CC BY
243
УДК 004.942:622.7
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ ПО ПРОЕКТУ «РАЗРАБОТКА МОДЕЛЕЙ И ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ ОБОГАЩЕНИЯ РУД»
А.Г. Олейник1, В.В. Бирюков2, В.Ф. Скороходов2, А.В. Щербаков3
1ФГБУН Институт информатики и математического моделирования технологических
процессов КНЦ РАН
2ФГБУ Г орный институт КНЦ РАН
3ОАО «Олкон»
Аннотация
Целью проекта, результаты которого представлены в настоящей работе, являлось создание моделей и технологии интеграции средств оперативного прогнозирования в автоматизированные системы сбора данных и осуществления оперативного диспетчерского управления (SCADA-системы) производственными процессами обогащения минерального сырья. В статье дан обзор результатов, полученных в ходе решения комплекса задач, обеспечивающих достижение основной цели проекта. Ключевые слова:
процессы обогащения руд, система мониторинга и управления, компьютерное моделирование, технология оперативного прогнозирования.
Введение
Добыча и переработка минеральных полезных ископаемых остается ключевой отраслью экономики, как Мурманской области, так и ряда других «сырьевых» регионов Российской Федерации. С учетом возрастающей конкуренции и нестабильности мировых рынков важной задачей обогатительного производства является обеспечение высокой эффективности извлечения полезных компонентов, снижение отходов и потерь. Несмотря на то, что задачи совершенствования аппаратов и процессов обогащения руд много лет исследуются и решаются и в Кольском научном центре РАН, и в других научных организациях, как в России, так и за рубежом, они сохраняют свою актуальность. Это обусловлено целым рядом причин различной природы.
Принципиально новые возможности получения эмпирической информации об обогатительных процессах открываются с внедрением на обогатительных предприятиях автоматизированных систем оперативного диспетчерского управления и сбора данных (Supervisory Control And Data Acquisition - SCADA-систем). Именно на использовании данных оперативного мониторинга производственных процессов обогащения основана технология их оперативного прогнозирования, разработанная в рамках рассматриваемого проекта. Основной аспект новизны описываемой технологии заключается в интеграции созданных авторами моделей и средств компьютерного моделирования инженерных задач с действующими на промышленных предприятиях SCADA-системами с целью расширения их функциональных возможностей адаптивными средствами оперативного прогнозирования.
Общая схема разрабатываемой технологии прогнозирования
Большинство современных SCADA-систем позволяют включать в них дополнительные функции собственной разработки, что дает возможность создать систему, более адекватно отвечающую требованиям и целям конкретного производства. Внедрение функций прогнозирования хода процесса в систему оперативного управления позволит уменьшить отрицательные последствия колебаний характеристик исходного сырья и параметров оборудования на качество продуктов обогащения. Для реализации указанных функций требуется разработать модели, позволяющие оперативно «предсказать» угрозу выхода процесса за регламентные границы и «предложить» варианты управляющих воздействий на процесс, обеспечивающих устранение этой угрозы или снижение 15
15
отрицательных последствий нарушения регламентных показателей. Общая схема интеграции средств прогнозирования в действующую систему оперативного управления представлена на рис. 1.
Рис. 1. Общая схема технологии оперативного прогнозирования производственных процессов обогащения
При построении модели, описывающей реальный производственный процесс обогащения, решаются две подзадачи:
• анализ параметров производственного процесса и выявление неочевидных связей между ними, влияющих на ход процесса и характеристики продуктов разделения;
• анализ связей между объектами (параметрами) и событиями (отклонениями производственного процесса) с целью выявления причинно-следственных связей.
Количество фактически наблюдаемых параметров производственного процесса довольно велико. С целью выявления «скрытых» закономерностей и связей между параметрами производственного процесса, которые могут влиять на его ход, а также снижения размерностей формируемых моделей были использованы методы Data Mining.
Предложенный подход к решению задачи оперативного прогнозирования протекания процессов разделения минеральных компонентов [1] основан на формировании схем отображения друг на друга фрагментов многомерных пространств входов X и выходов Y этих процессов (рис. 2).
16
Рис. 2. Схема решения задачи поддержки оперативного управления процессами обогащения
минеральных полезных ископаемых
На основе анализа ретроспективных данных мониторинга проводится классификация (кластеризация) этих пространств с целью выделения областей, соответствующих определенным состояниям процесса. В пространстве Y определяются области «желаемых» исходов Y+, соответствующие регламентным значениям как характеристик продуктов разделения, так и параметров процесса. Структура базы данных мониторинга позволяет определить для каждой представленной в базе «точки» Yi пространства Y соответствующую ей «точку» Xi пространства X С практической точки зрения это означает, что по данным мониторинга всегда можно определить, при каких условиях был получен тот или иной результат. Следующим шагом технологии является формирование моделей, описывающих отображения областей пространства X в области пространства Y. Полученные модели при оперативном управлении обеспечивают предсказание характеристик выходов Yt по текущим значениям входов Xt, а в случае негативного прогноза позволяют оперативно определить наиболее рациональный вариант воздействия на процесс, обеспечивающий возвращение выходных характеристик к требуемым значениям (рис. 2).
Технология сокращения размерности формируемых моделей
Технология использования методов Data Mining для формирования моделей отображения пространства входов производственного процесса обогащения минерального сырья на пространство его выходов отрабатывалась на примере данных, полученных SCADA-системой iFix в ходе мониторинга производственного процесса флотации АНОФ-2 (апатитонефелиновой обогатительной фабрики) ОАО «Апатит». Все наблюдаемые параметры были подразделены на контрольные, управляющие и индикаторы.
С целью снижения размерности задачи применен факторный анализ по двум критериям: критерию Кайзера и критерию «каменистой осыпи». В результате вместо исходного набора переменных (более 70) появилась возможность анализировать данные по 4 выделенным факторам. Далее отобранные параметры были подвергнуты кластерному анализу. В результате выделены два кластера состояний, один из которых соответствует ситуациям, когда имело место отклонение контрольных параметров от регламентных значений.
Причины отклонений контрольных показателей от регламентных значений определялись с помощью корреляционного анализа. В качестве меры зависимости между переменными использовался коэффициент корреляции Пирсона. В результате в анализируемой группе установлены управляющие параметры, оказывающие наибольшее влияние на контрольные. Значимость влияния подтверждена результатами последующего регрессионного анализа. При анализе выбранных параметров использовалась пошаговая регрессия, в ходе которой на каждом шаге в модель включается либо исключается какая-то независимая переменная. Таким образом выделяется множество наиболее «значимых» переменных и появляется возможность сократить число переменных в формируемой модели.
Полученные результаты доказывают, что принятая в проекте схема применения методов Data Mining позволяет снизить размерность формируемых моделей за счет выбора наиболее значимых параметров из имеющегося набора данных оперативного мониторинга процессов разделения минералов.
Технология интеграции инструментальных средств моделирования
Специфика задач формирования моделей обогатительных процессов предполагает реализацию большого объема вычислений. В связи с этим актуально определение наиболее рациональных вариантов организации вычислительного процесса. Для решения обозначенной проблемы предложена концепция и архитектура информационной системы, которая должна обеспечить интегрированное представление и систематизацию классов решаемых задач и разнородных исполнителей (используемых программных средств) [2]. В качестве формальной основы для автоматизированного синтеза спецификации исполнительной среды решено использовать прикладную онтологию, представляющую собой систему понятий решаемых задач. В рамках онтологии сложная задача декомпозируется на подзадачи, реализация которых возможна с помощью существующих программных средств. Определенные в онтологии
17
отношения над объектами позволяют исследователю задавать в явном виде неполную спецификацию решаемой задачи, а также избежать некоторых концептуальных ошибок при постановке задачи. Например, при указании конкретного сепарационного аппарата, который планируется исследовать в ходе моделирования, в результате вывода на онтологии может быть получено множество экземпляров руд, «подходящих» аппарату. Выбор руды для данного варианта вычислительного эксперимента следует осуществлять только из этого множества.
Анализ решения исходной задачи, реализуемый процедурами вывода на онтологии, дает возможность в автоматизированном режиме определить множество необходимых исполнителей и связей между ними, т.е. сформировать спецификацию исполнительной среды. Генерируемая спецификация в некоторых случаях обладает избыточностью за счет альтернативных вариантов решения задачи, обусловленных наличием аналогов среди исполнителей. В итоге решение исходной задачи можно произвести по одному из альтернативных путей, выбор которого зависит от требований конкретного вычислительного эксперимента (время выполнения, точность решения и др.).
Для решения задачи выбора альтернативы формируется граф, вершины которого соответствуют исполнителям, найденным в процессе вывода на онтологии, а дуги - связям между ними. Связи интерпретируются как абстрактные каналы передачи данных, отображающие возможность взаимодействия инструментальных средств. При оценке варианта решения, задаваемого некоторой цепочкой узлов, необходимо учитывать характеристики исполнителя, которые можно представить как «стоимость» его использования. Каждой дуге приписывается вес, зависящий от характеристик (сложность, точность) исполнителя, из которого эта дуга выходит, и от способа связи (наличия конвертера). Интегральная стоимость представляет сумму всех числовых характеристик исполнителя с учетом ограничений спецификации задачи.
Для поиска альтернативных путей в графе исполнителей используется алгоритм Дейкстры с учетом ограничений, описанных в спецификации исходной задачи. В результате стоимость использования каждого из построенных вариантов спецификации исполнительной среды вычисляется как сумма весов дуг, соединяющих исполнителей, которые входят в данную спецификацию. Сравнение альтернатив сводится к сравнению стоимостей их использования. Также на основании информации об используемых инструментальных средствах можно определить основные характеристики решения задачи - количество исполнителей, общее время выполнения, итоговую точность решения и т.п.
Учитывая общий уровень развития телекоммуникационных систем, глобальной информационной инфраструктуры и рост популярности облачных вычислений (от англ. cloud computing) [3], при создании и исследовании моделей логичной представляется ориентация на максимальное использование существующих разработок в рассматриваемой предметной области. С другой стороны, практика взаимодействия с обогатительными предприятиями показывает, что для многих из них характерно «закрывать» собственную технологическую информацию и блокировать возможность входа внешней информации (в том числе -программных модулей) в производственные информационные системы. В связи с этим использование информационно-аналитических ресурсов, представленных в глобальных сетях, или инфраструктуры проблемно-ориентированных публичных облаков вероятно только для исследовательского этапа разработки и тестирования моделей технологических схем переработки минерального сырья и сепарационных аппаратов. Распределенные системы оперативной информационно-аналитической поддержки производственных процессов могут быть реализованы на основе частных облаков (от англ. private cloud), организованных в рамках относительно закрытых корпоративных сетей. В контексте рассматриваемой проблемы частное облако представляет собой инфраструктуру, находящуюся в собственности, управлении и эксплуатации одной организации и предназначенную для использования несколькими потребителями (например, подразделениями) этой организации.
Моделирование гидродинамических процессов в разделительных аппаратах
Современный уровень развития технических и программных средств моделирования обеспечивает возможность практической реализации моделей, адекватно представляющих гидродинамические процессы разделения минеральных компонентов. Одним из эффективных
18
инструментов моделирования гидродинамики многофазных сред являются САЕ-системы (Computer-Aided Engineering) и CFD-программы (Computational Fluid Dynamics) [4]. CFD-модели разделительных аппаратов дают возможность учитывать геометрию исследуемого объекта (разделительного аппарата), граничные условия и физические свойства подвергаемых разделению минералов, а также другие важные аспекты, влияющие на адекватность модели задачам исследования. При этом нет необходимости существенно упрощать формальное описание моделируемых физических процессов. В качестве математического аппарата для построения моделей использован аппарат многофазного многоскоростного континуума (ММК). Вычислительный эксперимент над такими моделями приближается по своим качествам к натурному эксперименту.
В ходе проекта ММК модели были разработаны для основных разделительных процессов, используемых на обогатительных предприятиях Мурманской области [5].
В основу математической модели процесса разделения минеральных комплексов в магнитно-гравитационном аппарате положен эффект формирования ожиженного слоя из ферромагнитных частиц в восходящем водном потоке при помещении его в однородное магнитное поле. При разработке модели использовались результаты работы [6], в которой приводится оценка величины снижения коэффициента гидродинамического сопротивления при действии на ферромагнитный слой внешнего однородного магнитного поля и сдвигового воздействия потока жидкости. Модель реализована в трехмерной геометрии цилиндроконического корпуса аппарата высотой 1 ми диаметром 0.4 м. Эксперименты с моделью позволили исследовать течения ферромагнитной суспензии в рабочем объеме магнитно-гравитационного аппарата и провести анализ ряда характеристик этого процесса. Полученные результаты дают основания утверждать, что модель можно использовать для прогнозирования технологических показателей разделения в магнитно-гравитационных аппаратах различных конструкций, а также для совершенствования аппаратов данного типа.
В математической модели процесса флотации описывается обмен механической и тепловой энергией и веществом. При формулировке условий материального баланса рассматривается производительность моделируемого объекта по удельным временным объемным расходам входных и выходных потоков, а также их физические и вещественные характеристики. В качестве конкретного объекта моделирования рассматривалась камера пневмомеханической флотационной машины ОК-38. При формулировке условий однозначности использованы данные технологической схемы основной нефелиновой флотации АНОФ-2 ОАО «Апатит». Инструментальные средства компьютерного моделирования позволяют получить как графическое, так и числовое представление результатов для каждой из фаз в любой точке пространства флотационной камеры. Вычислительный эксперимент на основе разработанной модели флотационного аппарата дает информацию не только о пространственных распределениях скоростей и концентраций отдельных компонентов многофазной системы, но и о технологических характеристиках моделируемого аппарата.
Созданы имитационные модели и проведены компьютерные эксперименты по исследованию влияния формы и геометрических параметров рабочих объемов гравитационных аппаратов на динамику распределения частиц различной крупности и формы в рабочем объеме аппарата. Доказано, что изменение формы рабочего объема аппарата позволяет варьировать кинетику распределения разделяемых частиц различных классов крупности.
Разработка моделей экспресс-анализа обогатительных процессов
Для реализации моделей экспресс-анализа динамики процессов обогащения руд, наряду с методами Data Mining, были использован математический аппарат нейронных сетей и аппарат нечеткой логики [7].
Нейронные сети обладают рядом свойств, которые определяют перспективность их применения в качестве аналитического аппарата систем управления. В контексте рассматриваемой задачи это прежде всего способность к обучению на примерах. Наличие больших объемов данных мониторинга, в которых представлены взаимосвязанные измерения и входов, и выходов исследуемой системы, позволяет обеспечить нейросеть репрезентативными обучающими выборками. Важны также способность нейронной сети адаптироваться
19
к изменению свойств объекта управления и внешней среды и высокая устойчивость к «сбоям» отдельных элементов сети в силу параллелизма, изначально заложенного в архитектуру сети.
В рамках проекта реализованы сети встречного распространения. Они могут достаточно оперативно реагировать на изменения условий протекания процесса обогащения, связанные с флуктуациями характеристик исходного сырья, технологических параметров или износом оборудования. Объединение в нейросети встречного распространения самоорганизующейся карты Кохонена [8] и звезды Гроссберга [9] приводит к росту «обобщающих» способностей сети и позволяет получать правильный выход даже при неполных или незначительно искаженных входных данных. Нейросетевая модель синтезирована для флотационного отделения АНОФ-2. В модели учитывается 15 контрольных, 30 управляющих и 27 индикативных параметров. Настройка значений весов производится в режиме обучения сети, когда в модель подаются априорно известные векторы входов Xi и выходов Yi. В режиме прогнозирования входной вектор Xt модели формируется на основе текущих данных мониторинга, а выходной вектор Yt генерируется сетью. В ходе серии вычислительных экспериментов модель была настроена и обеспечила синтез выходных векторов, соответствующих контрольной выборке данных реального производственного процесса. Совместно с нейросетевой моделью используется база знаний, где представлены возможные «нежелательные» состояния системы, с каждым из которых ассоциирован набор правил определения комплекса корректирующих воздействий на управляющие параметры. Указанная база знаний создается с использованием как методов Data Mining, так и верифицированных экспертных рекомендаций.
Модели, основанные на использовании математического аппарата нечеткой логики [10], целесообразно применять в случаях, когда в исходных данных или выявленных связях существует значимая неопределенность. В рамках реализуемого подхода к разработке технологии оперативного прогнозирования обогатительных процессов предполагается возможность неявного влияния всех технологических параметров процесса на характеристики продуктов разделения. В зависимости от степени изученности процесса взаимное влияние параметров характеризуется либо «классическими» передаточными функциями, либо нечеткими функциями. Нечеткая передаточная функция представляется схемой, включающей блок фаззификации, машину нечеткого логического вывода и дефаззификатор. На этапах фаззификации и дефаззификации используются априорно заданные (и хранимые в базе системы моделирования) функции принадлежности для нечетких значений параметров. Основные проблемы при формировании модели данного типа состоят в выборе параметров функций принадлежности, описывающих характеристики технологического процесса, и синтезе нечетких правил для базы знаний. В большинстве случаев эти проблемы решаются с помощью привлечения экспертов. Однако для модели, используемой в условиях реального производства, экспертов можно привлекать только для начальной настройки системы. Поэтому в рамках проекта разработаны механизмы автоматизированной корректировки по данным оперативного мониторинга априорно заданных функций принадлежности и нечетких правил, определяющих влияние входов модели на ее выходы. Тестовым объектом для анализа эффективности и адекватности модели, основанной на комбинированном использовании классических и нечетких передаточных функций, также служил процесс флотации, реализуемой на АНОФ-2.
Модель обогатительных процессов ОАО «Олкон»
С использованием результатов проекта и специализированных инструментальных средств моделирования создана модель обогатительных процессов на дробильно-обогатительной фабрике (ДОФ) ОАО «ОЛКОН». Моделируемая схема обогащения магнетитовых кварцитов включает дробление, измельчение и магнитное обогащение в слабом поле.
Средствами математического моделирования [11] произведено прогнозирование раскрытия зерен магнетита различной крупности с исходным содержанием железа в руде 30%. Получена диаграмма раскрытия магнетитовых кварцитов месторождений Приимандровского района. Анализ диаграммы раскрытия зерен позволил сделать вывод о том, что в обычной стадиальной схеме переработки происходит измельчение сростковой фракции в совокупности с полностью вскрытыми магнетитовыми зернами. В результате циркулирующая нагрузка в мельнице достигает 250-300%, что существенно снижает эффективность процесса обогащения.
20
Модель для определения более эффективной схемы и параметров процесса обогащения магнетитовых кварцитов была создана и исследована с использованием программных средств MODSIM [12]. Указанная программная среда поддерживает формирование рассчитывающей детальные массовые балансы модели технологической цепи из набора моделей обогатительного оборудования, соединяемых материальными потоками. Также инструментальные средства MODSIM предоставляют возможность интегрировать в модель технологической цепи, формируемую на основе априорно представленных в системе блоков, новые, созданные пользователем, модели аппаратов. Это весьма полезно как на стадии разработки технологической схемы обогащения, так и при использовании модели в контуре автоматизированного оперативного управления.
Разработанная модель технологической схемы получения магнетитового концентрата на ДОФ ОАО «Олкон» [13] описывает следующие стадии процесса: измельчение в стержневой и шаровой мельницах, классификацию измельченного продукта и трехстадиальную магнитную сепарацию с использованием барабанных магнитных сепараторов. Модель позволяет ускоренно исследовать сложные производственные ситуации и принимать правильные решения по их ликвидации. Ее прогностические возможности существенно превосходят возможности используемых до настоящего времени расчетов по эмпирическим формулам.
Вопросы, связанные с интеграцией разработанной технологии в действующие системы поддержки оперативного управления
Модели обогатительных процессов и аппаратов, а также процедуры анализа больших объемов данных мониторинга обладают, как правило, высокой вычислительной сложностью. При этом разрабатываемая технология ориентирована на интеграцию средств прогнозирования процессов обогащения в действующие системы оперативного управления и мониторинга, аппаратной платформой которых являются рабочие станции на базе типовых персональных компьютеров. Добиться необходимой производительности в таком случае позволяет использование многопоточных графических процессоров (GPU - Graphical Processing Unit) для универсальных высокопроизводительных вычислений. Подобные решения уже используются в мировой практике не только для анализа и обработки изображений, но и для симуляции и прогнозирования различных процессов, а также решения инженерных задач высокой размерности. В рамках проекта проведены исследования по оценке соответствия реальных характеристик системы на основе GPU CUDA NVIDIA Tesla C2050 характеристикам, заявленным производителем. Исследовалась также производительность указанной системы по сравнению с системами, использующими только серийный центральный процессор [14].
GPU спроектирован таким образом, чтобы максимально эффективно решать задачу однотипной обработки множественных данных. Использование методов Data Minig для анализа данных мониторинга обогатительных процессов, моделей на основе нейронных сетей и математического аппарата многофазного многоскоростного континуума приводит к вычислительным задачам указанного типа.
Для реализации поставленной задачи спроектирован и реализован программный модуль, позволяющий экспериментальным путем провести сравнительную оценку производительности центрального и графического процессоров. Отдельное внимание было уделено оценке совместного использования GPU и пакета прикладных программ для решения задач технических вычислений MatLab, поскольку этот пакет широко применяется для инженерных расчетов и моделирования.
Результаты проведенных вычислительных экспериментов подтвердили, что использование графических процессоров общего назначения в рамках рабочих станций, интегрированных в контур оперативного контроля и управления процессами обогащения, во многих случаях может существенно повысить их вычислительную мощность. Однако для эффективной реализации вычислений, связанных с прогнозом динамики процесса, требуется выполнение определенной подготовительной работы, включая оценку структуры реализуемых алгоритмов и их оптимальную реализацию средствами специализированного языка.
Стандартными средствами современных SCADA-систем в реальном времени решаются задачи обмена данными с устройствами связи с объектом, к которым относятся промышленные
21
контроллеры, а также ведения базы данных мониторинга производственного процесса. Для снижения трудоемкости практического использования накопленных в базе SCADA-системы данных необходимо из большого числа параметров, фиксируемых в ходе оперативного мониторинга, выделить относительно небольшое число «наиболее важных» параметров, которые в наибольшей степени влияют на ход обогатительного процесса. Для решения этой задачи разработана технология целевой выборки параметров технологического процесса из общего перечня контролируемых параметров. Технология основана на анализе структуры имен, используемых для хранения результатов мониторинга производственных процессов на обогатительных предприятиях. В общем виде идентификатор поля данных, хранимых в базе мониторинга, формируется как текстовая строка, образованная путем конкатенации ряда аббревиатур. Таким образом, в идентификаторе представлена информация, позволяющая определить «точку» производственного процесса, в которой проводились измерения, измеряемый параметр и условия измерения. Для реализации целевой выборки создана система построения запросов, которая позволит выбирать параметры из общего перечня на основе фрагментов имен. Условия запроса задаются в диалоговом режиме с применением специального модуля и справочника используемых аббревиатур. Заполняя с помощью предоставленных экранных инструментов соответствующие маски ввода, пользователь, по сути, формирует фильтр доступа к базе данных оперативного мониторинга. Использование предложенной технологии целевой выборки параметров и довольно простой инструментальной «надстройки», облегчающей формирование условий запросов, обеспечивает оперативное извлечение требуемых для последующей обработки данных из объемной базы текущего мониторинга.
Заключение
В результате выполнения проекта разработана технология создания автоматизированных систем прогнозирования кинетики производственных процессов обогащения минеральных руд по данным оперативного мониторинга текущих параметров процесса. Инструментальные средства выработки прогноза могут быть в виде подсистемы интегрированы в действующие на обогатительных предприятиях автоматизированные системы поддержки диспетчерского управления и сбора данных (SCADA-системы). Предложена общая схема интеграции средств моделирования в системы оперативного управления и определены механизмы организации целевого доступа к базам данных оперативного мониторинга обогатительных процессов.
Исследованы возможности использования различного математического аппарата для создания моделей оперативного прогнозирования. Исследования подтвердили, что наличие больших объемов данных, полученных в результате функционирования SCADA-систем, обеспечивает создание и практическое применение моделей, основанных на методах Data Mining, нейронных сетей и нечеткой логики. На основе таких методов созданы и протестированы на реальных данных мониторинга обогатительных процессов модели экспресс-анализа технологических схем, используемых на обогатительных фабриках ОАО «Апатит» и ОАО «Олкон». Доказано, что созданные модели позволяют получить результаты, адекватные задачам оперативного управления производственными процессами. Наиболее рациональным для прогнозирования многостадийных схем обогащения минерального сырья представляется вариант комбинированных решений, предполагающий совместное использование разнотипных моделей для различных состояний обогатительного процесса или различных операций (аппаратов) технологических схем.
Для нескольких обогатительных аппаратов с применением современных программноинструментальных средств создан ряд моделей, основанных на использовании математического аппарата многофазного многоскоростного континуума. В ходе исследований доказано, что подобные модели обладают высокой информативностью. Вычислительные эксперименты над такими моделями позволяют существенно снизить необходимость проведения трудоемких натурных экспериментов при решении задач разработки и совершенствования конструкций, а также определения эффективных режимов функционирования обогатительных аппаратов.
Результаты проведенных в рамках проекта исследований представлены в 17 печатных работах, а также 10 докладах на научных мероприятиях. 22
22
ЛИТЕРАТУРА
1. Олейник А.Г. Схема оперативного прогнозирования производственных процессов обогащения руд / А.Г. Олейник, Л.П. Ковалева // Труды Кольского научного центра РАН. Информационные технологии. Вып. 2. Апатиты: Изд. КНЦ РАН, 2011(7). С. 211-219. 2. Неведров А.С. Архитектура системы интеграции
инструментальных средств для определения эффективных режимов обогащения / А.С. Неведров, А.Г. Олейник// Труды Кольского научного центра РАН. Информационные технологии. Вып. 3. Апатиты: Изд. КНЦ РАН, 2012(11). С. 115-123. 3. Gillam, Lee. Cloud Computing: Principles, Systems and Applications / Editors: Nick Antonopoulos, Lee Gillam. — L.: Springer, 2010. 379 p. 4. Неведров А.С. Об инструментальных средствах определения эффективных режимов обогащения минеральных руд / А.С. Неведров, А.Г. Олейник// Информационные ресурсы России. 2011. №5 (123). С. 35-38. 5. Скороходов В.Ф. Применение методов вычислительной гидродинамики к исследованию и анализу процессов разделения минералов / В.Ф. Скороходов [и др.] // Физико-технические проблемы разработки полезных ископаемых. 2013. №3. С. 179-187. 6. Jovanovic G.N. Magnetically assisted liquid-solid fluidization in normal and microgravity conditions: experiment and theory / Goran N. Jovanovic, Thana Sornchamni, James E. Atwater and others // Powder Technology. 148 (2004). P. 80-91. 7. Кириллов И.Е. Разработка моделей экспресс-анализа обогатительных процессов на основе нейросетей и нечеткой логики / И.Е. Кириллов, И.Н. Морозов, А.Г. Олейник // Труды Кольского научного центра РАН. Информационные технологии. Вып. 4. Апатиты: Изд. КНЦ РАН, 2013. С. 152-159. 8. Kohonen Т. Self-organization and associative memory. 2d ed. New-York, Springer-Verlag. 312 р. 9. Grossberg S. Some networks that can learn, remember and reproduce any number of complicated space-time patterns. Journal of Mathematics and Mechanics. 1969. Vol. 19, № 1. Р. 53-91. 10. Тэрано Т. Прикладные нечеткие системы / Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. 368 c. 11. King R.P. Modeling and Simulation of Mineral Processing Systems / R.P. King, Edited by C.L. Schneider and E.A. King. Published by Society for Mining, Metallurgy, and Exploration. 2012. 492 p. 12. Modular simulator for mineral processing plants. Режим доступа:
http://www.mineraltech.com/MODSlM/ 13. Модернизация технологии обогащения железных руд на ОАО «ОЛКОН» с использованием имитационного моделирования / В.В. Бирюков [и др.] // Труды Кольского научного центра РАН. Информационные технологии. Вып. 4. Апатиты: Изд-во КНЦ РАН, 2013. С. 183-188. 14. Рябов Д.В. Анализ вычислительных возможностей GPU Tesla C2050 / Д.В. Рябов, А.В. Вицентий // Труды Кольского научного центра РАН. Информационные технологии. Вып. 4. Апатиты: Изд. КНЦ РАН, 2013. С. 160-168.
Сведения об авторах
Олейник Андрей Григорьевич - д.т.н., зам. директора по научной работе, Институт информатики и математического моделирования технологических процессов КНЦ РАН; e-mail: oleynik@iimm. kolasc.net.ru
Бирюков Валерий Валентинович - н.с. лаборатории новых обогатительных процессов и аппаратов, Горный институт КНЦ РАН; e-mail: [email protected]
Скороходов Владимир Федорович - д.т.н., зав. лаборатории новых обогатительных процессов и
аппаратов, Горный институт КНЦ РАН; e-mail: [email protected]
Щербаков Алексей Владимирович - директор ДОФ ОАО «Олкон»; e-mail: [email protected] 23
23
