КОМПЬЮТЕРНАЯ МОДЕЛЬ ПРИНЯТИЯ РЕШЕНИЙ ПО РЕКОНФИГУРАЦИИ СТРУКТУРЫ ТЕХНОЛОГИЧЕСКОЙ СИСТЕМЫ ИЗМЕЛЬЧЕНИЯ РУДЫ
←
→
Транскрипция содержимого страницы
Если ваш браузер не отображает страницу правильно, пожалуйста, читайте содержимое страницы ниже
Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
УДК 681.51:622.73
КОМПЬЮТЕРНАЯ МОДЕЛЬ ПРИНЯТИЯ РЕШЕНИЙ ПО РЕКОНФИГУРАЦИИ СТРУКТУРЫ
ТЕХНОЛОГИЧЕСКОЙ СИСТЕМЫ ИЗМЕЛЬЧЕНИЯ РУДЫ
Баласанян Сейран Шамирович1,
seyran@sunicom.net
Геворгян Эрмине Михайловна1,
hermine79@rambler.ru
1
Капанский филиал Национального политехнического университета Армении,
Армения, 3307, г. Капан, ул. Багаберд, 28.
Актуальность исследования обусловлена необходимостью повышения надежности и эффективности функционирования тех'
нологической системы измельчения руды путем введения структурной избыточности.
Цель: обоснование необходимости повышения эффективности функционирования технологической системы измельчения ру'
ды путем введения структурной избыточности (резервных связей), определение наилучшей структуры резервных связей между
измельчительными агрегатами и рациональной стратегии их использования, построение математической модели принятия ре'
шений по реконфигурации (перестроении) структуры технологической системы измельчения руды при отказах ее оборудования
в виде дерева решений, разработка компьютерной модели принятия решений по реконфигурации структуры технологической
системы измельчения руды.
Объект: технологическая система измельчения руды Зангезурского медно'молибденового комбината (Армения).
Методы: метод дерева решений (метод мягких вычислений), имитационное моделирование.
Результаты. В результате имитационных экспериментов с компьютерной модели технологической системы измельчения руды
определена наилучшая структура резервных связей между измельчительными агрегатами и рациональная стратегия их исполь'
зования, с применением которых построена математическая модель принятия решений по реконфигурации структуры техноло'
гической системы измельчения руды (при отказах ее оборудования) в виде дерева решений. На основе этой модели разработа'
на компьютерная модель, позволяющая при изменении работоспособности измельчительных агрегатов своевременно выбрать
наилучшую для данной сложившей отказовой ситуации структуру и режим работы каждого агрегата, независимо от квалифика'
ции и опыта оператора. Благодаря применению этой модели оператор полностью освобождается от обязанностей лица, прини'
мающего решения. Разработанная компьютерная модель включена в состав специального программного обеспечения автома'
тизированной системы управления технологическим процессом измельчения руды Зангезурского медно'молибденового ком'
бината (Армения).
Ключевые слова:
Измельчение руды, отказ, имитационное моделирование, дерево решений, реконфигурация, структурная избыточность.
Введение же разработке на ее основе компьютерной модели
Измельчение руды является важнейшим тех принятия решений по реконфигурации структуры
нологическим процессом рудоподготовки, непо ТСИР Зангезурского медномолибденового комби
средственно предшествующим конечному процес ната (ЗММК, Армения).
су флотации руды и в значительной мере предопре
Содержательное описание нормального
деляющим его эффективность [1–4]. Как показы
вает опыт эксплуатации обогатительных фабрик, функционирования ТСИР
эффективность флотации заметно снижается в ре ТСИР ЗММК (рис. 1) состоит из 21 мельницы
зультате ухудшения выходных характеристик шарового измельчения, 3 мельниц самоизмельче
технологической системы измельчения руды ния, 6 двуспиральных классификаторов типа
(ТСИР) вследствие отказов ее оборудования [5–9]. 2КСН2.4, 10 односпиральных классификаторов
В связи с этим вопросы обеспечения надежности и типа КСН2.0, 11 блоков гидроциклонов 750 мм,
эффективности функционирования ТСИР прио 12 восьмидюймовых грунтовых насосов типа
бретают особую важность. ГрАК 350/40, 10 двенадцатидюймовых грунтовых
Одним из возможных способов повышения эф насосов типа ГрАК 1600/50, 24 систем смазки.
фективности функционирования ТСИР является Цикл шарового измельчения включает 1 шаро
введение структурной избыточности, т. е. резер вую мельницу 1й стадии типа МШР –
вных связей между измельчительными агрегата 32003100 мм, 2 шаровые мельницы 2й стадии
ми (ИА), которые могут быть использованы для ре типа МШЦ – 32003100 мм стандартного размера,
конфигурирования (перестроения) структуры си и 18 удлиненных шаровых мельницы типа МШР –
стемы при отказах ее оборудования с целью рацио 32003800 мм.
нального использования работоспособных агрега Мельницы со своими системами смазки и клас
тов. Данная работа посвящена определению наи сификаторами или блоками гидроциклонов соста
лучшей структуры резервных связей между ИА и вляют измельчительные агрегаты (ИА), которые
рациональной стратегии их использования, а так вместе с грунтовыми насосами входят в состав из
DOI 10.18799/24131830/2019/1/49 39Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
мельчительных комплексов (ИК), работающих по батареей гидроциклонов, причем мельницы агре
схеме двухстадийного измельчения при сопряже гатов А9, А11, А20, А23 2й стадии измельчения одно
нии ИА 2:1 или 1:1 (ДИК (2:1) или ДИК (1:1)). временно подпитываются рудой из бункеров дро
Измельчительные агрегаты А1, А2, А3, А4, А5, бленой руды, что позволяет им при отказе или ре
А6, А7, А8, А11, А13, А16, А17 работают по схеме двух монте мельниц 1й стадии работать в одностадий
стадийного измельчения при сопряжении мельниц ном режиме (1:0). Слив классификаторов и раз
2:1, т. е. две мельницы 1й стадии работают с од грузка мельниц 2й стадии объединяются и посту
ной мельницей 2й стадии. Измельчительные агре пают в зумпфы грунтовых насосов гидроциклонов
гаты А9, А10, А14, А12, А20, А21, А22, А23, А24 и агрега 2й стадии измельчения. В измельчительных ком
ты самоизмельчения АС1, АС2, АС3 работают по плексах, работающих по схеме сопряжения 2:1
схеме двухстадийного измельчения при сопряже (ИК1–ИК3, ИК10), установлены двенадцатидюймо
нии мельниц 1:1 (одна мельница 1й стадии рабо вые грунтовые насосы типа ГрАК 1600/50, заре
тает с одной мельницей 2й стадии). зервированные методом замещения восьмидюймо
Руда из параболического бункера и бункера выми насосами типа ГрАК 350/40, обеспечиваю
дробленой руды крупностьюИзвестия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
Содержательное описание функционирования ТСИР При отказах оборудования входящие в ДИК
при отказах ее оборудования (1:1) (ИК4, ИК6, ИК7) указанные комплексы могут
В ТСИР, помимо основных связей между агре функционировать как ОИА (1:0) (А10, А21, А22) при
гатами, предусмотрены также резервные связи (на отказе ИА 2й стадии (или (А9, А20, А23) обоих грун
рис. 1 эти связи обозначены пунктиром), которые товых насосов), ОИА (1:0) (А9, А10, А23) при отказе
используются при отказах или принудительных ИА 1й стадии (А10, А21, А22). ДИК (1:1) прекращает
простоях оборудования. Благодаря свойству пере функционировать при одновременном отказе ИА
строения (реконфигурации) структуры системы 1й и 2й стадий (или обоих грунтовых насосов).
посредством использования резервных связей и ДИК (1:1) (ИК5, ИК8, ИК9) при отказах оборудо
способности измельчительных агрегатов функцио вания могут функционировать как ОИА (1:0) при
нировать в различных режимах, отказы оборудо отказах ИА 1й стадии (МС1, МС2, МС3) или ИА
вания не приводят к отказу системы в целом, а 2й стадии (А12, А14, А24) или обоих грунтовых насо
лишь снижают качество ее функционирования. сов. При ремонте классификаторов имеется воз
Условия работоспособности ИА, ИК и возможные можность подачи разгрузки мельницы непосред
режимы их работы с использованием резервных ственно в зумпф грунтовых насосов гидроцикло
связей определяются следующим образом. нов 2й стадии измельчения.
ОИА и ИА 1й стадии измельчения работоспо
Выбор наилучшей структуры резервных связей
собны, когда одновременно работоспособно входя
и рациональной стратегии перестроения
щее в их состав оборудование: мельницы, системы
смазки и классификаторы. структуры системы
Указанные агрегаты могут функционировать В результате детального рассмотрения различ
как самостоятельные ИА и как ИА 1й стадии в со ных вариантов введения структурной избыточно
ставе ДИК при соотношении агрегатов 2:1 или 1:1. сти в ТСИР ЗММК и обсуждений с эксплуатирую
ИА 2й стадии измельчения работоспособен лишь щими ее специалистами выяснилось, что кроме
тогда, когда одновременно работоспособен хотя бы имеющихся в системе резервных связей можно
один из грунтовых насосов и входящие в ее состав ввести еще четыре дополнительные связи. Из всех
компоненты (мельница, система смазки, класси технологически возможных вариантов структуры
фикатор). Измельчительные агрегаты 2й стадии, резервных связей, составленных с учетом нало
которые одновременно подпитываются рудой женного ограничения, путем исключения заведо
(А11, А9, А20, А23, А14, А24), могут функционировать мо явно малоэффективных вариантов были выбра
как самостоятельные одностадийные ИА при отка ны четыре конкурирующих варианта (табл. 1).
зах измельчительных агрегатов 1й стадии. Те ИА Для выбранных вариантов структуры резер
2й стадии, которые не подпитываются рудой вных связей были рассмотрены две конкурирую
(А7, А6, А5) при одновременном отказе обоих ИА щие стратегии («А» и «В») использования резер
1й стадии, прекращают функционировать. Резер вных связей. Стратегия «A» отличается от страте
вные и основные насосы, входящие в состав ИК4, гии «B» тем, что:
ИК5, ИК6, ИК7, ИК8, ИК9, А13, однотипные, поэтому а) при отказе агрегата А9 связь А10А11 использу
отказавший насос после восстановления переходит ется независимо от состояний агрегатов А16 и
в резерв. Заметим, что резервные восьмидюймо А17 (при стратегии B связь А10А11 использует
вые насосы, входящие в состав ИК2, ИК3, ИК5, ИК8, ся только при отказе одного из указанных агре
ИК9, работают до момента окончания восстановле гатов);
ния отказавшего основного насоса, который вклю б) при отказе агрегата А9 связь А10А7 использу
чается вместо резервного. ется независимо от состояний агрегатов А8 и А4
При необходимости ДИК (2:1) (ИК2, ИК3, ИК10) (при стратегии B указанная связь используется
посредством реконфигурации структуры может только при отказе агрегатов А8 и А4);
функционировать как: в) при отказе агрегата А10 связь А16А9 использу
• самостоятельный ИА (1:0) и ДИК (1:1) – при от ется независимо от состояния агрегата А11 (при
казе основного грунтового насоса, ДИК (1:1) – стратегии B указанная связь используется
при отказе основного грунтового насоса; только при отказе агрегата А11);
• ДИК (1:1) – при отказе одного из ИА 1й ста г) при отказе агрегата А9 связь А10А7 использу
дии; ется при наличии связи А4А6 (при стратегии
• два самостоятельных одностадийных ОИА B связь А10А7 используется независимо от
(2:0) – при отказе ИА 2й стадии или грунто применения указанной связи).
вых насосов; Для каждого из восьми конкурирующих вари
• ОИА (1:0) – при отказе обоих ИА 1й стадии антов была построена математическая модель про
(только ИК10, который одновременно подпиты цесса принятия решений по реконфигурации
вается рудой). структуры ТСИР в виде дерева решений [10–13].
ДИК (2:1) полностью прекращает функциони Дерево решений – это способ представления пра
ровать при одновременном отказе обоих ИА 1й вил в иерархической, последовательной структу
стадии и ИА 2й стадии (или грунтовых насосов). ре, где каждому объекту (входному сигналу, опи
41Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
Таблица 1. Результаты имитационных экспериментов
Table 1. Results of simulation experiments
сывающему состояние системы) соответствует на основании статистических данных о надежно
единственный узел, дающий решение. сти измельчительного оборудования [8]. Ниже
Метод дерева решений, который принадлежит приведены аналитические выражения для плотно
методам мягких вычислений (методы искусствен стей распределения времени работы между отказа
ного интеллекта, нейронных сетей, генетические ми gi(p) и времени восстановления fi(в) измельчи
методы и т. п. [14, 15]), является одним из класси тельного оборудования:
ческих методов интеллектуального анализа дан 1) Мельница 1й стадии типа МШР 32003800
ных (data mining), получивший в последнее время gi ( p ) exp( ôp ) 1,925 10 2 exp( 1 ,925 10 2 p);
практическое применение в области моделирова
ния и оптимизации процессов обогащения полез k вk 1 k
f i ( в ) exp в 0, 469 в0,3 exp( 0, 67 в0,7).
ных ископаемых [16–20].
Решение задачи выбора наилучшей структуры
резервных связей между измельчительными агре 2) Мельница 2й стадии типа МШР 32003800
гатами и рациональной стратегии реконфигура g i ( p ) exp( ôp ) 2 ,05 10 2 exp( 2 ,05 10 2 p);
ции структуры ТСИР при отказах ее агрегатов осу
ществлено методом компьютерного моделирова k вk 1 k
f i ( в ) exp в 0, 48 в0,4 exp( 0, 798 в0,6).
ния. Компьютерная модель, ориентированная на
решение поставленной задачи, представляет собой 3) Мельница 2й стадии типа МШР 32003100
композицию из трех моделей (рис. 2). Первая из
них воспроизводит процесс возникновения отка g i ( p ) exp( ôp ) 2 ,05 10 2 exp( 2 ,05 10 2 p);
зов и восстановления измельчительного оборудо
k вk 1 k
вания – 21 шаровых мельниц и 3 мельниц самоиз f i ( в ) exp в 0, 48 в0,4 exp( 0, 798 в0,6).
мельчения, 24 систем смазки мельниц, 18 класси
фикаторов,20 грунтовых насосов (элементов мо 4) Мельница 1й стадии типа МШР 32003100
дели Ei0, i=1,86), вторая модель имитирует процесс
функционирования ТСИР под воздействием про f i ( в ) exp( ôp ) 1,785 10 2 exp( 1 ,785 10 2 p);
цесса возникновения отказов и восстановления ее k
k вk 1
оборудования, а третья модель формирует значе f i ( в ) exp в 0, 492 в0,4 exp( 0,82 в0,6).
ние показателя эффективности для каждой реали
зации процесса функционирования системы в 5) Классификатор типа 2КСН2,4
восьмичасовом интервале времени. Построение
первой модели осуществлено с использованием gi ( p ) exp( ôp ) 4 ,4 10 3 exp( 4 ,4 10 3 p );
функций распределения времени работы между exp[ (lg в )
2 2
2 ] exp[ (lg в 0,14) / 0, 46]
2
соседними отказами и времени восстановления от f i ( в ) .
2 в 0, 48 2 в
казавшего оборудования, идентифицированных
42Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
Рис. 2. Структура компьютерной модели ТСИР
Fig. 2. Structure of OGTS computer model
43Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
6) Система смазки мельниц простых моделей, каждая из которых описывает
процесс функционирования исследуемой системы
gi ( p ) exp( ôp ) 2 ,6 10 3 exp( 2 ,6 10 3 p ); на определенном уровне абстрагирования (детали
) 2 22 ] зации).
exp[ (lg в
fi ( в ) В настоящей работе в основе имитационной мо
2 в дели функционирования ТСИР использована раз
exp[ (lg в 0,12) 2 0,52]
работанная нами обобщенная стратифицирован
. ная модель [6, 7], позволяющая успешно преодо
0,52 2 в леть сложность формализации ТСИР.
7) Грунтовой насос типа ГрАК 350/40 Учитывая характер поставленной задачи, удоб
ство описания, а также конструктивные и функ
p p2 p p2 циональные особенности ТСИР, ее функциониро
gi ( p ) 2 exp 2 exp ; вание описано на трех следующих стратах (уров
2 4225 8450
нях описания): страте измельчительных агрегатов
exp (lg в
) 2 22 (ИА), страте измельчительных комплексов (ИК) и
fi ( в ) системной страте.
2 в
Страта измельчительных агрегатов
exp[ (lg в 0, 292) 2 0,174]
. На данной страте ТСИР представлена совокуп
0, 295 2 в ностью 1
32 ИА – подсистем первого уровня Ei ,
8) Грунтовой насос типа ГрАК 1600/50 i=1,32, полученных в результате декомпозиции
системы, состоящей из элементов Ei0, i=1,86.
p p2 p p2 Каждая подсистема первого уровня Ei1 рассмо
gi ( p ) exp
3150 exp 6300 ; трена как объект с двумя возможными состояния
2
2
ми и формализована в виде временной статической
) 2 22 ]
exp[ (lg в системы без памяти Si1 [6, 7], описываемой множе
f i ( в ) ствами Xi1 (входных сигналов xi1(t)), Yi1 (выходных
2 в сигналов yi1(t)), Ti1 (моментов времени t) и операто
exp[ (lg в 0, 4555) 2 0,196] ром Hi1. Множество Xi1 каждой подсистемы Ei1
. определяется как декартово произведение мно
0,313 2 в жеств {0;1} выходных сигналов входящих в ее со
9) Мельница самоизмельчения типа ММС70–23 став элементов Ei0 и элементов других подсистем,
влияющих на работоспособности подсистемы Ei1.
gi ( p ) 1,8110 2 exp( 1,81 10 2 p );
Множество Yi1 включают два элемента (0 – состоя
f i ( в ) 0, 44 в0,3 exp( 0, 63 в0,7 ). ние отказа, 1 – работоспособное состояние). Опера
тор Hi1 представляет собой логическую функцию
10)Односпиральный классификатор типа КСН 2,0 работоспособности подсистемы Ei1, описывающую
gi ( p ) 5, 2 10 3 exp( 5, 2 10 3 p); условие работоспособности данной подсистемы в
зависимости от работоспособности входящих в ее
exp[ (lg в 0,18) 2 / 0,5]
f i ( в ) . состав и влияющих на нее элементов.
0,52 2 в Ниже приведены аналитические выражения
Выходной сигнал имитационной модели про операторов Hi1, i=1,8 (t упущено) для первых
цесса отказов и восстановления оборудования 8 подсистем Ei1:
ТСИР y0(t)=(y10(t),y20(t),…,y860(t)) представляет собой y11 H11 ( x11 ) x1,1
1
x2,1
1
x3,1
1
y10 y250 y410 ;
случайный вектор, компоненты которого в зависи
мости от состояния элементов Ei0, i=1,86 (работос y12 H 21 ( x21 ) x2,1
1
x2,2
1
y20 y450 ;
пособное или отказ) могут принимать значения y31 H 31 ( x31 ) x3,1
1
x3,2
1
y30 y460 ;
«1» или «0».
Одной из основных проблем, препятствующих y14 H 41 ( x14 ) x14,1 x4,2
1
x4,3
1
y40 y26
0
y420 ;
построению имитационной модели функциониро
вания ТСИР, является преодоление ее большой y51 H 51 ( x51 ) x5,1
1
x5,2
1
x5,3
1
y50 y270 y403 ;
размерности (числа состояний). Так, при постро y16 H 61 ( x61 ) x6,1
1
x6,2
1
x6,3
1
y60 y28
0
y440 ;
ении модели системы, состоящей из 20 бинарных
элементов, число рассматриваемых состояний пре y17 H 71 ( x71 ) x7,1
1
x7,2
1
x7,3
1
y70 y290 y480 ;
вышает 106. Одним из возможных путей решения y81 H 81 ( x81 ) x8,1
1
x8,2
1
x8,3
1
y80 y300 y500 .
описанной проблемы является применение кон
цепции иерархического многоуровневого (страти
фицированного) описания систем [6, 7]. Ее сущ Страта измельчительных комплексов
ность заключается в том, что процесс функциони На этой страте ТСИР представлена в виде сово
рования системы описывается не одной моделью купности 10 измельчительных комплексов – под
большой размерности, а иерархией сравнительно
систем второго уровня Ei2, i=1,10. Каждый ИК, в
44Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
зависимости от работоспособности входящих в его щий отображение Xi2Yi2, представляет собой би
состав или влияющих на его работу ИА, может ра нарную поисковую признаковую структуру – алго
ботать в одном из технологически возможных ре ритм, который по заданному входному сигналу
жимов по определенной схеме измельчения. Каж xi2(t)Xi2, описывающему работоспособность вхо
дый режим работы ИК Ei2 характеризуется кон дящих в состав подсистемы Ei2 и влияющих на ее
кретным набором значений его выходных характе функционирование подсистем первого уровня,
ристик yi2=(y2i,1,y2i,2,yi,3
2
), где y2i,1 – производитель осуществляет поиск и выдачу соответствующего
2
ность комплекса; yi,2 – процентное содержание выходного сигнал yi2(t)Yi2. На рис. 3 приведена
класса 80 мкм в измельченном продукте (пуль структура одного из десяти операторов Hi2.
2
пе); yi,3 – плотность выходной пульпы. Среднестатистические значения выходных ха
Обозначим через xi2(t)=(xi,1 2
(t),x2i,2(t),…,xi,n
2
i
(t)) со рактеристик yi2(t)=(yi,1
2
(t),y2i,2(t),y2i,3(t)) измельчи
вокупность выходных характеристик состояний в тельных комплексов для всевозможных режимов
момент t тех ИА, от работоспособности которых за работы подсистемы E52 приведены в табл. 2.
висит выбор структуры и режима работы ИК Ei2.
В каждый момент tT1, когда происходит измене Таблица 2. Схемы измельчения и режимы работы подсистемы
ние работоспособности ИА, в соответствии со зна E52 (ИК5)
чением вектора xi2(t) происходит перестроение Table 2. Schemes and grinding modes of subsystem E52 (GC5)
структуры комплекса Ei2 и переход в новый режим
Среднестатистические значе
работы, характеризуемый новым значением векто Схемы измельчения ния выход. характеристик
ра yi2(t). Schemes of grinding Average values of output
Каждый ИК Ei2, формализованный в виде вре characteristics
менной статической системы без памяти Si2, харак
Content of class 80 m in pulp
Производит. по исх. руде (т/ч)
Содерж. класса 80 мкм в (%)
Original ore productivity (t/h)
Режимы работы
Плотность вых. пульпы (г/л)
Operation modes
Ti2,Xi2,Yi2,Hi2. Каждое мно
Density of output pulp (g/l)
теризуется четверкой
жество Ti , i=1,10 совпадает с множеством T1=T0
2
(множество моментов изменения состояний эл Схема Сопряжение
имельчения мельниц
ементов) Ei0, i=1,86 . Входной сигнал xi2(t) каждой Scheme of Conjugation
Si2 представляет собой упорядоченную совокуп grinding of mills
ность выходных сигналов соответствующих подси
стем первого уровня. В качестве выходного сигна
ла любого элемента Si2 рассматривается вектор вы
ходных характеристик yi2(t)=(y2i,1(t),y2i,2(t),y2i,3(t)) 2стадийный (1:1),
q1v=126,7 q2v=56,3 q3v=1344,7
v A24AC3
соответствующей подсистемы (ИК) Ei2. Множество 2stage
Yi2 элемента Si2 представляет собой совокупность w
1стадийный (1:0),
q1w=80 q2w=56,3 q3w =1273,3
значений вектора выходных характеристик подси 1stage AC3
стемы Ei2, соответствующих всевозможным режи 2стадийный (2:1),
q=130 q2=56,3 q3=1344
2stage A14AC3A24 1
мам ее работы. Каждый оператор Hi2, реализую
1 1 0 1
0 0
0
1 0
1
Рис. 3. Структура оператора H52
Fig. 3. Structure of the operator H52
45Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
Системная страта 3
y1,3 (t )
На данной страте ТСИР рассматривается как
одна крупная подсистема E13 третьего уровня, H1,3
3 3
( x1,1 3
(t ), x1,2 3
(t ),..., x1,10 3
(t ), x1,20 3
(t ),..., x1,30 (t ))
представляющая собой смеситель (пульподели 10 x1,3 i (t ) x1,( 3
i 20) (t )
10
x1,3 i (t )
тель), входом которого является совокупность вы 3 .
ходных продуктов всех измельчительных ком i 1 x1,( i 20) (t ) 1000 i 1 x1,(3 i 20) (t ) 1000
плексов, а выходом – объединенная выходная
пульпа, поступающая на флотацию. Модель формирования значений показателя
Обозначим через y31,1(t), y31,2(t), y31,3(t) значения эффективности функционирования ТСИР включа
выходных характеристик подсистемы E13 в момент ет алгоритмическую модель формирования ее вы
времени t: ее производительность, процентное со ходных среднесменных показателей для реализо
держание класса 80 мкм и плотность объединен ванных траекторий функционирования системы и
ной пульпы. Соответствующие характеристики регрессионную модель, описывающую статистиче
входных потоков, представляющие собой выход скую зависимость прибыли, получаемой от произ
ные характеристики ИК, обозначим водства медномолибденовых концентратов в вось
через мичасовом интервале времени, от выходных сред
x3i,1(t)=y2i,1(t), x3i,2(t)=y2i,2(t), x3i,3(t)=y2i,3(t), i=1,10.
Нами показано [7], что общая производитель несменных показателей ТСИР.
ность ТСИР y1,1 3
(t), процент содержания класса При решении поставленной задачи в качестве
80 мкм y1,2(t) в объединенной пульпе и ее плот
3 сравнительной оценки эффективности каждого ва
ность y31,3(t) связаны с характеристиками отдель рианта структуры резервных связей между ИА бы
ных комплексов следующими соотношениями: ла выбрана величина прироста прибыли (в у.е.),
10
получаемой от производства медномолибденовых
3
y1,1 (t ) H1,13 ( x1,13 (t ), x1,2
3 3
(t ),..., x1,10 (t )) x1,3 i (t ), концентратов в восьмичасовом интервале времени
i 1 при использовании данного варианта. Как видно
из табл. 1, в результате имитационных экспери
y (t ) H ( x (t ),..., x
3 3 3 3
(t ))
1,2 1,2 1,1 1,20
ментов с компьютерной модели ТСИР в качестве
10
10 наилучшей структуры резервных связей был вы
x1,3 i (t ). x1,(
3
i 10) (t ) x 3
1, i (t ), бран третий вариант с рациональной стратегией
i 1 i 1
«А» реконфигурации структуры.
Рис. 4. Дерево решений для ИК1
Fig. 4. Decision tree for gridding complex (GC1)
46Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
Компьютерная модель принятия решений ная модель принятия решений по реконфигурации
по реконфигурации структуры ТСИР структуры (КМПРРС) ТСИР при отказах ее агрега
Оператору измельчительного отделения нелег тов. КМПРРС состоит из 10 модулей, каждый из
ко запомнить сложную процедуру выбора наилуч которых при отказах измельчительных агрегатов
шей структуры системы в зависимости от работос ТСИР позволяет принять наилучшее решение по
пособности измельчительных агрегатов и своевре реконфигурации структуры и выбору режимов ра
менно принять наиболее рациональные для кон боты соответствующего измельчительного ком
кретно сложившихся отказовых ситуаций реше плекса. Блоксхема одного из модулей (для из
ния. В этой связи возникает необходимость авто мельчительного комплекса ИК1) приведена на
матизации процесса принятия решений по рекон рис. 5.
фигурации структуры ТСИР при отказах ее обору Входной сигнал КМПРРС представляет собой 32
дования. мерный бинарный вектор z^(t)=(z^1(t),z^2(t),…,z^32(t)),
В соответствии с выбранной наилучшей струк описывающий состояние ТСИР в момент време
турой резервных связей и рациональной стратеги ни t. Каждая компонента вектора z^(t) в зависимо
ей реконфигурации структуры ТСИР разработана сти от состояния соответствующего измельчитель
математическая модель процесса принятия реше ного агрегата (или грунтового насоса) может при
ний по реконфигурации структуры ТСИР при от нимать значение 1 при работоспособности агрега
казах ее агрегатов в виде дерева решений (рис. 3). та, или 0 – при его отказе или принудительном
Данная модель состоит из 10 последовательно сое простое. Выходной сигнал КМПРРС представляет
диненных деревьев решений, каждое из которых собой совокупность решений по реконфигурации
представляет процесс принятия решений по ре структуры и выбору режимов каждого из десяти
конфигурации структуры соответствующего из измельчительных комплексов.
мельчительного комплекса (на рис. 4 приведено КМПРРС реализована на компьютере Pentium
дерево решений для ИК1). i7 с использованием языка С++. Среднее время
На основании построенных деревьев решений принятия решения для одной ситуации с помощью
для наилучшего варианта разработана компьютер КМПРРС составляет около 1 мин, что позволяет
Рис. 5. Блоксхема модуля КМППРС для ИК1
Fig. 5. Block diagram of computer model of decisionmaking system (CMDMS) module for GC1
47Известия Томского политехнического университета. Инжиниринг георесурсов. 2019. Т. 330. № 1. 39–50
Баласанян С.Ш., Геворгян Э.М. Компьютерная модель принятия решений по реконфигурации структуры технологической ...
использовать ее с целью управления процессом ре зах ее оборудования в виде дерева решений, с ис
конфигурации структуры ТСИР в реальном мас пользованием которой разработана компьютерная
штабе времени. модель принятия решений по реконфигурации
структуры ТСИР. Данная модель позволяет при из
Заключение менении работоспособности измельчительного обо
Обоснована необходимость повышения надеж рудования ТСИР своевременно выбрать наилуч
ности и эффективности функционирования ТСИР шую для данной отказовой ситуации структуру и
путем введения в систему структурной избыточно режим работы каждого измельчительного ком
сти. плекса, независимо от квалификации и опыта опе
В результате имитационных экспериментов с ратора. Благодаря применению этой модели опера
компьютерной модели ТСИР определены наилуч тор по существу освобождается от обязанностей ли
шая структура резервных связей между измельчи ца, принимающего решения по реконфигурации
тельными агрегатами и рациональная стратегия структуры ТСИР при отказах ее оборудования.
реконфигурации структуры системы при отказах Разработанная компьютерная модель включе
ее оборудовании. на в состав специального программного обеспече
На основании вышеуказанных результатов по ния автоматизированной системы управления тех
строена математическая модель принятия реше нологическим процессом измельчения медномо
ний по реконфигурации структуры ТСИР при отка либденовой руды ЗММК.
СПИСОК ЛИТЕРАТУРЫ 11. Jani Ritika. Research on data mining classification // Int. J.
1. Авдохин В.М. Основы обогащения полезных ископаемых. Т. 1. Adv. Res. Comput. Sci. Software Engineering. – 2014. – 4 (4). –
Обогатительные процессы. – М.: Издво «Горная книга», P. 329–332.
2014. – 417 с. 12. Auret L., Aldrich C. Interpretation of nonlinear relationships
2. King R.P. Modeling and Simulation of Mineral Processing Sy between process variables by use of random forests // Miner.
stems. 2nd ed. – Boston: Butterworth–Heinemann, 2015. – 416 p. Eng. – 2012. – № 35. – P. 27–42.
3. Castro S., Lopez–Valdivieso A., Laskowski J.S. Review of the flo 13. Jani Ritika, Bhatt Nirav, Shah Chandni. A Survey on Issues of
tation of molybdenite // International Journal of Mineral Proces Data Stream Mining in Classification // II International Confe
sing. – 2016. – V. 148. – P. 48–58. rence on Information and Communication Technology for Intelli
4. Jovanovic' I., Miljanovic' I. Contemporary advanced control gent Systems (ICTIS 2017). – Ahmedabad, India, 25–26 March,
techniques for flotation plants with mechanical flotation cells – a 2017. – V. 1. – P. 137–144.
review // Minerals Engineering. – 2015. – V. 70. – P. 228–249. 14. Turunen E., Raivio K., Mantere T. Soft Computing Methods //
5. Карепов В.А., Безверхая Е.В., Чесноков В.Т. Надежность гор Mathematical Modelling / Ed. by S. Pohjolainen. – Cham, Swit
ных машин и оборудования. – Красноярск: Издво СФУ, zerland: Springer, 2016. – P. 79–112.
2012. – 134 с. 15. Maimon O., Rokach L. Data Mining and Knowledge Discovery
6. Баласанян С.Ш Метод стратифицированной формализации Handbook. 2nd ed. – New York: Springer, 2010. – 1306 p.
сложных технологических систем со многими состояниями // 16. Auret L., Aldrich C. Monitoring of mineral processing operations
Известия Томского политехнического университета. Инжини based on multivariate similarity indices // Preprints of the 18th
ринг георесурсов. – 2016. – Т. 327. – № 1. –С. 6–18. IFAC World Congress. – Milano, Italy, August 28 – September 2,
7. Баласанян С.Ш. Стратифицированное моделирование слож 2011. – P. 9923–9928.
ных технологических систем. – Саарбрукен, Германия: LAP 17. Jovanovic' I., Miljanovic' I., Jovanovic' T. Soft computingbased
Lambert Academic Publishing, 2016. –385 с. modeling of flotation processes – a review // Minerals Engine
8. Баласанян С.Ш., Геворгян Э.М. Имитационная модель процес ering. – 2015. – V. 84. – P. 34–63.
са изменения работоспособности измельчительного оборудова 18. Using data mining to assess and model the metallurgical efficien
ния // Известия Томского политехнического университета. cy of a copper concentrator / M., Massinaei M.R. Sedaghati,
Инжиниринг георесурсов. – 2016. – Т. 327. – № 2. – С. 21–34. R. Rezvani., A.A Mohammadzadeh. // Chem. Eng. Commun. –
9. Баласанян С.Ш., Симонян С.О., Геворгян Э.М. Компьютерная 2014. – № 201 (10). – P. 1314–1326.
модель для стохастического управления технологическим про 19. Jahedsaravani A., Marhaban M.H., Massinaei M. Application of
цессом флотации руды с учетом надежности измельчительного statistical and intelligent techniques for modeling of metallurgi
оборудования // Известия Томского политехнического универ cal performance of a batch flotation process // Chem. Eng. Com
ситета. – 2013. – Т. 323. – № 5. – С. 50–57. mun. – 2016. – V. 203. – Iss. 2. – P. 151–160.
10. Fangfang Yuan, Fusheng Lian, Xingjian Xu. Decision tree algo 20. Gouws F.S., Aldrich C. Rulebased characterization of industrial
rithm optimization research based on MapReduce // 6th IEEE In flotation processes with inductive techniques and genetic algo
ternational Conference on Software Engineering and Service Sci rithms // Ind. Eng. Chem. Res. – 1996. – № 35. – P. 4119–4127.
ence (ICSESS). – Beijing, Chinа, 23–25 Sept. 2015. –
P. 1010–1013. Поступила 20.04.2018 г.
Информация об авторах
Баласанян С.Ш., доктор технических наук, профессор, заместитель директора по научной работе Капанского
филиала Национального политехнического университета Армении.
Геворгян Э.М., кандидат технических наук, ассистент кафедры информационных технологий, информатики и
автоматизированных систем Капанского филиала Национального политехнического университета Армении.
48Balasanyan S.Sh. et al. / Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2019. V. 330. 1. 39–50
UDC 681.51:622.73
COMPUTER MODEL OF DECISION8MAKING ON RECONFIGURATION
OF THE ORE GRINDING TECHNOLOGICAL SYSTEM STRUCTURE
Seyran Sh. Balasanyan1,
seyran@sunicom.net
Hermine M. Gevorgyan1,
hermine79@rambler.ru
1
Kapan branch of National Polytechnic University of Armenia,
28, Baghaberd Street, Kapan, 3307, Armenia.
The relevance of the research is caused by the need to improve the reliability and efficiency of functioning of the ore grinding techno'
logical system by introducing structural redundancy.
The main aim of the research is to substantiate the need to improve the efficiency of the ore grinding technological system by introdu'
cing structural redundancy (reserve links), determining the best structure of reserve connections between grinding aggregates and ra'
tional strategies for their use, building a mathematical decision'making model for reconfiguring the structure of the ore grinding techno'
logical system at the failure of its equipment in the form of a decision tree, the development of a decision'making computer model for
reconfiguring the ore grinding technological system structure.
Object of the research is the ore grinding technological system of Zangezur Copper'Molybdenum Combine (Armenia).
Methods: decision'tree method (method soft computing), simulation modeling.
The result of simulation experiments with the computer model of the technological system of ore grinding is determined by the best
structure of the redundant links between the milling units and rational strategy for their use, on the basis of which the authors have
developed a mathematical model of decision'making on reconfiguring the structure of ore grinding technological system (at the failure
of its equipment) in the form of a decision tree. On the basis of this model the authors developed a computer model that allows, with a
change in the operability of grinding aggregates, selecting in a timely manner the best structure of the redundant links and mode of ope'
ration for each unit for the current failed situation, regardless of the operator’s skills and experience. Thanks to the application of this
model, the operator is completely freed from the duties of the decision'maker. The developed computer model was included in the spe'
cial software of the automated process control system for grinding the ore from Zangezur Copper'Molybdenum Combine.
Key words:
Ore grinding, failure, simulation modeling, decision tree, reconfiguration, structural redundancy.
REFERENCES equipment reliability. Bulletin of the Tomsk Polytechnic Univer
1. Avdokhin V.M. Osnovy obogashcheniya poleznykh iskopaemykh. sity, 2013, vol. 323, no. 5, pp. 50–57. In Rus.
T. 1. Obogatitelnye protsessy [The fundamentals of mineral pro 10. Fangfang Yuan, Fusheng Lian, Xingjian Xu. Decision tree algo
cessing. Vol. 1. Mineral processing]. Moscow, Gornaya kniga rithm optimization research based on MapReduce. 6th IEEE Inter
Publ., 2014. 417 p. national Conference on Software Engineering and Service Scien
2. King R.P. Modeling and Simulation of Mineral Processing ce (ICSESS). Beijing, Chinа, 23–25 September, 2015.
Systems. 2nd ed. Boston, Butterworth–Heinemann, 2015. 416 p. pp. 1010–1013.
3. Castro S., LopezValdivieso A., Laskowski J.S. Review of the flo 11. Jani Ritika. Research on data mining classification. Int. J. Adv.
tation of molybdenite. International Journal of Mineral Proces Res. Comput. Sci. Software Engineering, 2014, no. 4 (4),
sing, 2016, vol. 148, pp. 48–58. pp. 329–332.
4. Jovanovic' I., Miljanovic' I. Contemporary advanced control 12. Auret L., Aldrich C. Interpretation of nonlinear relationships
techniques for flotation plants with mechanical flotation cells – a between process variables by use of random forests. Minerals En
review. Minerals Engineering, 2015, vol. 70, pp. 228–249. gineering, 2012, no. 35, pp. 27–42.
5. Karepov V.A., Bezverkhaya E.V., Chesnokov V.T. Nadezhnost 13. Jani Ritika, Bhatt Nirav, Shah Chandni. A Survey on Issues of
gornykh mashin i oborudovaniya [Reliability of mining machines Data Stream Mining in Classification. II International Conferen
and equipment]. Krasnoyarsk, SFU Publ., 2012. 134 p. ce on Information and Communication Technology for Intelligent
6. Balasanyan S.Sh A stratified method of formalization of multi Systems (ICTIS 2017). Ahmedabad, India, 25–26 March, 2017.
state complex technological systems. Bulletin of the Tomsk Poly Vol. 1, pp. 137–144.
technic University. Geo Assets Engineering, 2016, vol. 327, no. 1, 14. Turunen E., Raivio K., Mantere T. Soft Computing Methods.
pp. 6–18. In Rus. Mathematical Modelling. Ed. by S. Pohjolainen. Cham, Switzer
7. Balasanyan S.Sh. Stratifitsirovannое modelirovanie slozhnykh land, Springer, 2016. pp. 79–112.
tekhnologicheskikh sistem [Stratified modeling of complex 15. Maimon O., Rokach L. Data Mining and Knowledge Discovery
technological systems]. Saarbrucken, Germany, LAP Lambert Handbook. 2nd ed. New York, Springer, 2010. 1306 p.
Academic Publishing, 2016. 385 p. 16. Auret L., Aldrich C. Monitoring of mineral processing operations
8. Balasanyan S.Sh., Gevorgyan H.M. Simulation model of changing based on multivariate similarity indices. Preprints of the 18th
working capacity of grinding equipment. Bulletin of the Tomsk IFAC World Congress. Milano, Italy, 2011, August 28 – Septem
Polytechnic University. Geo Assets Engineering, 2016, vol. 327, ber 2. pp. 9923–9928.
no. 2, pp 21–34. In Rus. 17. Jovanovic' I., Miljanovic' I., Jovanovic' T. Soft computingbased
9. Balasanyan S.Sh, Simonyan S.O., Gevorgyan H.M. Computer mo modeling of flotation processes – a review. Minerals Engineering,
del for stochastic control of ore flotation considering grinding 2015, vol. 84, pp. 34–63.
49Balasanyan S.Sh. et al. / Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2019. V. 330. 1. 39–50
18. Massinaei M., Sedaghati M.R., Rezvani R., Mohammadza cal performance of a batch flotation process. Chem. Eng. Com
deh A.A. Using data mining to assess and model the metallurgical mun., 2016, vol. 203, no. 2, pp. 151–160.
efficiency of a copper concentrator. Chem. Eng. Commun., 2014, 20. Gouws F.S., Aldrich C. Rulebased characterization of industrial
no. 201 (10), pp. 1314–1326. flotation processes with inductive techniques and genetic algo
19. Jahedsaravani A., Marhaban M.H., Massinaei M. Application of rithms. Ind. Eng. Chem. Res., 1996, no. 35, pp. 4119–4127.
statistical and intelligent techniques for modeling of metallurgi
Received: 20 April 2018.
Information about the authors
Seyran Sh. Balasanyan, Dr. Sc., professor, deputy director on research works, Kapan branch of National Poly
technic University of Armenia.
Hermine M. Gevorgyan, Cand. Sc., assistant, Kapan branch of National Polytechnic University of Armenia.
50Вы также можете почитать
