關于選礦過程智能化控制技術的探討

徐寧，周俊武，王清

(北京礦冶研究總院，北京 100044)

關于選礦過程智能化控制技術的探討

徐寧，周俊武，王清

(北京礦冶研究總院，北京 100044)

根據選礦生產過程的特點，結合對國內外選礦自動化技術的研究情況，論證選礦過程智能化對我國選礦生產流程的必要性。對帶有自學習功能的智能化選礦控制系統的結構進行了設計，并介紹了在此結構上利用多變量統計過程監控技術進行磨礦過程運行狀態的建模與識別工作。

選礦;過程控制;智能化;軟測量;在線檢測;歷史數據

1 關于過程控制和智能控制

工業過程控制是一門非常復雜的、實踐性很強的多專業交叉學科，同時也是大規模流程工業生產所必需的關鍵技術。近幾十年來，工業過程控制技術發展迅速。首先是計算機技術、網絡技術、通訊技術的融合，形成了可以集中處理多回路、進行復雜運算的集散控制系統(DCS)和總線控制系統(FCS)，生產過程數據能夠以ms級的采樣周期被采集和存儲到數據庫里;其次，控制理論和控制方法已從傳統的經典控制理論和方法向著先進控制、智能控制、優化控制的方向發展。

PID控制是工業過程最常用和實用的方法，對穩定生產過程有著重要的貢獻。PID控制器的機理是被控對象的線性數學模型，或者說實際的被控對象在一定的約束條件內被線性化了。隨著流程工業的生產規模在日益擴大，復雜程度在日益增加，生產流程的數學模型越來越難以得到。PID控制滿足不了生產對控制速度和控制精度的要求。工業生產急需更有效的控制方法來克服干擾因素引起的生產波動、質量下降、經濟指標惡化等問題。

于是，傳統控制理論與模糊邏輯、神經網絡、遺傳算法等人工智能方法相結合，充分利用人類的控制知識對復雜系統進行控制，逐漸形成了智能控制系統的雛形［1］。

迄今，對于“智能控制”這一術語尚沒有明確的定義。美國IEEE控制系統協會將“智能控制”歸納為:智能控制必須具有模擬人類學習(Learning)和自適應(Adaption)的能力。智能控制首先不依賴于單一的數學解析模型，而是數學模型和知識系統相結合的廣義模型［1］。與傳統的控制系統相比，智能控制系統通常具有以下特點:

(1)較強的學習能力:能對未知環境提供的信息進行識別、記憶、學習、融合、分析、推理，并利用積累的知識和經驗不斷優化、改進和提高自身的控制能力。

(2)較強的自適應能力:具有適應受控對象動力學特性變化、環境特性變化和運行條件變化的能力。

(3)較強的容錯能力:系統對各類故障具有自診斷、屏敝和自恢復能力。

(4)較強的魯棒性:系統性能對環境干擾和不確定性因素不敏感。

(5)較強的組織功能:對于復雜任務和分散的傳感信息具有自組織和協調功能，使系統具有主動性和靈活性［2］。

2 選礦工藝流程

選礦是一個連續的生產過程，由一系列連續的作業所組成。整個選礦過程可分為選別前的準備作業、選別作業和產品處理作業。選別前的準備作業包括破碎和篩分、磨礦和分級，其主要目的是使有用礦物與脈石礦物，以及不同的有用礦物之間相互分開，達到礦物單體分離，為分選作業做準備。有時這種準備作業是將物料分成若干適宜的粒級，為分選作業做準備。選別作業是選礦過程的關鍵作業(或稱主要作業)。它根據礦物的不同性質，采用不同的選礦方法，如浮選法、重選法或磁選法等等。產品處理作業主要包括精礦脫水和尾礦處理。精礦脫水通常由濃縮、過濾、干燥(有時需要)三個階段組成。尾礦處理通常包括尾礦貯存和尾礦水處理［3］。本文重點討論碎磨、浮選和濃縮脫水過程。

碎礦的典型流程是三段一閉路，即由顎式破碎機先進行粗碎，然后經過中碎圓錐破碎機破碎后送入分級篩篩分，粒度合格的礦石進入球磨機的給礦倉，不合格的被返回到細碎圓錐破碎機進行破碎后，與中碎礦石合并進入分級篩篩分，從而構成閉路碎礦。

磨礦過程是由球磨機和水力旋流器(有時是螺旋分級機)組成的閉路磨礦過程。礦石和水、鋼球按照一定比例送入球磨機研磨一定時間后排入礦漿泵池，再由礦漿泵輸送至水力旋流器分級，細粒級產品溢流進入浮選作業，粗顆粒的沉砂返回球磨再磨，形成閉路磨礦。

浮選是目前銅、鉛、鋅、金等貴、重金屬礦物的主要選別方法，通常由粗選、掃選和精選組成。根據礦石中銅、鉛等硫化礦物的可浮性，采用有針對性的藥劑制度，依次從礦漿中把它們浮選分離出來，分別得到單獨的精礦和尾礦。在閉路浮選中，可對粗選尾礦掃選進一步回收剩余的有價礦物，對精選的尾礦采用再返回粗選進一步選別。

濃縮脫水是固液分離的關鍵作業，目的是去除礦漿中的水分，既有利于精礦和尾礦的輸送，達到節能的目的;也能夠回收水資源進行生產再利用。由于重力作用，精礦礦漿在濃密機中經過一段時間的沉降形成“沉砂”，“沉砂”濃度達到一定時，從濃密機底部排出，進入過濾機進一步過濾脫水，其濾餅即為精礦產品。濃密機的溢流則從濃密機上部的溢流口排出，經過回水泵池收集后可返回流程再用。浮選作業的尾礦通常會用于井下充填或者輸送到尾砂庫(廢棄)。

選礦生產的核心指標是精礦品位和回收率，而經濟效益的體現則是在生產平穩前提下的最佳的精礦品位與回收率組合。但是礦石性質是破壞選礦生產平穩的主導因素，主要體現在“循環負荷”上，即閉路流程中的返回部分，比如礦石硬度引起破碎、磨礦作業的循環量增加，礦物組成變化引起浮選級數(次數)的增加。選礦過程是物理變化和化學變化同時存在的過程，很難象單純的化學反應方程式一樣左邊等于右邊。循環負荷既是必然的、也是必需的生產產物。現實的選礦廠由于設備容積(比如磨機、浮選機、濃密機)、管道口徑與坡度、輸送設備能力(比如渣漿泵)一定，則整個流程的“流通能力”一定，所以一旦循環負荷過大或者過小，帶來的是流程堵塞、跑冒滴漏，或者短路。

無論是進行何種類型的控制系統設計，都必須考慮礦石性質這個最主要、最頑固的干擾因素給生產穩定性和生產指標帶來的影響。難點是礦石性質基本上不可在線測量和預先控制，既使是在線分析的數學模型也必須是在一定范圍方能有效，因此利用智能化的學習方法“感知”和“識別”這種擾動可能是一種解決方法。

3 國外選礦自動化技術

國外選礦流程自動化技術比我國先進得多，至少要領先20年，主要體現在:

(1)檢測分析技術先進，不僅對選礦生產過程的單一工藝參數，也包括設備的運行信息、生產異?；蛘吖收蠣顟B的預估和分析。

(2)控制理論和控制方法先進，得益于生產過程數據的積累，以及以此為基礎的生產過程、生產設備的建模，和生產運行規律的知識發現。

(3)數學建模和仿真工作先進，對生產流程的設計能力和調整能力強。

礦石塊度分布是影響破碎和磨礦作業的處理能力和生產指標的重要因素之一。盡管無法對礦石硬度進行準確測量，但是礦石可磨性的變化勢必影響破碎或者研磨后的產品塊度和粒度分布信息。因此原礦石以及碎磨過程的中間礦石的塊度/粒度分布是最直接的能夠反應原礦性質和生產效果的信息。美國的SPLITENGEINEERING公司開發的Split－ Online?Rock Fragmentation Analysis system利用圖像分割技術實現了皮帶上的礦石塊度在線分析，包括對粗碎、細碎的給礦礦石和破碎后礦石，自磨/半自磨機給礦礦石，以及皮帶上的鋼球、球磨機給礦等，以此為指導進行碎磨控制，能夠提高碎礦和磨礦生產效率和處理量。圖1是該系統的應用示意圖，圖2是該系統分析結果與篩分結果的比較圖。

因此磨機負荷和運行狀態是選礦生產最關注的設備信息，同時也是磨礦控制的關鍵。21世紀初，Anglo Platinum、Phelps Dodge、Rio Tinto、WMC Resources和Xstrata等企業聯合贊助澳大利亞的CSIRO機構開發了基于半自磨/球磨機表面振動檢測的磨機負荷在線分析系統。該系統可獲取轉動中磨機內物料的運動信息，分析襯板和提升板的磨損情況，優化磨機操作參數，減少磨礦作業的鋼耗，每年為企業節約數百萬澳元的成本［4］。

礦漿粒度、礦漿品位的在線檢測技術已經發展的非常成熟，并且在我國也取得了較廣泛的應用。分析粒度的儀器有OUTOTEC公司的基于位移原理PSI300和基于激光原理的PSI500分析儀，德國SYMPATEC GmbH生產的在線超聲衰減粒度儀OPUS(On－line Particle size analysis by Ultrasonic Spectroscopy);分析品位則以芬蘭OUTOTEC公司開發Courier系列載流X熒光分析儀最為典型。南非MINTEK公司則利用軟測量技術開發了磨機排礦濃度預估器(Mill Discharge Density Estimator)和旋流器溢流礦漿粒度預估器(Particle Size Estimator)兩種軟測量裝置，通過建模方法實現磨礦過程變量信息的在線識別和獲取。

浮選精礦泡沫狀態是能否反映浮選狀況的最直接信息，2000年Outotec采用圖像處理技術計算浮選泡沫物理參數，結合在線X射線熒光分析儀分析數據，優化浮選過程，在150m3浮選機工業試驗中提高銅回收率2.34%，金回收率1.78%，降低藥劑消耗7.10%。

在選礦過程優化控制技術開發方面，南非的Mintek公司積累了25年的選礦生產數據并結合大量的工業實踐開發了選冶過程優化軟件包StarCS;芬蘭的OUTOTEC把其所屬的礦山作為實驗室，歷經40年開發了PROSCON先進控制系統，這均是當前國際礦業界優化控制軟件產品的典型代表。圖3展示了StarCS系統的組織架構，圖4是PROSCON 40年的發展歷程。

從國外選礦自動化技術的發展應用可以看出:

由于礦物性質和工藝流程的日趨復雜，單一工藝參數的在線檢測不能滿足生產優化控制的需要;具有智能學習特點的、由復雜過程多變量融合的過程信息的軟測量技術和方法，與單一參數檢測一起，構成了實現優化控制的信息基礎。

由于選礦指標追求的是統計規律上的穩定和提高，而且每個選礦廠的礦石都有著自己的特殊性，因此選礦生產歷史數據可能蘊含了豐富的礦物信息和流程信息，亟待人們去挖掘發現生產的規律和知識。國外的優化控制技術和方法均體現出了對歷史數據的學習能力、對將來過程的建模和預測能力，自覺的調整能力，是典型的智能化控制方法。

現代管理之父杜拉克指出:“知識生產力將日益成為一個國家、一個產業、一個公司的競爭實力的決定性因素”，“無論什么傳統產業，之所以能夠發展壯大，就是因為他圍繞的知識和信息進行了重組”［5］。智能化的過程檢測分析方法和過程優化控制正是利用生產數據和多學科、多專業交叉的知識和信息重組的過程。由于選礦原料性質的多變性和相對穩定性，這種智能化方法對選礦生產過程的優化顯得更有意義。

4 我國選礦自動化技術現狀

隨著國民經濟的快速發展，作為國家支柱產業的礦產資源行業在產能和規模上飛速前進，國家和企業對資源開發的生產力水平、生產效率和可持續發展的能力提出更高的要求。2006年2月29日國務院《國家中長期科學和技術發展規劃綱要(2006－2020年)》將提高水和礦產資源利用率作為國家發展的重點領域及其優先主題。作為節能減排、增效增產的必要生產力手段，選礦自動化技術在我國過去的十年中發展迅速。

改革開放帶來的國際市場一體化，使得我國的硬件水平完全達到了國際先進水平。如今大型選礦廠自動化系統，由先進的過程儀表，具有高速數據傳輸能力的總線通訊網絡，大型、冗余、高計算速率的控制器，C/S、B/S的HMI交互平臺構成了構成了國際一流的數據平臺。但是我國選礦自動化的應用狀況并不盡如人意，關鍵原因有兩點:

其一，選礦關鍵過程參數和過程信息的分析手段落后。我國礦產資源具有貧、細、雜的特點，并且礦山經常是交叉開采、隨機配礦，這使得我國選礦廠的原料波動更大，因此對于生產過程關鍵工藝參數和關鍵信息的采集、獲取更為迫切。只有擁有了這些手段，并利用先進的數據平臺建立起生產過程的數據倉庫，才有可能完成原料性質變化、生產異常、設備磨損等生產狀況的智能化“識別”，為優化控制奠定基礎。

其二，選礦優化控制軟件開發落后，表現在開發主體上缺乏多專業的知識交叉和融合，因而對于生產過程數據開發利用的力度和深度不夠，在生產數據資源浪費的同時，伴隨的是大量的金屬資源流失。

國家科技部在“十一五”科學技術發展規劃設立了《選冶過程測控技術與裝備》重點項目，高度關注到了選礦生產技術發展的瓶頸問題。該項目由北京礦冶研究總院牽頭，東北大學、清華大學等高校參加，歷時五年，在選礦過程檢測分析技術方面取得了可喜的成果。

2006年北京礦冶研究總院成功開發了BPSM礦漿在線粒度分析儀，首先在江西銅業集團公司永平銅礦進行了工業試驗，試驗成功進行了產品化。迄今已經在國內外十幾個礦山得到了應用。

2009年北京礦冶研究總院成功開發了BOXA型載流X熒光品位分析儀，首先在江西銅業集團公司永平銅礦進行了工業試驗。試驗期間設備經受住了室外、高溫、潮濕等惡劣環境因素的考驗，同時在銅精礦和硫精礦的測量分析上達到了國際同類設備的水平。

2009年北京礦冶研究總院與東北大學、清華大共同開發了半自磨機球磨機負荷監測技術，先后在冬瓜山銅礦13000t/d選礦廠、烏奴格吐山銅礦30000t/d選礦廠、焦家金礦4000t/d選礦廠進行了工業試驗，解決了磨機筒壁振動檢測的在線采集和無線傳輸問題，以及根據振動信號識別磨礦負荷的初步研究工作。該項目在軟測量技術研究方面取得了很突出的成果。

2008年北京礦冶研究總院與中國礦業大學合作開發成功的浮選泡沫圖像分析儀。該分析儀能夠實時分析出泡沫的大小、顏色、流動速度等參數，在有色選礦上對銅礦漿品位的預測精度也達到了7%。2009年，又共同合作開發了礦石塊度圖像分析儀，并且在焦家金礦4000t/d選礦廠碎礦工段返砂皮帶上進行了工業試驗，經過現場的篩分取樣校驗，對生產過程有一定的指導作用。

這些研究成果對于實現選礦過程全面的在線分析、進一步開發選礦智能化控制方法奠定了基礎。

除了在檢測分析技術上取得進步之外，國內一些院校也在方面利用各種智能方法進行了選礦過程控制的探索。東北大學在國內某選礦廠22臺豎爐組成的焙燒過程中，提出了根據運行工況實時調整控制回路設定值，通過控制系統跟蹤調整后的設定值，將工藝指標控制在目標值范圍內的過程優化運行的混合智能控制方法［6］。

5 選礦過程智能化控制系統的設計與實踐

盡管我國已經在選礦的關鍵工藝參數檢測和關鍵工藝信息的在線分析上取得了一定的研究成果，但是要實現選礦生產狀況的實時檢測，也就是當礦石性質與工藝流程、生產操作模式之間發生偏離時，必須要有良好的數據平臺，并且利用各種智能化方法對該數據平臺歷史數據進行挖掘、分析，將數據轉換成可利用的控制知識或者控制策略。數據平臺的數據只有融入選礦工藝、選礦設備等重要專業后，才有可能是一個有價值的選礦歷史數據庫。

自2009年以來，北京礦冶研究總院在選礦過程智能化系統設計上注意到了上述的問題，并在工業過程上進行了嘗試和探索。首先是設計一個能夠結合工藝過程、控制過程和管理過程的選礦控制系統，為能夠開展選礦生產智能化提供數據集成和操作平臺。圖5是該選礦控制系統平臺的軟件結構，它分為三個層次:

(1)第一層為工藝過程控制層:以PLC作為主要執行設備，主要執行變量采集、連鎖控制和回路穩定控制，滿足生產操作監控的自動化、集約化需求。

(2)第二層為計算機監控層，主要由兩大部分溝通。第一部分由工業HMI軟件構成的生產過程數據采集和監控系統，建立生產歷史數據庫;第二部分是北京礦冶研究總院自主開發的選礦過程專用信息處理軟件，該軟件負責將生產歷史數據庫和企業若干第三方的數據庫集成和轉換成統一的生產數據倉庫。

(3)第三層為選礦過程信息處理客戶端，主要面向選礦廠的工藝技術工程師、選礦設備工程師，客戶端的工作人員完全可以根據對選礦工藝的學習和操作的需要，對生產過程數據進行數據重組、關聯計算、電子報表定制、趨勢曲線組合分析等功能。

這種軟件架構說考慮的原則是:生產管理行為以生產過程真實歷史數據作為素材，符合MES系統的工作理念。其核心思想是:自動化、信息化作為未來核心生產力的重要組成部分，生產管理和資源配置將圍繞著這一生產力的需要進行重新配置和整合。

圖5 智能化選礦控制系統架構

當獲得的生產過程越來越豐富時，也會帶給生產過程監控人員極大地困惑，因為他們往往需要同時監視十幾、幾十甚至上百個檢測點的數值，并要做出判斷生產運行是否正常。多變量統計過程監控技術是一種基于數據驅動的方法，即通過對生產過程中的大量數據利用數據分析處理方法挖掘數據中的本質特征信息并合理的表達出來，從而實現異常工況的報警，并幫助分析找出多個變量中引起異常的某個變量或者多個變量的組合方式。圖5的控制系統建立了經過處理后的生產過程數據倉庫，可以嘗試利用多變量統計過程監控技術挖掘發現生產過程中的規律或者趨勢。北京礦冶研究總院在2010年嘗試著利用多變量過程統計監控技術對磨礦過程進行運行模式的建模以生產異常的自動診斷工作。

該實踐以某選廠磨礦過程為背景，使用現場生產數據進行分析、驗證。依據該現場的工藝流程特點，選取磨機給礦量、前給水、磨機功率、旋流器壓力等磨礦過程的13個重要變量，以正常穩定生產狀況下的數據，采用基于多元統計的方法進行建模。通過該模型對生產過程進行實時監測，將生產過程運行的健康狀態分為正常、不穩定、異常三種情況。對于非正常的狀態，智能化方法將追溯異常變量并顯示。

下面就模型報警的兩種非正常情況進行舉例說明:

圖6中，(a)為過程狀態綜合指標及其控制限，如圖中標注，t1、t2時間段均出現非正常情況。智能化算法依據之前對生產數據的學習，判斷t1為不穩定情況，報錯變量為5號變量——球磨補加水(如圖6(b)所示);t2為異常情況，報錯變量為3號變量——球磨給礦(如圖6(c)所示)。

結合該磨礦過程工藝參數并與現場工作人員核實，生產過程實際情況為:

圖6 過程監測結果舉例

(1)t1時間段:工藝上要求球磨補加水流量應小于180m3/h，報告不穩定的t1時間段內水量大于200m3/h，該情況將引起后續作業的波動，需及時調整。

(2)t2時間段:正常給礦量應為200t/h左右，而t2時間段給料機突發異常，導致給礦量驟降，需及時排除故障以恢復正常生產。

綜上，在生產數據倉庫的基礎上，借助智能化方法充分利用已有生產過程的數據信息并挖掘其內部之間聯系，可對生產提供實時的指導，具有現實意義。

6 結束語

盡管選礦生產過程有著共性和個性，但礦產資源的條件決定了我國選礦生產過程的個性更為突出，因此選礦過程智能化控制方法是非常必要的。然而根據我國礦山企業的現狀，選礦過程智能化控制還有很長的路要走。主要的困難在于:

(1)選礦過程智能化必須依賴于選礦過程數據和信息的采集廣度和深度，這要求選礦廠在設計和建設過程中，必須兼顧到設備的控制水平和運行狀態數據的提供、工藝過程關鍵參數的在線檢測分析。很多選礦設備既是被控對象，同時兼具執行機構的特點，因此設備的自動化水平在一定程度上決定了選礦過程數據的完整性。

(2)選礦智能化的實現必須依賴于自動化專業與工藝技術專業、選礦設備專業的融合。既使建立了具有自學習功能的數據平臺，若沒有工藝技術人員的知識來指導和判別，也很難談到控制的智能化，因為可能搜集不到有用的規律和信息。

總的來說，選礦智能化方向是符合礦山企業發展需求和關系到經濟效益的關鍵技術。但是企業要將自動化、智能化技術作為生產力的重要組成部分來看待，就要在一定范圍內將企業的人力資源、技術資源、管理資源圍繞智能化系統運轉的需要進行重新配置。只有這樣，才可能讓自動化系統的投資創造更大的價值。

［1］李少遠，席裕庚，陳增強，袁著祉.智能控制的新進展(Ⅰ).上海:控制與決策，2000.

［2］張曉軍，張二為.智能控制系統發展綜述及其應用.南昌:有色冶金設計與研究，2006.

［3］郭秉文，肖云.選礦方法與工藝實踐.武漢:武漢大學教材，1990.

［4］周俊武，張堃博，徐寧.選礦過程自動化新進展.北京:中國有色金屬學會第六屆學術年會論文集，2005.

［5］柴天佑.流程工業信息化的發展狀況及對策.沈陽:遼寧視窗，2003.

［6］柴天佑，丁進良，王宏，蘇春翌.復雜工業過程運行的混合智能化優化控制方法.沈陽:自動化學報，2008.

Discussion on Intelligent Controlling of Mineral Processing

XU Ning，ZHOU Jun－wu，WANG Qing

(Beijing General Research Institute of Mining and Metallurgy，Beijing，China 100044)

The typical flow sheet of the mineral processing and the typical automation technologies in domestic and overseas are introduced in this article.The necessity of starting the research of processing intelligent studying and controlling method in Chinese mineral processing is discussed.A system configuration with self－studying function in the plant DCS is designed，the modeling on using the multivariate statistical process monitoring technology to extract the milling processing knowledge，and identifying operation of abnormal production and guiding the production operation are introduced.

mineral processing;process controlling;intellectualization;soft－sensor;on－line measuring;historical data

TD9

A

1009－3842(2011)01－0054－07

2010－12－23

徐寧(1973－)，女，漢族，山東德州人，教授級高工，北京礦冶研究總院信息技術與自動化研究所副所長，主要研究方向為自動控制理論與應用，E－mail:xnbgrimm@vip.sina.com