Experimental implementation of an economic model predictive control for froth flotation

📄 arXiv: 2410.19661v1 📥 PDF

作者: Paulina Quintanilla, Daniel Navia, Stephen Neethling, Pablo Brito-Parada

分类: eess.SY

发布日期: 2024-10-25

期刊: Computer Aided Chemical Engineering, Volume 53, 2024, Pages 1759-1764

DOI: 10.1016/B978-0-443-28824-1.50294-5

💡 一句话要点

提出经济模型预测控制(E-MPC)策略，显著提升浮选过程矿物回收率。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 浮选过程 经济模型预测控制 E-MPC 泡沫物理学 矿物回收率

📋 核心要点

  1. 现有浮选过程控制模型过于简化，未能充分考虑泡沫物理特性，导致控制性能受限。
  2. 采用经济模型预测控制(E-MPC)策略，利用包含泡沫物理学的动态模型进行优化控制。
  3. 实验结果表明，该方法在实验室规模浮选槽中显著提高了矿物回收率，并保证了精矿品位。

📝 摘要（中文）

本文提出了一种用于浮选过程的新型经济模型预测控制(E-MPC)策略。浮选是最大吨位的矿物分离过程。该方法使用先前校准和验证的、包含泡沫物理学的动态模型，克服了以往文献中简化模型的局限性。E-MPC的最优控制问题通过完全离散化和有限元上的正交配置来解决，并采用CasADi进行自动微分。该方法应用于30升实验室规模的浮选槽中，在进料流量扰动下，矿物回收率从9%显著提高到29%，同时保持最低精矿品位为20%。

🔬 方法详解

问题定义：浮选过程是矿物分离的关键环节，但传统控制方法难以应对复杂的动态扰动，导致矿物回收率不高，精矿品位不稳定。现有模型过于简化，无法准确描述浮选过程中的泡沫行为，限制了控制性能的提升。

核心思路：本文的核心在于利用经济模型预测控制(E-MPC)策略，直接优化经济目标，而非传统的跟踪设定点。通过建立更精确的、包含泡沫物理学的动态模型，E-MPC能够更准确地预测浮选过程的未来状态，从而制定更优的控制策略，提高经济效益。

技术框架：该方法首先建立并校准一个包含泡沫物理学的动态模型，该模型能够更准确地描述浮选过程。然后，将该模型嵌入到E-MPC框架中，构建最优控制问题。该问题通过完全离散化和有限元上的正交配置来解决，并使用CasADi工具箱进行自动微分，从而高效地求解非线性优化问题。最后，将求解得到的控制策略应用于实际的浮选过程中。

关键创新：关键创新在于将经济目标直接纳入模型预测控制框架中，并结合了更精确的浮选过程动态模型。与传统的基于设定点跟踪的控制方法相比，E-MPC能够直接优化经济指标，例如矿物回收率和精矿品位，从而获得更高的经济效益。此外，利用包含泡沫物理学的动态模型，提高了模型预测的准确性。

关键设计：该方法采用全离散化方法，将连续时间的最优控制问题转化为离散时间的非线性规划问题。使用有限元上的正交配置方法进行离散化，可以提高离散化的精度。采用CasADi工具箱进行自动微分，可以高效地计算目标函数和约束函数的梯度，从而加速优化问题的求解。目标函数通常包含矿物回收率和精矿品位等经济指标，约束条件包括操作变量的上下限和过程变量的约束。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在30升实验室规模的浮选槽中，该E-MPC策略在进料流量扰动下，将矿物回收率从9%显著提高到29%，提升幅度超过200%。同时，该方法能够维持最低精矿品位为20%，表明该方法在提高回收率的同时，能够保证产品质量。

🎯 应用场景

该研究成果可应用于各种浮选过程的优化控制，例如有色金属、黑色金属和非金属矿物的分离。通过提高矿物回收率和精矿品位，可以降低生产成本，提高资源利用率，并减少环境污染。该方法具有良好的推广潜力，可应用于工业规模的浮选过程。

📄 摘要（原文）

We present the implementation of a novel economic model predictive control (E-MPC) strategy for froth flotation, the largest tonnage mineral separation process. A previously calibrated and validated dynamic model incorporating froth physics was used, which overcomes the limitations of previous simplified models reported in the literature. The E-MPC's optimal control problem was solved using full discretization with orthogonal collocation over finite elements, employing automatic differentiation via CasADi. This approach was applied in a 30-litre laboratory-scale flotation cell, significantly improving mineral recovery from 9% to 29% under feed flowrate disturbances while maintaining a minimum concentrate grade of 20%.