[發明專利]快速蒙特卡洛方法預測球磨機磨礦粒度分布的系統及方法

有效

• 申請號: 201410557632.8
• 申請日: 2014-10-20
• 公開（公告）號: CN104318330A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 盧紹文;丁進良;柴天佑;劉鑫
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

1.一種快速蒙特卡洛方法預測球磨機磨礦粒度分布的系統，其特征在于：該系統包括：

數據獲取模塊：用于獲取球磨機研磨總時間、球磨機中初始物料的粒級和初始粒度分布、球磨機機理模型中破碎速率函數的各個參數值和破碎函數的各個參數值；

各粒級質量分數計算模塊：根據數據獲取模塊獲得的初始物料的初始粒度分布分別計算初始物料每個粒級占總物料的質量百分比，并將計算出的初始物料每個粒級占總物料的質量百分比值傳至虛擬顆粒數目計算模塊；

代表粒徑計算模塊：用于根據數據獲取模塊獲得的初始物料的粒級，計算初始物料每個粒級的代表粒徑，并將每個粒級的代表粒徑均傳至虛擬顆粒數目計算模塊、破碎速率計算模塊、破碎概率分布計算模塊和磨礦顆粒數目計算模塊；

虛擬顆粒數目計算模塊：用于根據從各粒級質量分數計算模塊接收的初始物料中每個粒級占總物料的質量百分比、從代表粒徑計算模塊接收的每個粒級的代表粒徑計算每個粒級的虛擬顆粒數目，并將計算出的每個粒級的虛擬顆粒數目傳至磨礦顆粒數目計算模塊；

破碎速率計算模塊：用于根據破碎速率函數及從數據獲取模塊接收的破碎速率函數的各個參數、從代表粒徑計算模塊接收的每個粒級的代表粒徑，計算每個粒級的破碎速率，并將計算出的每個粒級的破碎速率值傳至磨礦顆粒數目計算模塊；

破碎概率計算模塊：用于根據破碎函數及從數據獲取模塊接收的破碎函數的各個參數、從代表粒徑計算模塊接收的每個粒級的代表粒徑，計算每個粒級的破碎概率，并將計算出的每個粒級的破碎概率值傳至磨礦顆粒數目計算模塊；

磨礦顆粒數目計算模塊：用于根據從代表粒徑計算模塊接收的每個粒級的代表粒徑、從虛擬顆粒數目計算模塊接收的每個粒級的虛擬顆粒數目、從破碎速率計算模塊接收的每個粒級的破碎速率和從破碎概率計算模塊接收的每個粒級的破碎概率，利用蒙特卡洛模擬方法模擬球磨機批次磨過程，得到球磨機研磨后的每個粒級的磨礦顆粒數目，并將每個粒級的磨礦顆粒數目傳至粒度分布計算模塊；

粒度分布計算模塊：用于根據從磨礦顆粒數目計算模塊接收的球磨機研磨后的每個粒級的磨礦顆粒數目，計算球磨機研磨后的粒度分布。

2.采用權利要求1所述的快速蒙特卡洛方法預測球磨機磨礦粒度分布的系統預測球磨機磨礦粒度分布的方法，其特征在于：該方法包括如下步驟：

步驟1：設定球磨機進行研磨的初始時刻為t＝0，同時，獲取相應數據；

所述相應數據包括：球磨機研磨總時間T、球磨機中初始物料的粒級和初始粒度分布、球磨機機理模型中破碎速率函數的各個參數值和破碎函數的各個參數值；用D_i表示初始物料的粒級，i＝1，2，…，n，n表示所劃分的粒級總數，且D₁為最大粒級，即D₁至D_n的粒級按順序依次降低，與各粒級相應的初始粒度分布，用M_i表示；

步驟2：根據初始物料的初始粒度分布，計算初始物料每個粒級的質量分數；

初始物料中每個粒級占總物料的質量百分比，即為初始物料每個粒級的質量分數：m_i＝M_i-M_i+1；

步驟3：根據初始物料的粒級，計算每個粒級的代表粒徑；

計算出的每個粒級的代表粒徑用d_i表示；

步驟4：根據步驟2計算出的初始物料每個粒級的質量分數和步驟3計算出的每個粒級的代表粒徑，計算每個粒級的虛擬顆粒數目；

計算出的每個粒級的虛擬顆粒數目用N_i表示；設定最大粒級D₁的初始顆粒數為N₁，則其他粒級的初始顆粒數目按照公式依次計算得出；

步驟5：根據破碎速率函數及破碎速率函數的各個參數值、每個粒級的代表粒徑，計算每個粒級的破碎速率；以S_i表示破碎速率函數；

步驟6：計算每個粒級的破碎概率；

根據破碎函數及破碎函數的各個參數值、每個粒級的代表粒徑計算每個粒級的破碎概率；用破碎函數B_j，i的函數值表示顆粒由D_i粒級破碎至D_j粒級及D_j粒級以下粒級的破碎概率分布，j＞i，j＝i+1，i+2，…，n；用b_j，i表示每個粒級的顆粒由D_i粒級破碎至D_j粒級的破碎概率為b_j，i＝B_j，i-B_j+1，i；

步驟7：根據步驟3計算出的每個粒級的代表粒徑、步驟4計算出的每個粒級的虛擬顆粒數目、步驟5計算出的每個粒級的破碎速率和步驟6計算出的每個粒級的破碎概率，采用快速蒙特卡洛方法求得球磨機研磨后的每個粒級內磨礦顆粒數目；

步驟7.1：根據每個粒級的代表粒徑大小，建立磨礦虛擬顆粒數目狀態轉移矩陣；

方法為：在球磨機研磨過程中，最大粒級D₁內的顆粒對應的破碎事件為n-1種、次最大粒級D₂內的顆粒對應的破碎事件為n-2種，依此類推，則粒級D_i內的顆粒對應的破碎事件為n-i種；則所有粒級所對應的破碎事件有R＝n(n-1)/2+1種；所有破碎事件引起的球磨機內物料顆粒數目的變化值，用狀態轉移矩陣V_r表示，r＝1，2，...，R，其中r表示顆粒由D_i粒級破碎為D_j粒級的破碎事件，j＝i+1，i+2，…，n，則同時，D_i粒級內的顆粒數目改變量為-1，D_j粒級內的顆粒數目改變量為d_i³/d_j³，其他粒級顆粒數目改變量為0；

步驟7.2：利用傾向函數，計算每一粒級的顆粒破碎至其它粒級的概率速率；

傾向函數α_r＝S_i×N_i×b_j，i表示粒級i的粒子破碎至粒級j的概率速率，則傾向函數值α_r表示狀態轉移矩陣中對應的破碎事件r發生的概率速率；

步驟7.3：根據步驟7.1建立的狀態轉移矩陣和步驟7.2計算得到的概率速率，建立每個粒級磨礦顆粒數目變化速率期望矩陣ξ，矩陣ξ中元素的計算公式為：

步驟7.4：確定仿真時間步長；

根據步驟4計算得到的虛擬磨礦顆粒數目、步驟7.1建立的狀態轉移矩陣、步驟7.2計算得到的概率速率和步驟7.3得到的每個粒級磨礦顆粒數目變化速率期望矩陣，并且為保證蒙特卡洛精度，在兩個仿真時間步長內傾向函數不可發生明顯變化，則仿真時間步長為：

Δt=minr∈[1,R]{δ×Σr=1Rαrcr,i×Σi=1nξi}]]>

其中c_r，i為一個過程量，無物理含義，δ為任意給定的常數值，表示蒙特卡洛模擬方法的精度，其值越小，精度越高，但相應的運算速度也就越慢；

步驟7.5：根據步驟7.2得到的傾向函數α_r和步驟7.4到的仿真時間步長Δt，計算當前仿真時間步長內的每一個破碎事件發生的次數；用k_r表示在當前仿真時間步長內，破碎事件r發生了k_r次；

步驟7.6：根據步驟7.1建立的狀態轉移矩陣和步驟7.5得到的隨機向量k，計算當前仿真時間步長內每個粒級內磨礦顆粒數目的改變量；

當前仿真時間步長內每個粒級內磨礦顆粒數目的改變量，為n×1的向量：

λi=Σr=1Rkr×Vr,i]]>

步驟7.7：令t＝t+Δt，更新當前時刻每個粒級內磨礦顆粒數目，重復執行步驟7.2至步驟7.7，直至t≥T，得到球磨機研磨后的每個粒級的磨礦顆粒數目；

根據前一時刻每個粒級的虛擬顆粒數目和步驟7.6得到的當前仿真時間步長內每個粒級內磨礦顆粒數目的改變量，更新當前時刻每個粒級內磨礦顆粒數目；

更新后，當前時刻每個粒級內磨礦顆粒數目N_i＝N_i+λ_i；

步驟8：根據步驟7得到的球磨機研磨后的每個粒級的磨礦顆粒數目和步驟3得到的每個粒級的代表粒徑，計算球磨機研磨后的粒度分布。

3.根據權利要求2所述的快速蒙特卡洛方法預測球磨機磨礦粒度分布的方法，其特征在于：所述步驟7.5中計算當前仿真時間步長內的每一個破碎事件發生的次數的方法為：將粒子的破碎過程看做是一個泊松過程，通過對服從參數為(α_r，Δt)的泊松分布函數進行逆變換，產生一個R×1的隨機向量k，k中元素k_r表示在當前仿真時間步長內，破碎事件r發生了k_r次。