《管理信息化选矿自动化年评》由会员分享，可在线阅读，更多相关《管理信息化选矿自动化年评（39页珍藏版）》请在金锄头文库上搜索。
1、第30章 选矿自动化年评周俊武1、徐宁2、王庆凯1、赵建军1（1北京矿冶研究总院、矿冶过程自动控制技术国家重点实验室；2北矿智云科技（北京）有限公司）过去十年选矿自动化的发展速度、普及率前所未有，新建选矿厂无一例外地同步建设自动化系统，老选矿厂也不断通过自动化系统的建设实现改造提升、转型升级1。但应用情况、实施效果各不相同，本文就选矿过程检测技术和控制与优化技术做简要评述。30.1 在线检测与分析技术在线检测与分析技术是实现自动化、智能化的基础。在过去的十年里，选矿过程的流量、物位、压力、温度、酸碱度等单一参数的检测应用的十分普及和成熟，这里就不再赘述。选矿过程在线分析技术的开发与应用不仅从未
2、止步，而且越来越被行业所重视。尤其是随着应用基础研究的快速发展，促进了高端分析系统等智能装备的开发与应用。这类装备通过一个或者多个参数的物理测量和数学建模，能够感知、预测生产中的矿物特征、设备状态、生产指标等复杂的、综合的、关联的过程信息。这些装备使得生产操作智能化成为可能，改变了选矿自动化传统的含义和任务，缩短了选矿自动化技术与生产成本、效益、安全、环保、管理、知识储备、人才培养等经济效益和社会效益之间的距离。30.1.1 磨机状态监测技术在诸多选矿设备中，磨机运行成本最高、能源消耗最大，磨机运行状态和效率的控制是实现磨矿过程节能优化的关键。决定磨机工作效能的三个因素：磨机筒体尺寸、提升衬板
3、的状态和磨机的装载量及物料分布情况。如果能够及时掌握磨机内物料装载量、磨机内物料浓度粒度状态、衬板磨损程度等设备、状态信息，就能够及时调整磨机操作条件，使得磨机处理量最佳、运转效率最优、维护保养及时。因此，磨机状态监测技术一直是矿业技术研究的焦点和热点，国外的AMIRA、CSIRO、Outotec、COREM、JKMRC等研究机构都在这方面做了大量的研究工作。磨机状态监测技术的种类很多。国际矿业联盟AMIRA立项、CSIRO承担的“基于振动测量的磨机负荷监测”项目，2006年研制成功了惯性供电系统、加速度计传感器组和无线多通道信号采集系统，利用振动测量方法预测磨机运行状态，2008年在Nort
4、h Parkes Mine进行了试验。2008年AMIRA利用了离散元素法模拟磨矿过程矿石、钢球、衬板之间的动力学特征，进而建立了多项磨机运行状态参数的预测模型，包括磨机负载、磨矿粒度、磨机衬板磨损状况、磨机物料分布范围等。Outotec公司2006年报道了利用功率曲线中的脉动信息预测磨机装载量并开发磨机装载量分析仪MillSense的研究，他们认为功率曲线中的脉动信息是由磨机周期性的将物料提升起来、再撞击到底部物料的运动过程产生的，因而能够通过对脉动信息的提取，以及其在磨机旋转周期的相位变化，来判断充填物料的运动趋势。磨机电耳检测是采用声响法，将磨机工作过程中产生的噪音，通过麦克采集，转变成
5、仪表信号的方法。据文献报道，该方法被用于南京银茂铅锌矿有限公司选矿厂2、中国黄金集团内蒙古矿业有限公司乌努格吐山铜钼矿选矿厂3等的磨矿控制系统中，起到了良好的应用效果。我国在较长一段时间内采用电耳方法预测磨机负荷状况，该方法在一定程度上能够反映磨机负荷状况，但是由于干扰信号种类众多、信号分析处理手段比较简单，准确度受到了一定影响。2006年我国开始基于磨机筒壁振动信号检测与分析的“磨机/半自磨机负荷检测技术”研究，成功开发“基于振动测量的磨机负荷监测”系统，实现了振动信号采集和信号实时处理，设备在工业现场长期可靠运行45。但是，磨机振动信号受衬板磨损程度的影响严重，随着时间的推移，信号会出现长
6、期漂移。十二五期间，通过增加衬板磨损测量传感器，在线测量衬板磨损情况，对振动信号进行修正，极大地改进了系统的适用性，同时，可以预测衬板磨损，合理安排检修计划。目前，磨机振动信号的特征参量Beta可用于磨矿控制系统中,并已经成功应用于三山岛金矿、焦家金矿等选矿厂的磨矿给矿控制回路。综合国内外的研究成果与应用实践看，磨机状态特征具有多参数耦合、时变、大滞后、多样化等特征，依靠单一检测技术或者方法的局限性很大，因此需要具体对象具体分析，根据被监测对象和具体磨矿工艺的特点，将动力学仿真、数据建模、多变量统计监控等多种技术有机整合，才能取得较好的效果。另一方面，这些年我国磨机设备自带的自动化系统比较成熟
7、了，包括功率、电流等参数，润滑、液压等装置的临界操作和联锁控制等。从生产实践来看，这些看似简单的变量和信息，对磨机运行状态的分析也是非常重要的。30.1.2 浮选泡沫状态分析技术目前浮选泡沫状态分析技术以分析浮选泡沫表面视觉特征为主，是浮选工况和工艺指标的直接指示器，在实际矿物选别生产中，浮选泡沫表面视觉特征，如颜色、大小、流速、纹理等依靠人工观察，主观性强、误差大、效率低，无法实现浮选状态的客观评价与认知，造成生产过程不稳定，矿物原料流失严重，药剂消耗量过大，为此将机器视觉应用到矿物浮选过程的监控中，可以提高浮选过程的回收率。近年来，基于机器视觉的浮选泡沫表面特征监测技术已引起了工业发达国家
8、科研机构的高度关注并推出相应产品。C. Aldrich等6、Ivana Jovanovi等7以及南非Mintek8中共提及16款国外的泡沫图像产品。但相关文献较少，其中Visio Froth（Metso），FrothMaster（Outotec）已在国外的矿山企业有了广泛的应用。国内北京矿冶研究总院、中南大学、中国矿业大学等也开展了浮选泡沫图像处理及检测技术的研究，取得了一定的研究成果。J.F. Reddick等9使用SmartFroth尝试通过颜色预测品位，并认为单独的颜色信息不能用来准确的预测精矿品位。A. Supomo等10在印尼PT Freeport的粗选槽上，使用VisioFroth
9、测量泡沫溢流速度，通过修改液位控制设定值，配以其他限制条件，调整产率，并宣称提高了粗选流程回收率2.4%。J. Leiva11等使用VisioFroth测量泡沫输运估计空气回收率，I. Rojas等12使用VisioFroth测量泡沫输运特性。E. Sanwani等13采用JK俘获法和CSIRO电导率法测量浮选槽内气泡体积分数并对比。Nicolas Barbian等14通过专用隔离筒测量泡沫厚度来测量气泡稳定性，与泡沫图像测量的空气分散特性对比结果一致，证明适中的充气量是保持泡沫稳定性和回收指标的关键。Barbian. N等15对气泡固体荷载和空气回收率进行测量，并引入两个参数泡沫体积矿物荷载
10、和互相关极点，并研究这两个变量与浮选性能的相关性。Lin. B等16提出并实施了一种的气泡尺寸估计方法。Nunez. F等17开发了基于软测量的动态纹理预测为采样时泡沫速度的算法。M.H. Moys等18对测量泡沫载荷的方法进行改进。C. Marais等19通过泡沫图像信息估计铂品位。Mehrshad. N等20提出了一种基于标记的自适应分水岭分割算法测量泡沫尺寸分布。A. Kramer等21将化学品动态表面张力的测定快速气泡法引入到浮选中在线测量气泡表面张力。W. Kracht等22采用随机逼近法测量泡沫尺寸分布。Nissinen. A等23使用ERT测量数据对泡沫结构进行建模，并联合使用泡
11、沫图像技术进行检测，结果表明两者有较好的相关性。Jahedsaravani. A等24在实验室采用固定变量法改变浮选运行条件，使用图像技术分析泡沫信息，然后采用神经网络法进行建模。Ata. S等25使用高速摄像机拍摄并分析颗粒对毛细管吹出气泡的影响。Morris. GDM等26使用高速相机浮选并验证Dippenaar在1982年对方铅矿颗粒对气泡薄膜的影响，并提出一些不同的观点。北京矿冶研究总院2008年开发出了BFIPS-I型浮选泡沫图像分析系统，该系统根据获取的浮选泡沫图像可以计算出浮选泡沫大小、个数、稳定性、速度、颜色、纹理等特征参数，该系统在德兴铜矿大山选矿厂铜钼混合浮选作业进行的工业
12、应用，并实现了利用泡沫特征参数对精矿泡沫品位进行的预测1。2014年BFIPS-II型浮选泡沫图像分析系统在山东黄金集团焦家金矿选矿厂中使用，通过联合调解锥阀以及充气量，控制浮选泡沫速度，实现了浮选过程的自动控制并取得显著效果。中南大学也在基于机器视觉的矿物浮选过程监控技术方面取得了相应的研究成果，研发了铝土矿、铜矿、金锑矿等多种矿物浮选泡沫图像处理系统，其铝土矿浮选泡沫图像处理系统能够自动提取出表示泡沫颜色、大小、速度、纹理、稳定性、流动性等泡沫特征，并提供泡沫图像实时显示、特征曲线及工艺参数曲线实时显示，实现浮选泡沫状态的分类、识别与综合评价和自动生成生产报表等功能，该系统有效改善工人工作
13、环境和劳动强度，对现场浮选操作提供指导信息，提高了浮选过程的自动化技术水平27。近几年许多学者针对泡沫纹理、尺寸、颜色、移动速度等特征的提取方法及浮选工况识别方法展开了大量研究。为了准确获取泡沫图像纹理，桂卫华等28在灰度共生矩阵方法的基础上提出一种新的浮选泡沫图像纹理特征提取方法，将泡沫图像进行颜色空间转换，对转换后的泡沫图像计算其颜色共生矩阵，然后从归一化后的颜色共生矩阵中提取特征统计量，最后根据特征统计量表征的泡沫纹理状况，从而为浮选优化控制提供依据。刘金平29建立了泡沬图像变换域系数的统计分布模型，并根据泡沫图像对应的视觉特征与浮选生产工况的相互关系，开发基于泡沫图像统计特征参量的粗选
14、过程药剂添加健康状态的自动识别功能，以及浮选生产工况的综合分类与评价功能，以铝土矿浮选过程为对象,将所提出的方法应用到了浮选过程工况分类与识别中,并利用所收集的浮选操作知识,根据工况识别结果,为浮选现场操作工人提供了相应的操作指导。任会峰30依据泡沫图像与浮选矿浆pH值的关联性，提出泡沫颜色、形态和纹理特征提取方法,建立基于泡沫图像特征与多工况子模型组合的pH软测量模型,实现铝土矿浮选pH值的实时检测,为浮选过程优化控制创造条件。周开军31提出了基于分级分水岭算法的泡沫图像自适应分割方法，引入样本统计分布的概念,提取了气泡平均尺寸、方差、偏斜度及陡峭度等统计特征，提出了基于形态学签名变换的泡沫
15、形状特征提取方法，对气泡形态特征进行量化。分析泡沫形态特征与矿物回收率的相关性,建立了基于最小二乘支持向量机的矿物回收率预测模型，为优化操作提供依据。林霞32针对目前存在的浮选泡沫图像的纹理特征提取存在计算量大及精度低的特点,在图像的空间域中提出了基于CCHS的纹理特征提取方法。针对复杂工况导致浮选泡沫图像纹理复杂多变以及光照变化等鲁棒性等问题,在图像的频率域中提出了基于改进的Gabor小波变换的泡沬图像的纹理特征提取方法,将提取到的纹理特征用于工业分类。欧文军33研究了速度和形状特征提取算法，一种基于宏块跟踪的泡沫运动速度提取方法,并引入最大势能的概念,模拟分水岭集水盆地的淹没过程,基于最大
16、势能的分水岭分割方法获取泡沫的形状特征，采用专家知识系统为浮选过程优化控制提供指导。陈宁34提出一种基于颜色共生矩阵的浮选泡沫图像纹理特征提取方法，通过统计泡沫图像纹理复杂度及与之对应的矿物品位，分析两者的变化关系，定性地指出泡沫纹理复杂度与矿物品位的相关性，给出浮选泡沫的最佳纹理复杂度区间。牟学民35提出了一种自适应的基于Fourier-Mellin变换与模板匹配相结合的泡沫图像宏块跟踪方法来自动跟踪形变气泡以准确测量浮选泡沫流向刮板的速度，以及基于泡沫图像灰度 SIFT 与 Kalman滤波相结合的泡沫速度特征提取方法跟踪各种泡沬运动子块。针对泡沬稳定度特征难以定量描述问题,提出基于数字图像处理的浮选泡沫表面形变系数与破碎率特征提取方法,对泡沫形变系数、泡沫破碎率的量化描述。李建奇36研究浮选泡沬图像的清晰度评价方法、泡沫图像的光照均匀化方法,
