Desarrollo de un Sensor Virtual basado en Modelo NARMAX y Máquina de Vectores de Soporte para Molienda Semiautógena

Resumen

La estimación de estados, en procesos complejos como el proceso de molienda semiautógena (SAG) en la minería del cobre, es una tarea difícil debido a las dificultades para medir directamente ciertas variables relevantes en línea y tiempo real. En este trabajo se amplía una comparación, iniciada en trabajos anteriores de estos mismos autores, entre modelos dinámicos NARX y NARMAX construidos con el uso de Redes Neuronales Artificiales (RNA) y Máquinas de Vectores de Soporte (SVM), cuando actúan como estimadores de una de las variables de estado más importantes para la operación de molienda SAG. Para lograr esta comparación se propone una metodología simple y original para desarrollar modelos NARMAX confeccionados con SVM. Los resultados muestran la potencia predictiva de los modelos NARMAX, que incorporan los errores de predicción en tiempos anteriores para predecir la evolución futura del proceso y la ventaja de aquellos elaborados mediante SVM por sobre los confeccionados con RNA. NARMAX-SVM presenta un MSE significativamente inferior al de todos los otros modelos. En términos del proceso de molienda, se proporciona una herramienta útil para la estimación en línea y tiempo real de una variable que permite controlar y optimizar el proceso y que no puede ser medida mediante instrumentos fácilmente disponibles.