La flottation en colonne est un système multivariable complexe avec une dynamique incertaine et non linéaire qui subit l'effet de perturbations non mesurées. Son optimisation est donc un défi d'envergure. Avec les techniques d'optimisation en temps réel, l'hypothèse que le système est en régime permanent alors qu'il est constamment perturbé limite la fréquence d'optimisation. Les systèmes hiérarchisés de commande permettent de prendre en compte l'incertitude et la complexité du procédé. Une approche courante pour optimiser indirectement l'opération des procédés de flottation consiste à mesurer et à réguler des variables secondaires qui sont fortement corrélées aux variables de performance. Ce projet couvre deux sujets importants. Le premier aspect est le développement d'algorithmes d'estimation des variables secondaires. Des techniques permettant l'estimation de la profondeur d'écume et du différentiel d'eau basées sur des mesures de conductivité sont développées. Un observateur dynamique non linéaire de la concentration en moussant fut également conçu, conduisant à des erreurs de 1 ppm. Finalement, un modèle de mélange Gaussien (Gaussian mixture model) a permis la mesure en-ligne de la distribution de dimension des bulles à partir d'un système d'imagerie. Le deuxième sujet est la conception de stratégies de commande visant l'optimisation indirecte du procédé. Une commande prédictive qui optimise indirectement la colonne en maximisant le taux de rétention d'air tout en assurant un différentiel d'eau positif est premièrement décrite. Une commande à modèle interne basée sur un modèle de Wiener fut également conçue pour réguler la dimension des bulles. Un barbotteur ("frit and sleeve") permet la régulation de la dimension de bulles de façon indépendante du débit superficiel du gaz, une étape clé pour contrôler le taux surfacique de bulles. Ces expériences illustrent que le taux de rétention d'air et le taux surfacique de bulles sont fortement corrélés démontrant qu'ils peuvent tous deux être employés à des fins de commande. Finalement, la commande de la distribution de la dimension des bulles est explorée. L'emploi d'un modèle de mélange Gaussien pour représenter la distribution de la dimension des bulles permet de transformer un problème d'ordre infini en une situation qui permet l'utilisation de méthodes classiques de commande

Les structures de commande prédictive (MPC) utilisant des simulateurs dynamiques comme modèles de procédé ne font pas légion. Cette rareté s'explique en grande partie par la difficulté de résolution des problèmes d'optimisation résultants. En effet, les algorithmes de programmation non linéaire ne sont pas toujours adaptés pour atteindre efficacement l'optimum des fonctions basées sur des modèles physiques, à plus forte raison encore si les équations utilisées sont inconnues (modèles de type boîte noire). C'est en s'appuyant sur ce constat qu'une nouvelle approche pour la MPC est proposée. Le principe consiste à substituer la minimisation explicite de la fonction objectif par une simulation du système en boucle fermée pour solutionner de façon généralement sous-optimale le problème de contrôle en boucle ouverte. Cette nouvelle méthode permet d'exploiter plusieurs des avantages de la commande prédictive sans être limitée par la complexité des modèles. Deux algorithmes sont présentés: décentralisé et découplé. Bien qu'avantageuse sur le plan du réglage, la structure découplée ne permet pas la même liberté que la structure décentralisée pour le choix de l'horizon de prédiction qui doit généralement être du même ordre de grandeur que le temps de réponse en boucle ouverte. Le développement d'une structure de simulation du comportement dynamique de la flottation en colonne, un procédé de séparation des minéraux, représente la seconde contribution de cette thèse. Une grande lacune des simulateurs proposés à ce jour demeure que même lorsque les équations différentielles de conservation sont utilisées, les variations dynamiques du niveau de pulpe ne sont jamais considérées. La structure présentée ici s'intéresse à la simulation des mouvements des phases présentes et de leurs effets sur le niveau de pulpe et sur les débits de sortie. Par ailleurs, comme bien d'autres procédés minéralurgiques, la flottation en colonne a peu bénéficié des avancées en contrôle de procédés. C'est donc sur ce terrain que les deux thèmes étudiés se rencontrent lors d'une mise à l'épreuve conjointe. L'étude de cas proposée s'intéresse à l'asservissement de trois variables d'opération critiques pour le bon fonctionnement du procédé à savoir, la concentration d'air dans la zone de pulpe, le flux net d'eau à l'interface et le niveau de pulpe à l'aide d'un contrôleur prédictif basé sur la simulation. / Applications of dynamic simulators for model predictive controllers design are rather scarce in the litterature. The complexity of solving the resulting optimization problems may explain this lack of popularity. In fact, nonlinear programming algorithms are not always well suited to efficiently reach the optimum of a fundamentaly-based cost function. The situation is even worse when the equations used in the model are unknown by the control designers (black box models). The simulation-based model predictive controller is an alternative formulation to perform model predictive control (MPC) without making use of any explicit optimization solver, but rather based on an easy-to-compute closed-loop simulation. The resulting scheme generally provides a sub-optimal solution and benefits from many interesting features of conventional MPC without being restricted by the model complexity. Two algorithms are proposed: decentralized and decoupled. The decentralized simulation structure allows a flexible setting of the prediction horizon (Hp) that is not possible in the decoupled case, easier to tune, but where Hp must generally be in the same order of magnitude that the system settling time. A second contribution of this thesis is the development of a framework for the dynamic simulation of a mineral separation process: column flotation. Until now, most of the proposed models or simulators were restricted to the steady-state behavior. When dynamic mass-balance equations were considered, a constant pulp level during the simulation was always assumed. The presented framework aims to simulate water, solids and gas motion and their effect on the pulp level and output flow rates. As it often happens in mineral processing, the column flotation process has not benefited from advanced control techniques. This is where the two previous subjects merge. The proposed simulation framework is used to design a simulation-based model predictive controller for process variables having a strong influence on metallurgical results (grade and recovery). A case study is presented where the pulp level, bias and air hold-up in the pulp zone are kept within an acceptable operating region.

Les colonnes de flottation jouent un rôle important dans le processus de séparation des minéraux. Dans ce contexte, le comportement des variables hydrodynamiques à l'intérieur de celles-ci est étroitement lié aux performances métallurgiques de l'unité. Par conséquent, la commande de ces variables est un objectif préalable à la mise en place d'une stratégie d'optimisation en temps réel. Le but du projet est la commande de variables hydrodynamiques d'une colonne pilote de flottation pour un fonctionnement à trois phases en laboratoire ainsi qu'en usine (Mine Agnico-Eagle, division Laronde). Les variables considérées sont : le taux de rétention de gaz dans la zone de collecte, la fraction d'eau de lavage sous l'interface et la profondeur d'écume. Ces variables sont estimées à l'aide de mesures de conductivité électrique. Elles sont commandées en manipulant les débits de gaz, d'eau de lavage et de rejet. Des tests d'identification à des conditions nominales de fonctionnement conduisent à un modèle représentatif du système. La profondeur d'écume est commandée par un régulateur proportionnel-intégral, alors que les autres variables sont régulées par une stratégie de commande multivariable prédictive avec contraintes. Les résultats obtenus en laboratoire et en usine ont permis de confirmer le potentiel d'inclure ces algorithmes dans une stratégie d'optimisation en temps réel d'une colonne industrielle.