浮選柱自動控制技術現狀、研究進展與建議

田林伶

(西山煤電集團公司技術中心，山西 太原 030053)

浮選作為選煤過程中處理細粒級煤(＜0.5 mm)的最有效方法得到了廣泛應用和發展。浮選柱因其對微細粒物料(≤0.074 mm)的高選擇性分選以及結構簡單、節能等優勢日益受到重視，如FCMC旋流－靜態微泡浮選柱以其良好的分選效果得到廣泛應用。浮選柱采用人工手動調節，存在入料濃度波動大、礦漿液位和泡沫層厚度不穩定、藥劑添加不合理，以致浮選過程不穩定、浮選產品數質量指標波動較大、工人勞動強度較大等一系列缺點，對選煤廠經濟效益影響巨大。

隨著我國原煤煤質日益復雜和劣化、設備發展日趨大型化，企業競爭壓力增大，浮選柱自動控制的重要性日益凸顯。然而浮選過程影響因素眾多，各個因素之間又存在強烈耦合作用，此外浮選過程具有大時滯、大慣性特點，這給浮選過程自動控制帶來了較大的困難和挑戰。

1 浮選柱控制技術現狀

浮選柱控制可分為穩定控制和優化控制兩個層次。穩定控制是浮選過程影響變量保持在一個穩定的范圍值，一般是定值控制，使浮選柱在無人為因素干擾情況下，能夠在一個穩定工況下工作，同時保證產品質量合格。而浮選過程優化控制則是在穩定控制的基礎上，根據不同的分選過程，及時對上述浮選過程變量設定值進行優化和調整，使浮選過程處于最佳分選狀態，從而使浮選產品質量和經濟效益最優化。

目前，各選煤廠所使用的浮選柱自動控制系統多是基于浮選柱穩定控制思路，實現了浮選柱部分影響因素的自動控制，如采用電動蝶閥或電控氣動閥作為執行機構，通過PID控制實現浮選柱礦漿液位自動控制，利用電磁閥或者齒輪泵實現浮選藥劑自動添加。藥劑的自動添加多采用基于噸干煤量的線性加藥規則，無法滿足現場的實際要求，浮選柱優化控制國內目前尚未出現成熟的控制方法和控制系統。

2 浮選柱控制技術國內外研究進展

1)傳統控制—浮選柱液位與藥劑自動添加控制系統。

榮國強，劉炯天等設計了旋流－靜態微泡浮選柱液位自動控制系統［1］。為了達到更好的控制精度，選用了流速/液位的控制方案來實現浮選柱液位的自動控制，具體方案是:通過單壓力液位傳感器檢測浮選柱液位，將設定值與反饋值進行比較，得到二者偏差，利用PID控制器自動調整浮選柱底部尾礦閥閥門開度，調節尾礦排放量，從而控制液位。

浮選柱藥劑自動添加方面，如沈孝忠等［2］以PLC為基礎設計了一套浮選自動加藥系統，PLC按照設定的程序，根據檢測到的實時浮選入料流量和入料濃度，在線計算出浮選入料干煤泥量和藥劑添加量，然后PLC輸出控制信號控制電磁閥進行加藥。對電磁閥瞬時流量進行測定，從而確定出單位時間內電磁閥的動作頻率即通斷時間比，電磁閥進行脈沖式的動作，實現浮選過程藥劑自動跟蹤添加。

蔣曙光，歐澤深等［3］進行了FCMC－3000旋流微泡浮選柱計算機監控系統的研制，該系統主要包括浮選柱內礦漿液位自動控制、加藥量自動控制和入料流量自動控制。該控制系統前提是假設煤質和礦漿性質沒有明顯變化。

上述系統共同的特點是比較簡單，沒有針對煤質變化和波動的相應控制辦法。

2)以在線測灰儀反饋技術的浮選自動控制。

澳大利亞昆士蘭大學Julius Kruttschnitt礦物研究中心(JKMRC)和Utah發展有限公司合作開發了一種能夠測量煤漿灰分和固體物含量的在線分析儀(ASHSCAN)，它利用該在線分析儀測得浮選入料、精煤和尾煤的灰分及其固體物含量，在穩定控制基礎上，以此作為反饋，對藥劑添加量、浮選機液位和真空過濾機轉速3個控制回路的設定值進行調整，同時在浮選機第3室安裝液位傳感器，利用PID控制器調節尾礦排放量從而控制液位［4］。國內楊小平、馮紹灌［5］等人基于煤漿測灰儀進行了浮選優化控制研究，核心思想為:該系統在基于干煤泥量藥劑添加策略的基礎上，采用煤漿測灰儀測得的浮選精煤灰分實時值，利用模糊控制的方法對藥劑添加量進行細調和優化。葉瑜［6］對浮選工藝過程自動控制進行了研究，設計了浮選過程3個閉環控制系統，該系統實現了浮選入料濃度閉環PID自動控制，入料煤漿流量閉環PID自動控制，同時還有基于干煤泥量的浮選藥劑添加自動控制，這是穩定控制環節。在穩定控制基礎上設計了浮選生產過程模糊控制系統，利用在線檢測分析系統對浮選精煤和尾煤的灰分和固體含量、充氣量進行監測和分析，從而達到浮選過程充氣量、礦漿液位、藥劑添加量的控制，這是優化控制階段。上述控制均依賴于在線測灰儀，思路可行，但工業應用卻沒有獲得更多進展。

3)基于浮選泡沫層檢測控制技術研究。

韓雄南［7］設計了一套全自動智能化閉環浮選泡沫層測控系統，其測控原理為:當浮選過程相對穩定正常運轉時，通過安裝在浮選柱上方的攝像機攝取泡沫層圖像，經過圖像采集卡處理，將圖像信息轉換為數字信息并送往計算機，通過對泡沫層圖像進行特征參數提取，然后利用人工神經網絡進行分類識別，以識別結果為依據進行浮選過程自動加藥。該系統使用了泡沫層圖像處理技術，并運用人工神經網絡進行分類，這種控制方法為浮選柱智能控制提供了思路。

盧曉［8］介紹了浮選柱穩定控制，主要包括3個自動化控制系統:浮選柱液面高度自動控制系統、充氣量自動控制系統和沖洗水量自動控制系統。同時指出了浮選柱自動化發展趨勢是優化控制，例如采用圖像處理系統采集泡沫層信息，包括氣泡大小、色澤、穩定性、流動性等，從而為浮選柱優化控制的調整提供新的參考值，建立浮選柱多變量控制系統。

4)浮選柱智能控制技術研究進展。

越來越多的國外學者［9－10］開始將模型預測控制、模糊控制、專家系統以及神經網絡控制等高級控制方法用于浮選柱自動控制研究中，并將這幾種智能控制方法進行結合從而更好地實現多輸入、多輸出的浮選柱控制系統。

印度學者Acharya Vihar［11］針對浮選柱液位優化控制設計了基于模型預測控制的神網絡控制器，利用尾礦閥門開度，浮選柱液位歷史值等一系列參數作為人工神經網絡的輸入，建立動態前饋神經網絡模型預測浮選柱液位值并進行在線優化。

智利學者Bergh LG［12］將浮選柱控制分為兩個層次，分別是監管控制和監督控制。其中，監督控制主要是對單獨控制回路進行連續或者間斷的參數調整和優化控制，該監督控制系統主要包括過程數據驗證，冶金目標控制和操作問題檢測。該控制系統運行表明，精礦品位提高了1.2%，同時精礦品位的標準偏差從 0.9% 降低到 0.7%.Bergh LG［13］還指出浮選過程是一個多影響變量、變量高度耦合的系統，因此提出了多元統計預測方法并進行了研究。

加拿大學者M.Maldonado［14］等同樣提出了一種利用模型預測控制(MPC)方法對浮選柱操作變量進行優化控制，將尾礦量、氣體流速和沖洗水量作為一次操縱變量，將泡沫層厚度，收集區的氣含率和偏流率作為二次變量加以控制，該控制策略實現了間接的對浮選柱操作變量優化。

張志豐，張志剛等對浮選柱控制提出:浮選柱穩定控制包括3個方面:體積與質量流量控制、偏流量控制和礦漿液位控制。優化控制主要包括藥劑用量(捕收劑和起泡劑)控制、泡沫層厚度控制、氣流表觀速度控制、偏流速度控制［15］，并重點介紹了浮選柱偏流量自動控制，包括間接控制偏流量和直接控制偏流量方法，無偏流量控制只針對礦漿液位進行檢測和控制。

歐樂明，張曉峰等［16－17］設計了浮選柱多輸入/多輸出控制系統，該系統主要包括兩個輸出變量:充氣量和浮選柱液面高度。其中，充氣量采用串級控制方法，控制回路由內環PID控制和外環模糊控制內外兩環組成;浮選柱液位控制也有兩部分組成，一部分為PID控制，另一部分為模糊控制，當液位設定值與反饋值的偏差小于設定最小偏差時采用PID控制，當偏差大于設定偏差時采用模糊控制。該多輸入、多輸出控制系統不包括藥劑添加自動控制。

文獻綜述表明:國內外對浮選柱控制研究方面，從穩定控制研究和單回路控制階段開始向優化控制、多輸入、多輸出方面轉變，利用智能控制對浮選進行控制與優化取得了一系列進展，神經網路、模糊控制、專家系統、模型預測控制等控制方法不斷進入浮選柱優化控制的研究和探索中。

3 發展思路與建議

通過對浮選柱自動控制進行回顧和梳理，提出如下發展思路和建議:

1)浮選柱優化控制宜采用穩定控制與優化控制的分層結構，這已經在前期應用、研究與探索中證明了其有效性，唯一需要關注的是穩定變量和優化變量的選擇合理性和控制效果。

2)優化控制宜采用模糊控制、專家規則與系統、多變量模型預測控制、神經網絡等現代智能控制理論與技術進行實現，這些現代智能控制技術是解決浮選柱過程多變量、耦合和大慣性大滯后的有效方法。

3)煤質波動是浮選柱控制研究不可回避的難題，數據驅動建模技術正在發揮日益重要作用并引起了專家學者的廣泛關注。數據驅動技術主要用于煤質波動的調整與分類，實現針對煤質波動的分類特性，從而為優化控制提供依據是非常有前途的研究方向，有望在浮選柱優化控制方面有所突破。

［1］榮國強，劉炯天，劉莉君，等.旋流－靜態微泡浮選柱液位自動控制系統設計［J］.金屬礦山，2007(05):62－64.

［2］沈孝忠，劉 強，趙 霞.基于S7－300PLC的浮選自動加藥控制系統［J］.自動化應用，2012(05):45－46.

［3］蔣曙光，歐澤深，李延鋒，等.FCMC－3000旋流微泡浮選柱計算機監控系統的研制［J］.中國礦業大學學報，2001，30(6):613－615.

［4］J.Abbott.Advanced coal preparation monograph series volume VII part 16 control concepts:C.J.Clarkson Australian Coal Preparation Society，Carrington，Australia［J］.Minerals Engineering，1994(7):428 －429.

［5］楊小平，馮紹灌，許德平，等.選煤廠浮選過程檢測與控制的研究［J］.煤炭科學技術，2011，29(8):1－4.

［6］葉 瑜.浮選工藝過程的自動控制方法［J］.選煤技術，2004(03):39－41.

［7］韓雄南.全自動智能化閉環浮選泡沫層測控系統的研制［J］.礦冶工程，2010(30):41－44.

［8］盧 曉.浮選設備自動控制技術的發展［J］.銅業工程，2008(03):38－39.

［9］Jocelyn Bouchard，André Desbiens，René del Villar，etc.Column flotation simulation and control［J］.An overview Minerals Engineering，2009(22):519–529.

［10］B.J.Shean，J.J.Cilliers，A review of froth flotation control［J］.International Journal of Mineral Processing，2011，100:57 － 71.

［11］Acharya Vihar.Artificial neural network based system identification and model predictive control of a flotation column［J］.Journal of Process Control，2009，19(6):991－999.

［12］Baergh LG，Yianatos JB.Flotation column automation:state of the art［J］.Control EngineeringPractice，2003，11(11):67 － 72.

［13］Bergh LG，Yianatos JB，LeonA.Multivariate projection methods applied to flotation columns［J］.Minerals Engineering，2005，18(7):721 －723.

［14］M.Maldonado，Desbiens R.Potential use of model predictive control for optimizing the column flotation process［J］.International Journal of Mineral Processing，2009(93):26 –33.

［15］張志豐，張志剛，胡 軍.我國大型浮選柱自動控制策略的研究［J］.選煤技術，1999(03):5－7.

［16］歐樂明，張曉峰，黃光耀.浮選柱多輸入/多輸出控制系統設計及應用［J］.中國科技論文在線，2009，4(11):788－794.

［17］張曉峰.浮選柱多變量控制系統的設計及應用［D］.湖南長沙:中南大學，2010.