步驟4-8、將最終剩余的自變量，即最終剩余的影響生產指標作為關鍵生產指標；

步驟5、根據獲得的關鍵生產指標，查詢案例庫，確定監控指標異常時，關鍵生產指標對應的數值，及該情況下案例庫中所存儲的分析結果和調整方案；

步驟6、現場工作人員根據監控指標的監視畫面，在線實時監控關鍵生產指標的數值，當監控指標發生異常時，采用基于案例推理方法，根據案例庫中記載的歷史案例，確定當前指標異常情況所屬案例，具體方法如下：

步驟6-1、獲取當前關鍵生產指標的具體數值；

步驟6-2、確定發生異常的關鍵生產指標；

即將每個關鍵生產指標的實際數值與其設定值做差，將差的絕對值與關鍵生產指標的實際數值相除獲得指標差異率，將指標差異率與其設置閾值相比較，若大于設定指標差異率閾值，則該關鍵生產指標發生異常；

步驟6-3、采用最近相鄰法，確定當前監控指標異常情況與案例庫中每個案例的相似度：

$SIM(G_{in},G_k)=\frac{\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\ω}}_i\×sim(v_i,v_{i,k})}{\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\ω}}_i}---\left(2\right)$

其中，G_in為當前指標異常情況；

G_k為案例庫中第k個案例；

m為關鍵生產指標的個數；

ω_i為第i個關鍵生產指標相對于監控指標影響的權值；

SIM(G_in,G_k)為當前指標異常情況與第k個案例的相似度；

v_i,k為第k個案例中的第i個特征的值，即第i個關鍵生產指標；

sim(v_i,v_i,k)為當前指標異常情況下第i個關鍵生產指標，與第k個案例中第i個關鍵生產指標的相似度，計算如下：

$sim(v_i,v_{i,k})=1-\frac{|v_i-v_{i,k}|}{max(v_i,v_{i,k})}---\left(3\right)$

步驟7、選擇當前監控指標異常情況與歷史案例相似度最高的案例，作為當前指標異常情況所屬案例，根據案例庫中該案例記載的分析結果和調整方案，將具體的生產調整指導措施下發到相應生產工序進行現場調整，保證監控指標滿足要求。