USO DE REDES NEURALES EN EL CONTROL JERÁRQUICO DE COLUMNAS DE FLOTACIÓN

Abstract

La Flotación Columnar es una técnica utilizada en la concentración de minerales valiosos. Al establecer una estrategia de control automático para este proceso, se encuentra la dificultad de que las variables objetivos son muy dificiles de medir automáticamente y en tiempo real. Una manera de salvar esta dificultad es aplicar modelos que consideren otras variables medibles para obtener estimaciones de las variables deseadas. En este trabajo se desarrollan modelos basados en Redes Neurales, adiestradas automáticamente en base a una serie de mediciones reales con resultados conocidos. Las Redes Neurales son una atractiva alternativa para este tipo de problemas, ya que no se requiere de un análisis teórico detallado, se ajustan en base a mediciones con procedimientos automáticos, son fáciles de adaptar y modificar, y se implementan en software pudiendo operar en tiempo real. Los objetivos planteados en este trabajo fueron la obtención de modelos para las variables Profundidad de Espuma, Bias y Holdup de Gas en la zona de colección, en base a Redes Neurales, tipo Feed Forward Multicapa, utilizando el método de adiestramiento de Gradiente Conjugado Escalado, bajo un supervisor automático. Utilizando como herramientas de software los programas Matlab, para el entrenamiento de las redes, y SINCO para la adquisición de datos en línea. Los resultados obtenidos fueron satisfactorios para los modelos de Profundidad de Espuma y Bias (aunque éste último no pudo ser contrastado con una medición directa). Para el caso del Holdup los resultados no fueron satisfactorios debido a la presencia de perturbaciones en las mediciones que no fueron aisladas previamente, aunque luego de filtrarlas se obtuvo una buena modelación de validez restringida.