饒明生

(紫金礦業(yè)集團(tuán)股份有限公司，福建 上杭 364200)

紫金集團(tuán)高度重視“三化”融合與智能制造工作，積極推動引進(jìn)新技術(shù)，結(jié)合管理流程的優(yōu)化再造，進(jìn)一步優(yōu)化企業(yè)的資源配置，全面提升企業(yè)在安全生產(chǎn)、經(jīng)營管理等方面的科學(xué)化、現(xiàn)代化水平。選礦是礦山資源開發(fā)的重要一環(huán)，建設(shè)智能選廠在提升資源綜合回收效率、提高企業(yè)盈利能力和管理水平方面具有重要作用。紫金集團(tuán)迎合國家“走出去”戰(zhàn)略，積極拓展海外市場，布局全球銅資源儲備。位于剛果民主共和國的穆索諾伊公司是紫金集團(tuán)海外的重點礦山，針對該礦山選礦入選礦石種類多、硫氧混合比例變化快、品位高且波動大等工藝特點以及穩(wěn)定工藝流程、增加處理量、提高回收率和降低物資消耗等需求，基于選礦過程智能制造方向最新的理念和技術(shù)，進(jìn)行了智能選廠建設(shè)的探索實踐，取得了顯著的效果。

1 智能選廠建設(shè)綜述

全面推進(jìn)實施制造強(qiáng)國戰(zhàn)略，加快大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)應(yīng)用，以新技術(shù)新業(yè)態(tài)新模式，推動傳統(tǒng)行業(yè)生產(chǎn)、管理和營銷模式變革，是我國制造業(yè)的首要任務(wù)[1]。選礦過程作為典型的流程工業(yè)，對全流程的自感知、自預(yù)測、自決策等能力要求較高，必須通過新一代人工智能技術(shù)中數(shù)據(jù)驅(qū)動的全面深度學(xué)習(xí)與人機(jī)混合增強(qiáng)智能才有可能解決生產(chǎn)難以數(shù)字化、工序難以協(xié)同等問題，由人工經(jīng)驗驅(qū)動的粗放型生產(chǎn)模式向知識和數(shù)據(jù)驅(qū)動的精細(xì)化生產(chǎn)模式轉(zhuǎn)變。

中國工程院周濟(jì)院士提出，新一代智能制造即是數(shù)字化、網(wǎng)絡(luò)化、智能化制造，其技術(shù)機(jī)理為“人—信息—物理系統(tǒng)(HCPS)”，即融合新一代人工智能技術(shù)，將人的知識和經(jīng)驗轉(zhuǎn)移至信息系統(tǒng)，利用信息系統(tǒng)的感知、計算與控制能力，實現(xiàn)對復(fù)雜性、不確定性制造系統(tǒng)的優(yōu)化[2]。柴天佑院士提出，流程工業(yè)智能優(yōu)化制造系統(tǒng)采用由人機(jī)合作的智能優(yōu)化決策系統(tǒng)和工業(yè)過程智能自主控制系統(tǒng)組成的兩層架構(gòu)[3]。孫傳堯院士提出，選礦過程智能制造功能架構(gòu)包含數(shù)據(jù)層、監(jiān)控層、生產(chǎn)層、決策層四個層次，結(jié)合大數(shù)據(jù)、人工智能、云計算等技術(shù)，從數(shù)據(jù)采集平臺與選礦數(shù)據(jù)中心、智能操作選礦廠、虛擬選礦廠、協(xié)同云服務(wù)平臺等四個層次進(jìn)行智能選廠建設(shè)[4]。

近年來，隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、云計算技術(shù)的迅猛發(fā)展，以有色金屬礦物加工設(shè)備、流程理論模型及經(jīng)驗?zāi)Ｐ蜑榛A(chǔ)，結(jié)合專業(yè)的流程優(yōu)化控制算法，促使有色金屬礦物加工流程建模仿真和優(yōu)化控制技術(shù)日趨完善，礦物加工流程“數(shù)字孿生”系統(tǒng)已經(jīng)進(jìn)入工業(yè)應(yīng)用階段、專家控制系統(tǒng)已開始產(chǎn)業(yè)化應(yīng)用，整個選礦行業(yè)生產(chǎn)流程已經(jīng)向著數(shù)字化、智能化方向快速發(fā)展，生產(chǎn)管理全面進(jìn)入“數(shù)據(jù)驅(qū)動”階段，從產(chǎn)量數(shù)據(jù)到運營數(shù)據(jù)，選礦大數(shù)據(jù)逐步展露出強(qiáng)大的生產(chǎn)力。以上進(jìn)展為智能選廠建設(shè)奠定了技術(shù)基礎(chǔ)。

當(dāng)前，國內(nèi)外主流礦業(yè)集團(tuán)紛紛布局包括智能選廠在內(nèi)的智能礦山建設(shè)，在礦山專用智能檢測設(shè)備、選礦專家系統(tǒng)、生產(chǎn)巡檢機(jī)器人、選礦生產(chǎn)綜合管控等方面進(jìn)行了建設(shè)應(yīng)用，取得了良好的應(yīng)用效果。國外如澳大利亞北帕克斯銅金礦、智利埃斯孔迪達(dá)銅礦，國內(nèi)如山東黃金三山島金礦、江銅集團(tuán)城門山銅礦、江西鎢業(yè)集團(tuán)宜春鉭鈮礦的智能化選礦廠建設(shè)廣為人知，成為行業(yè)內(nèi)借鑒的典型。紫金集團(tuán)也在紫金山金銅礦、阿舍勒銅礦及穆索諾伊公司等海內(nèi)外礦山進(jìn)行了智能選礦廠建設(shè)的實踐。

2 穆索諾伊智能選廠建設(shè)框架

我國選礦信息化與自動化普遍存在的情況為：1)基礎(chǔ)自動化系統(tǒng)不完善，各類系統(tǒng)相對孤立，應(yīng)用效果受限。2)在選礦過程決策、調(diào)度和控制層面目前主要是通過人的分析、判斷來實施和執(zhí)行的，難以保證準(zhǔn)確性、可靠性、靈敏性[5]。穆索諾伊選礦廠存在同樣的問題，并且與國內(nèi)類似流程相比，具有入選礦石種類多、硫氧混合比例變化快、品位高且波動大等工藝特點，為生產(chǎn)的操作和管理帶來更大的挑戰(zhàn)。因此，公司決定建設(shè)智能選廠，以實現(xiàn)選礦過程工藝數(shù)據(jù)自動采集、參數(shù)關(guān)聯(lián)自動分析、生產(chǎn)工況智能診斷、操作參數(shù)自動設(shè)定、選礦流程智慧管控，最終達(dá)到穩(wěn)定生產(chǎn)流程、增大處理量、提高金屬回收率、降低物資消耗的目標(biāo)。

結(jié)合穆索諾伊復(fù)雜高品位硫氧混合銅浮選的特點，確立數(shù)據(jù)驅(qū)動模型和人機(jī)混合智能相融合的智能選廠建設(shè)技術(shù)路線，具體的建設(shè)框架如圖1所示。

智能選廠的建設(shè)框架分四個層次。

第一層為基礎(chǔ)數(shù)據(jù)層。通過磨機(jī)負(fù)荷監(jiān)測系統(tǒng)、在線品位分析系統(tǒng)、泡沫圖像分析儀等礦山專用的檢測設(shè)備，智能監(jiān)測選礦生產(chǎn)指標(biāo)。建設(shè)安全、穩(wěn)定的高速工業(yè)控制網(wǎng)絡(luò)，在局域網(wǎng)內(nèi)部署基礎(chǔ)數(shù)據(jù)平臺，通過工業(yè)互聯(lián)網(wǎng)絡(luò)協(xié)議集成DCS系統(tǒng)、智能設(shè)備、電能計量、質(zhì)檢化驗、設(shè)備巡檢等系統(tǒng)數(shù)據(jù)，對工藝流程檢測及基礎(chǔ)生產(chǎn)數(shù)據(jù)歸檔，形成過程歷史數(shù)據(jù)庫，為大數(shù)據(jù)分析提供基礎(chǔ)。

第二層為專家控制層。綜合歷史數(shù)據(jù)分析和人工經(jīng)驗提取形成選礦過程先驗知識庫，根據(jù)選礦生產(chǎn)控制特點將專家規(guī)則模糊化，實現(xiàn)工況的智能診斷和生產(chǎn)的自動操作，降低人工勞動強(qiáng)度，穩(wěn)定生產(chǎn)流程和工藝指標(biāo)。

第三層為模型優(yōu)化層。建立選礦生產(chǎn)數(shù)據(jù)模型，如設(shè)備負(fù)載模型、給礦下料模型、上礦特征模型、工況分類模型等，用于指導(dǎo)生產(chǎn)操作和專家控制，從而優(yōu)化選礦生產(chǎn)指標(biāo)；通過基于統(tǒng)計聚類的模式識別技術(shù)實現(xiàn)控制算法參數(shù)的自適應(yīng)，有效地提高專家規(guī)則庫的建立速度和有效性。

第四層為智慧管理層。通過對選礦全流程海量歷史數(shù)據(jù)進(jìn)行統(tǒng)計、可視化顯示及大數(shù)據(jù)分析，挖掘長周期數(shù)據(jù)的價值，為選礦廠各級生產(chǎn)管理人員提供管控依據(jù)，實現(xiàn)選礦廠生產(chǎn)指標(biāo)監(jiān)管優(yōu)化、磨礦浮選流程協(xié)同和綜合經(jīng)濟(jì)指標(biāo)優(yōu)化。

3 穆索諾伊智能選廠建設(shè)實踐

依據(jù)上述建設(shè)框架，穆索諾伊進(jìn)行了智能選廠建設(shè)實踐。

3.1 基礎(chǔ)數(shù)據(jù)平臺建設(shè)

數(shù)據(jù)是智能選廠建設(shè)的基礎(chǔ)，是專家系統(tǒng)控制和數(shù)據(jù)建模的依據(jù)。由圖2可知，選礦基礎(chǔ)數(shù)據(jù)平臺作為連接現(xiàn)場生產(chǎn)控制系統(tǒng)與專家控制系統(tǒng)的橋梁，為研究工作提供數(shù)據(jù)分析、變量通訊、界面展示和人機(jī)交互等基本功能。數(shù)據(jù)平臺通過集成標(biāo)準(zhǔn)工業(yè)通訊協(xié)議實現(xiàn)了智能系統(tǒng)與DCS系統(tǒng)、浮選機(jī)、加藥機(jī)等關(guān)鍵生產(chǎn)設(shè)備以及電能計量、設(shè)備巡檢等第三方系統(tǒng)的數(shù)據(jù)交互，為生產(chǎn)流程的實時檢測和智能控制提供了基礎(chǔ)。通過高并發(fā)實時數(shù)據(jù)庫技術(shù)和非結(jié)構(gòu)性時間序列數(shù)據(jù)庫(TSDB)技術(shù)實現(xiàn)了現(xiàn)場大量數(shù)據(jù)的并發(fā)采集、存儲和歷史查詢，形成了選礦生產(chǎn)過程實時數(shù)據(jù)庫，使得所有的生產(chǎn)和操作過程都可溯源和再分析。生產(chǎn)和管理數(shù)據(jù)的累積，形成企業(yè)的重要資產(chǎn)，是一筆寶貴的財富。

圖2 智能選廠基礎(chǔ)數(shù)據(jù)平臺Fig.2 Basic data platform of intelligent concentrator

檢測是實現(xiàn)生產(chǎn)控制的前提條件，通過有效的檢測手段獲取生產(chǎn)數(shù)據(jù)，增強(qiáng)數(shù)據(jù)完備性，是基礎(chǔ)數(shù)據(jù)平臺建設(shè)的重要內(nèi)容。通過集成DCS系統(tǒng)數(shù)據(jù)，實現(xiàn)生產(chǎn)過程重量、流量、濃度、料位、溫度和電能等常規(guī)變量數(shù)據(jù)歸檔和設(shè)備集中遠(yuǎn)程控制。同時，現(xiàn)場安裝在線品位分析儀、磨機(jī)負(fù)荷監(jiān)測系統(tǒng)、泡沫圖像分析儀等礦山專用的智能檢測設(shè)備，實現(xiàn)選礦過程重要參數(shù)的在線測量，為智能控制奠定檢測和數(shù)據(jù)基礎(chǔ)。

現(xiàn)場安裝一臺基于X射線的載流式分析儀，根據(jù)工藝需求和管路條件，共設(shè)置12個品位分析取樣點，實現(xiàn)對浮選關(guān)鍵作業(yè)點的實時品位監(jiān)測。針對因采廠出礦分階段使得入選品位在不同區(qū)間波動，造成在線品位分析偏差的現(xiàn)象，對原、精、尾等重要流道進(jìn)行射線強(qiáng)度與化驗值的多參數(shù)相關(guān)性分析，建立了基于散射強(qiáng)度分類的多模型，有效地提高了硫氧混合礦的品位測量精度及穩(wěn)定性。

在半自磨機(jī)和球磨機(jī)安裝磨機(jī)負(fù)荷智能監(jiān)測設(shè)備，通過安裝在磨機(jī)筒壁上的振動傳感器實時采集其振動信號，并通過特殊的算法進(jìn)行計算，得到磨機(jī)負(fù)荷的特征值，從而對磨機(jī)的工作狀態(tài)進(jìn)行監(jiān)測。通過采集不同工作狀態(tài)的磨機(jī)筒壁振動信號，可以很明顯地發(fā)現(xiàn)，當(dāng)磨機(jī)處于正常工作狀態(tài)、“空載”狀態(tài)和“過載”狀態(tài)時，振動信號的波形具有明顯的變化。綜合磨機(jī)負(fù)荷特征值、電流、振動波形特征值等表征量的變化，可以及時和準(zhǔn)確地判斷磨機(jī)工況的變化情況，實現(xiàn)了磨機(jī)給礦和磨礦濃度的優(yōu)化控制。

在粗掃選70 m3浮選機(jī)系列中安裝6套泡沫圖像分析儀，實時獲取浮選泡沫圖像并處理分析，得到反映浮選泡沫狀況的特征參數(shù)主要用于在線成泡質(zhì)量監(jiān)控和各個作業(yè)中目標(biāo)選別礦物的上浮量的量化分析，從而定性判斷瞬時工況下來料中硫化銅或氧化銅的含量。選礦專用智能檢測設(shè)備應(yīng)用可參考圖3。

圖3 選礦專用智能檢測設(shè)備應(yīng)用Fig.3 Application of intelligent detection equipment for mineral processing

以上選礦專用智能設(shè)備的應(yīng)用和數(shù)據(jù)基礎(chǔ)平臺的建設(shè)，為智能選廠建設(shè)奠定了數(shù)據(jù)基礎(chǔ)。

3.2 專家系統(tǒng)控制

穆索諾伊采用“半自磨機(jī)+球磨機(jī)+水力旋流器”的SAB磨礦工藝和“先硫后氧分步開路粗掃選，粗精礦分別閉路精選”的浮選工藝，根據(jù)選礦生產(chǎn)控制需求，開發(fā)了磨礦和浮選專家系統(tǒng)，實現(xiàn)了流程智能操作。

1)磨礦專家系統(tǒng)

磨礦專家系統(tǒng)充分利用數(shù)據(jù)平臺中的過程檢測儀表、執(zhí)行機(jī)構(gòu)和專用在線分析儀器的數(shù)據(jù)，智能分析和判斷磨機(jī)和旋流器的負(fù)荷和運行狀況，自動調(diào)整磨礦系統(tǒng)給礦量、給水量、分級砂泵泵速的設(shè)定值，實現(xiàn)生產(chǎn)工藝參數(shù)的自動調(diào)整，減少人為操作，同時對操作的穩(wěn)定性、可靠性和生產(chǎn)指標(biāo)變化情況進(jìn)行統(tǒng)計監(jiān)控。磨礦專家控制系統(tǒng)軟件界面如圖4所示。

圖4 磨礦專家控制系統(tǒng)軟件界面Fig 4 The interface of grinding expert control system software

磨礦優(yōu)化控制的目標(biāo)是在磨機(jī)設(shè)備安全工作的前提下，適應(yīng)礦石性質(zhì)的波動，對半自磨的磨礦過程進(jìn)行精細(xì)控制，以最大化磨機(jī)處理量，提高磨礦效率。半自磨機(jī)的功率、軸壓、負(fù)荷特征和頑石量分別反映了其能量消耗、整體負(fù)載、填充負(fù)荷和磨礦循環(huán)效率等情況，所以，其所處區(qū)間及變化趨勢的組合可以綜合反映半自磨的工作狀態(tài)，通過建立相應(yīng)的專家模型，綜合判斷半自磨機(jī)工作狀態(tài)，諸如過載、過載趨勢、正常、欠載趨勢、欠載等工況。根據(jù)工況判斷結(jié)果，針對性地調(diào)整半自磨給礦量及磨礦濃度，從而實現(xiàn)半自磨機(jī)的優(yōu)化控制。分級規(guī)則控制的目標(biāo)是在保證工藝流程平穩(wěn)的前提下，將分級產(chǎn)品粒度和濃度控制在工藝要求范圍內(nèi)，其控制思路為：在旋流器分級模型仿真結(jié)果的基礎(chǔ)上，根據(jù)物料平衡的原則制定專家規(guī)則，根據(jù)泵池液位、分級壓力、給礦流量、溢流粒度和濃度的所處的區(qū)間和趨勢調(diào)整渣漿泵的頻率和給礦濃度，以協(xié)同分級控制目標(biāo)，實現(xiàn)分級指標(biāo)的優(yōu)化。

2)浮選專家系統(tǒng)

浮選流程優(yōu)化控制的目標(biāo)是在精礦品位達(dá)標(biāo)的基礎(chǔ)上，最大化金屬回收率。采用的方案是建立X熒光分析儀和泡沫圖像的實時測量數(shù)據(jù)和上礦特征的大數(shù)據(jù)模型，以此進(jìn)行工況診斷和操作指引，形成針對性的專家系統(tǒng)，實現(xiàn)浮選流程的智能操作，達(dá)成降低勞動強(qiáng)度、穩(wěn)定生產(chǎn)流程的效果。

針對穆索諾伊浮選過程“先硫后氧開路粗掃選”的工藝特點，對同一泡沫圖像分析儀的不同工況下兩類圖片進(jìn)行機(jī)器學(xué)習(xí)分類，找出人工語義中圖像的細(xì)微差異，在每張圖片中提取740維特征作為圖像特征向量，再通過大量工況對比圖(如圖5所示)比對及尋優(yōu)，選取具有顏色表征的21維特征向量，進(jìn)一步通過主元分析將特征向量維度降到4維。最終，選取連續(xù)6個月的346組已知分類工況進(jìn)行獨立的機(jī)器分類測試，在4維空間下的RBF-SVM機(jī)器分類模型的分類準(zhǔn)確率可以達(dá)到98%。通過這項工作，突破了傳統(tǒng)以RGB坐標(biāo)為主的顏色特征識別工況的思路，創(chuàng)造性地解決了混合銅浮選過程因泡沫細(xì)微顏色紋理差異而導(dǎo)致的工況改變識別困難的難題，實現(xiàn)了浮選專家系統(tǒng)的實時智能感知。

硫化銅浮選優(yōu)化控制主要通過在線品位分析設(shè)定各個工藝節(jié)點的控制期望，結(jié)合泡沫圖像診斷出的浮選工況，以及分析出的粗掃選的泡沫上礦特性，建立以泡沫顏色特征值和藥劑添加量為核心的優(yōu)化控制模型，實現(xiàn)硫化銅浮選藥劑—充氣量—液位的聯(lián)動控制，在硫化銅精礦品位達(dá)標(biāo)的前提下最大化浮選金屬回收率，從而實現(xiàn)硫化銅浮選生產(chǎn)效益最大化。

(左圖為高硫泡沫，特征向量為VT=[23.75,1.62,101.43,4.87]右圖為低硫泡沫，特征向量為VT=[9.13,5.06,80.80,7.21])圖5 硫化銅浮選不同工況兩類泡沫圖像特征向量Fig.5 Two types of foam image feature vectors in different working conditions of copper sulfide flotation

氧化銅控制主要是采用關(guān)鍵粗選節(jié)點藥劑控制與掃選節(jié)點藥劑充氣量保尾控制相結(jié)合的策略。研究基于模糊控制規(guī)則的氧化銅藥劑充氣量控制規(guī)則，自動觸發(fā)主要藥劑的使用量，并同步更改充氣量設(shè)定值，以促使工況狀態(tài)改變，保證泡沫或溢流品位狀態(tài)處于合理的觀測區(qū)間。浮選專家控制系統(tǒng)工況監(jiān)控界面如圖6所示。

圖6 浮選專家控制系統(tǒng)工況監(jiān)控界面Fig.6 The working condition monitoring interface of flotation expert control system

3.3 智能選礦生產(chǎn)數(shù)據(jù)建模

建立包括磨礦分級、浮選流程等選礦過程關(guān)鍵單元的大數(shù)據(jù)模型，實現(xiàn)選礦流程關(guān)鍵單元流程節(jié)點的指標(biāo)透明化和工藝過程的數(shù)字化，為選廠在流程信息獲取、流程生產(chǎn)尋優(yōu)等方面開辟新的數(shù)據(jù)維度和控制依據(jù)，引導(dǎo)生產(chǎn)指標(biāo)最優(yōu)。

1)通過聚類分析這種無監(jiān)督的模式識別方法，探索輸入數(shù)據(jù)的內(nèi)部群組結(jié)構(gòu)，將數(shù)據(jù)分成不同的群集(工況)。通過這一方法，分別對由于季節(jié)變換原因?qū)е碌脑V含水量變化問題和由于處理量變化導(dǎo)致的旋流器開啟組數(shù)變化問題進(jìn)行了研究，并通過工況分類的方法實現(xiàn)了控制算法和參數(shù)的自適應(yīng)控制，提高了控制系統(tǒng)在不同工況下的控制精度和適用性。利用K-means聚類進(jìn)行工況分類，采用馬氏(Mahalanobis)距離計算公式(1)。

(1)

其中，A～F為選擇的關(guān)鍵生產(chǎn)狀態(tài)變量，分別為磨機(jī)電流、磨機(jī)負(fù)荷特征值、磨礦濃度、分級泵池液位、磨礦產(chǎn)品濃度、磨礦產(chǎn)品粒度；ω1～ω6為權(quán)重，根據(jù)各個狀態(tài)變量的相關(guān)系數(shù)選??；q為指數(shù)，取正整數(shù)，計算時根據(jù)實際的分類結(jié)果調(diào)整q的取值；

由此得到j(luò)個不同的工作狀態(tài)點C1～Cj，C=(S,P)，其中：S={a,b,c,d,e,f}為磨礦過程狀態(tài)變量的集合；P={l,m,n}為磨礦過程的操作變量集合，包括給礦機(jī)頻率設(shè)定值、給水量設(shè)定值、分級砂泵頻率設(shè)定值等。聚類結(jié)果即可得到生產(chǎn)過程的典型工況分布(如圖7所示)。

圖7 磨礦生產(chǎn)工況聚類分析(兩個峰分別為旱季和雨季時的工況)Fig.7 Cluster analysis of grinding production conditions(the two peaks are the conditions during the dry season and the rainy season)

2)根據(jù)本選廠設(shè)備及工藝流程，利用實際流程數(shù)據(jù)分析建立了設(shè)備負(fù)載模型，以優(yōu)化選礦流程中各節(jié)點的關(guān)鍵設(shè)備的運行負(fù)載大小和穩(wěn)定度為目標(biāo)，對操作參量進(jìn)行優(yōu)化。在正常工況時通過對穩(wěn)態(tài)工作點的卡邊實現(xiàn)指標(biāo)的最優(yōu)化；在異常工況需要進(jìn)行工作點遷移時，通過對關(guān)鍵參數(shù)變化趨勢的計算和判斷實現(xiàn)工作點的平穩(wěn)遷移。

3)經(jīng)過分析礦漿在線品位值與相應(yīng)浮選泡沫顏色、流速、大小的相關(guān)性，建立其與浮選上礦情況的模型，并通過模型實現(xiàn)加藥量和浮選機(jī)充氣量、液位的自動調(diào)整；同時根據(jù)數(shù)據(jù)建模及工況診斷的結(jié)果，將浮選生產(chǎn)主要區(qū)分為高硫和低硫兩種不同工況，繼而按照不同工況實現(xiàn)不同類型的控制。

4)利用礦堆下料偏析原理，通過經(jīng)驗建立的下料塊度與料口位置的預(yù)測模型，對給料機(jī)的頻率分配結(jié)果進(jìn)行開環(huán)調(diào)整，穩(wěn)定給礦的粒級梯度，通過最大化前端流程的穩(wěn)定性簡化后續(xù)流程的控制復(fù)雜度。

3.4 綜合管控

選礦生產(chǎn)綜合管控是智能選廠建設(shè)的重要內(nèi)容。選礦過程關(guān)鍵數(shù)據(jù)統(tǒng)計及數(shù)據(jù)可視化是體現(xiàn)選礦專家系統(tǒng)使用效果的重要的監(jiān)控手段，同時也服務(wù)于礦山企業(yè)各級生產(chǎn)管理部門，是實現(xiàn)過程數(shù)據(jù)數(shù)字化、管控一體化的平臺性技術(shù)。通過對生產(chǎn)過程的大量數(shù)據(jù)進(jìn)行統(tǒng)計、分析和可視化，使得穆索諾伊選礦廠的智能選廠更具實際效果，選礦廠各級工藝技術(shù)人員獲得更及時有效的生產(chǎn)指標(biāo)及工況狀態(tài)數(shù)據(jù)。結(jié)合穆索諾伊工藝管理需求和數(shù)據(jù)基礎(chǔ)，從選礦過程綜合可視化和全流程金屬平衡計算兩方面進(jìn)行了研究和應(yīng)用開發(fā)。

選礦專家系統(tǒng)在對生產(chǎn)參數(shù)進(jìn)行統(tǒng)計分析的基礎(chǔ)上，建立數(shù)據(jù)模型，實現(xiàn)選礦生產(chǎn)全流程數(shù)據(jù)可視化及工況診斷功能，分別從磨礦、浮選關(guān)鍵生產(chǎn)指標(biāo)、設(shè)備運轉(zhuǎn)狀態(tài)、物資消耗統(tǒng)計等角度給生產(chǎn)管理提供指導(dǎo)。使得選礦廠組織管理者可以通過客觀的流程數(shù)據(jù)與技術(shù)分析，實時掌握磨浮過程中整個的生產(chǎn)狀態(tài)與實時工藝指標(biāo)，為生產(chǎn)組織管控提供決策數(shù)據(jù)；同時，上述動態(tài)分析的可視化數(shù)據(jù)可以有效地反映出生產(chǎn)調(diào)節(jié)過程中的不確定因素，減少因數(shù)據(jù)缺失或人為失誤造成的生產(chǎn)異常。

穆索諾伊選廠硫化銅含量與比例一直是破磨、浮選聯(lián)動協(xié)同生產(chǎn)的關(guān)鍵性技術(shù)參數(shù)，結(jié)合流程的在線數(shù)據(jù)分析，通過建立礦漿量和礦漿品位的綜合計算模型，實現(xiàn)了硫化銅產(chǎn)率的實時分析，有效地指導(dǎo)生產(chǎn)過程中的配礦和硫化銅浮選生產(chǎn)。

由于復(fù)雜的硫氧混合浮選過程的生產(chǎn)循環(huán)周期較長，對于浮選過程的全流程金屬平衡計算特別是氧化銅瞬時金屬平衡的計算受濃密機(jī)沉降速度等因素制約而變得十分困難。因此，在硫化銅金屬產(chǎn)量預(yù)測的基礎(chǔ)上，對氧化銅及全過程金屬平衡主要以小時為單位的金屬平衡進(jìn)行計算與分析，在小時統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，得到選銅生產(chǎn)各個節(jié)點的綜合產(chǎn)率，從而得出班組總回收率，實現(xiàn)了氧化銅產(chǎn)率及總金屬平衡計算與分析。

具體來說，根據(jù)原礦含水率w1、硫精礦含水率w2、礦石比重p(t/m3)、溢流產(chǎn)品流量F(m3/h)、濃度D、硫化銅精礦小時均礦量mc(t)、原礦品位A、氧化銅精礦品位O、混合精礦品位X、原礦處理量S(t/h)、礦石含水率w、皮帶秤測量氧化銅精礦的累積量U(t)、混合精礦流量計流量V(m3)、尾礦流量計流量W(m3)、礦漿濃度及礦石比重乘積ρx、ρt，計算原礦金屬量Mr(t)、硫化銅金屬量Ms(t)、氧化銅金屬量Mo(t)、混合精礦金屬量Mx(t)、尾礦金屬量Mt(t)，計算公式見式(2)。

(2)

i∈(1,2,…,12)

其中ε是每一項測量的誤差，根據(jù)金屬平衡及誤差累計公式，總金屬進(jìn)出平衡，系統(tǒng)測量的累計誤差為零，可得公式(3)。

(3)

在綜合生產(chǎn)管控過程中，我們通過離線形式的品位化驗分析值及班次精礦量計量值錄入，可以后驗得到上述公式(3)中每一項的真實誤差。并利用真實誤差迭代修正下一段時間內(nèi)的金屬量及回收率計算值，提高預(yù)測的準(zhǔn)確性，得到浮選不同作業(yè)段的選別質(zhì)量診斷結(jié)果，形成綜合管控閉環(huán)。

4 應(yīng)用效果

通過持續(xù)的應(yīng)用及優(yōu)化改進(jìn)，目前穆索諾伊選廠已初步建成具有示范性的行業(yè)內(nèi)同類型智能選廠，在生產(chǎn)運行與工藝指標(biāo)控制方面，實現(xiàn)了顯著的變化與指標(biāo)提升。

第一，穩(wěn)定了生產(chǎn)工藝指標(biāo)，降低生產(chǎn)過程異常擾動。選礦專家系統(tǒng)通過對生產(chǎn)流程運行狀態(tài)的實時智能診斷，及時合理地調(diào)整生產(chǎn)操作變量，保證了生產(chǎn)設(shè)備運行狀態(tài)和生產(chǎn)流程工藝參數(shù)的穩(wěn)定，直接降低了磨機(jī)空砸、漲肚、浮選精礦品位不達(dá)標(biāo)、尾礦跑尾等異常工況發(fā)生的時長與頻次，產(chǎn)生明顯的經(jīng)濟(jì)效益。

第二，提高了單位臺時的礦石處理量和浮選產(chǎn)品回收率，保證了年產(chǎn)金屬量增長。通過對比系統(tǒng)建成前后的生產(chǎn)技術(shù)指標(biāo)，智能化建設(shè)提升原礦處理量6%，提高浮選回收率1%。

第三，減少了磨礦生產(chǎn)耗材及浮選藥劑的消耗量，降低了選礦綜合成本。通過穩(wěn)定生產(chǎn)狀態(tài)，降低生產(chǎn)單耗的智能策略的實施，在磨礦電耗、球耗以及主要藥劑單位產(chǎn)品消耗量上均有不同程度上的節(jié)省，滿足了精細(xì)化管理的智能選廠建設(shè)需求。

從新增處理量、提高金屬回收率、降低藥劑等方面綜合核算，選礦智能系統(tǒng)應(yīng)用后年新增經(jīng)濟(jì)效益達(dá)600余萬美元，投資回報率明顯。

與此同時，智能選廠建設(shè)對于選廠管理智能化也有明顯的促進(jìn)。對于生產(chǎn)組織方面，智能化系統(tǒng)建設(shè)改變了以生產(chǎn)指標(biāo)+人工經(jīng)驗的生產(chǎn)組織管理模式，通過數(shù)據(jù)驅(qū)動的控制模型，固化了生產(chǎn)管理流程，規(guī)范了操作控制參數(shù)，減少了由于生產(chǎn)人員習(xí)慣和判斷標(biāo)準(zhǔn)不同等人為原因?qū)е碌牟煌啻沃g的工藝參數(shù)波動。另外，對于生產(chǎn)操作方面，改變了操作人員頻繁流程巡檢與經(jīng)常性的參數(shù)調(diào)整習(xí)慣，生產(chǎn)的重心逐漸過渡到關(guān)鍵節(jié)點及關(guān)鍵設(shè)備儀器點檢，使得人為發(fā)現(xiàn)工藝設(shè)備異常的可能性大大提高。

管理智能化主要依靠信息化技術(shù)，通過對生產(chǎn)數(shù)據(jù)的處理和運用獲得管理需要的信息，作為管理決策的依據(jù)。通過以報表自動化為基礎(chǔ)的綜合管控與數(shù)據(jù)可視化分析，建立實時生產(chǎn)數(shù)據(jù)、離散批次數(shù)據(jù)、人工錄入數(shù)據(jù)與工況診斷數(shù)據(jù)的聯(lián)動統(tǒng)計分析，形成物料消耗、金屬平衡、設(shè)備運轉(zhuǎn)率及班、周、月、季綜合統(tǒng)計與海量數(shù)據(jù)分析單元，再根據(jù)不同崗位對數(shù)據(jù)的不同需求進(jìn)行定向發(fā)布，最終形成了一套可以復(fù)制的數(shù)字化綜合管理體系。

5 展望

智能選廠是智能化礦山的重要組成部分，是通過裝備智能化、制造智能化實現(xiàn)少人化、輕資產(chǎn)智能制造模式的基礎(chǔ)條件。本文提出的智能選廠建設(shè)雖實現(xiàn)了專家系統(tǒng)與數(shù)據(jù)綜合管控的實踐應(yīng)用，但在系統(tǒng)的智能化程度和覆蓋廣度上都有提高空間。隨著5G技術(shù)在工業(yè)領(lǐng)域的逐漸開展，對于海外礦山的智能選廠建設(shè)既是一個挑戰(zhàn)又是一項機(jī)遇。任何智能化的建設(shè)都不是一蹴而就的，智能選廠建設(shè)也是隨著無線通信技術(shù)、人工智能技術(shù)、大數(shù)據(jù)及云計算技術(shù)和數(shù)字化生產(chǎn)管控模式的進(jìn)步而不斷前進(jìn)。相信在未來的三到五年里，將有更多的國內(nèi)外礦山圍繞著裝備智能化、管控智能化和知識自動化的建設(shè)目標(biāo)，建設(shè)更多與本文類似的智能選廠及智能礦山的技術(shù)實踐，最終總結(jié)完善智能礦山建設(shè)的評價標(biāo)準(zhǔn)與建設(shè)指南，推動礦物加工領(lǐng)域的整體行業(yè)進(jìn)步。