Los equipos utilizados en la molienda de minerales son los molinos de bolas,
encargados de realizar la conminución del mineral. Estos equipos desarrollan
elevado consumo de energía a una baja eficiencia de operación. Una de las razones
de la baja eficiencia se debe a la dificultad existente para identificar el nivel de carga
en el molino. Por ejemplo, al incrementar el nivel de carga al nivel óptimo, los
espacios existentes entre las bolas de acero se rellenan con mineral, generando un
incremento en el ratio de conminución. Por otro lado, podría pensarse que superar el
nivel de carga óptimo incrementa el ratio de conminución. Sin embargo, solo satura
el molino y disminuye aún más la eficiencia del proceso. Estos son algunos ejemplos
que indican la importancia de conocer el nivel de carga durante la operación. El nivel
de carga marca la pauta de una operación óptima y permite incrementar la eficiencia
del proceso de molienda.
El objetivo de la tesis fue desarrollar un sistema de control neuronal capaz de
determinar el nivel de carga instantáneo del molino en base a la experiencia del
operador de sala de control y mediciones de variables ampliamente conocidas en la
operación de molinos: Presión, Velocidad, Impactos y Tonelaje. La principal ventaja
del sistema de control desarrollado es la medición en tiempo real de una variable que
no es posible determinar directamente con algún sistema de instrumentación en
campo. Adicionalmente, si el molino está operando fuera del nivel óptimo de carga,
el sistema de control proporciona las acciones típicas correctivas.
El sistema de control neuronal fue desarrollado en las plataformas Control Builder 5.1
y System800xA (Sistema de Control Distribuido) del fabricante ABB. Las señales de
campo se integraron al sistema a través de “Cableado Duro” (4…20mA) y “Modbus
TCP”. Asimismo, se utilizó el algoritmo neuronal supervisado “Retropropagación” a
fin de entrenar la red neuronal. Finalmente, se realizaron pruebas al sistema de
control y se obtuvo el nivel de carga del molino con un error máximo de 4.22%. / Tesis
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:123456789/7034 |
| Date | 27 June 2016 |
| Creators | Sotelo Cabrera, Giancarlo Stefano |
| Contributors | Dávalos Pinto, José Amadeo |
| Publisher | Pontificia Universidad Católica del Perú |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf, application/pdf |
| Source | Pontificia Universidad Católica del Perú, Repositorio de Tesis - PUCP |
| Rights | Atribución-NoComercial-SinDerivadas 2.5 Perú, info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
Page generated in 0.0017 seconds