配礦優化技術研究現狀及發展趨勢

柯麗華，何新增，葉義成，何揚揚

(武漢科技大學資源與環境工程學院，湖北 武漢 430081)

配礦優化技術研究現狀及發展趨勢

柯麗華，何新增，葉義成，何揚揚

(武漢科技大學資源與環境工程學院，湖北 武漢 430081)

梳理了國內外配礦優化技術的理論成果，系統地分析了單一目標和多目標規劃智能配礦優化技術在礦山生產配礦中的應用情況及效果，突出了系統規劃方法和現代信息技術對提高配礦效果和效率的顯著作用。針對礦山生產的約束條件復雜多變、礦山生產需求日益多樣化和礦山企業可持續發展的戰略目標，指出配礦優化技術將朝著多目標非線性規劃、中長期動態配礦規劃和提高配礦效率和可靠性的控制技術等3個方向發展。

配礦優化技術；資源利用率；多目標非線性規劃；中長期動態規劃

配礦工作是結合礦山生產目標和生產技術條件限制進行礦石質量綜合的系統工程，按照一定比例將不同品位的礦石進行搭配、混勻，使其滿足礦山礦石產品質量要求。通過將高低不同品位礦石進行質量匹配、中和，以增加合格礦石的產出量，減少礦山廢石量的占用空間，改善礦山企業的經濟效益，提高礦產資源的利用率。自早期的經驗配礦開始，到數學規劃和現代信息技術和專業礦業軟件方法在配礦領域的應用，配礦優化技術工作經歷了一個由簡易到復雜、由粗略到精確的過程。配礦優化技術是配礦工作的核心，通常配礦工作需結合礦山生產目標、生產技術條件、礦山長短期生產計劃等要素，采用有效的配礦優化技術有序開展配礦工作。隨著現代管理技術和計算機手段的發展和應用，配礦優化技術得到進一步發展和廣泛的應用，已取得了良好的效果。

本文從時間和技術方法的角度，總結了國內外配礦優化技術的研究現狀和研究成果，并系統分析了單一目標和多目標規劃智能配礦技術的應用現狀和效果?；诖?，做出配礦優化技術的發展趨勢預測，為配礦優化技術的全面認識和發展提供參考與指導。

1 配礦優化技術的研究現狀

考慮到礦山配礦約束條件、目標數量和實現手段差異的影響，可將配礦優化技術分為簡易配礦優化技術、系統規劃配礦優化技術和智能配礦優化技術3類。

1.1 簡易配礦優化技術

簡易配礦優化技術是礦山工程技術人員早期采用的配礦工作，它包括簡易理論計算配礦方法和基于工程經驗的驗算法。簡易理論計算配礦方法主要應用于礦種少、成分簡單的礦山，通常有品位搭配法和重量搭配法[1]。對不同品位的礦石進行搭配以達到礦石質量要求，常用基于品位配礦比的品位搭配法。驗算法是利用實際工程數據和操作者豐富的工作經驗，實時調整不同配礦點的礦石運出采場所需運輸車輛數之比進行配礦，該配礦方法便于理解和操作，但其配礦效果取決于操作者的經驗[2]。

簡易配礦優化技術多側重礦石質量要求的單一目標進行配礦，尚未結合礦山生產技術條件的限制考慮問題，過多依賴工程操作者的經驗進行實時配礦，已不利于實現礦山配礦所需的精度要求。隨著系統規劃方法和計算機技術的發展，簡易配礦優化技術結合系統規劃方法和計算機技術的運用，大大提高了其配礦的科學性和精度。

1.2 系統規劃配礦優化技術

隨著系統工程和管理方法的發展，德國學者Wilke和Reimer于20世紀70年代首次將線性規劃方法用于礦山配礦分析[3]，此后系統規劃方法陸續應用于礦山配礦的研究。

根據生產目標的數量和生產技術條件，礦山生產配礦研究應用分為單一目標和多目標線性規劃方法配礦方法研究及應用兩類。通常依據礦山生產目標和礦山生產技術條件建立配礦規劃模型，包括目標函數和約束條件的建立，其中目標函數涉及運距或運輸成本最小、配礦后金屬量偏差或礦石品位偏差最小、出礦量最大、礦石的平均收益率或綜合利潤最大和運輸功最小等。配礦約束條件多考慮資源量、生產能力、礦石質量、采礦順序和作業空間、設備數量及其能力等條件的限制。結合目標函數及約束條件的數量和最優解的要求，單一目標配礦優化模型方法主要包括一般線性規劃模型[2-7]、0-1整數規劃模型[8-10]、基于未確知理論的UM模型[11]和均衡系數分析方法[12-14]等；多目標配礦優化模型方法包括多目標遺傳算法[15-17]、多輪粒子群算法[18]、免疫克隆選擇算法[19]、混合型(0,1)整數線性目標規劃方法和模糊多目標優化算法[20]等。

針對礦山配礦工作的系統性和復雜性，采用系統規劃方法可以全面客觀地描述礦山經營目標對配礦的需求和礦山生產條件限制對配礦的約束影響，采用現有配礦優化模型方法制定礦山配礦方案，能大幅提高配礦結果的精確度，具有廣泛的應用價值。由于配礦結果的準確性更多依賴于礦床各組分含量分布信息的可靠性，而統計和計算礦床組分含量信息的工作量巨大；且采用系統規劃方法制定配礦方案的計算量較大，故單獨使用系統規劃方法進行配礦優化，其工作效率不易提高。隨著信息技術在礦業工程領域的應用和礦業軟件功能不斷的研發和完善，礦床品位分布數字模型的構建技術日益成熟，與礦業軟件結合越來越緊密，系統規劃配礦優化技術工作效率相應提高。

1.3 智能配礦優化技術

伴隨信息技術、計算機技術的飛速發展和專業軟件研發能力的增強，結合礦山生產需求開發的礦業軟件、計算軟件和信息技術方法廣泛應用于礦山的日常生產管理。目前，常用于礦山配礦中的礦業軟件有美國的Medsystem、澳大利亞的Micromine和Surpac、英國的Datamine&Guide、加拿大Gemcom和我國的3DMine和DIMINE等[21-24]。配礦系統模型方法的計算軟件主要包括Matlab、Mathmatical、Lingo[25]等。為保證配礦過程的中數據信息傳輸速度和可靠性，GPS、GIS和GPRS等信息技術用于礦巖組分含量信息的統計與分析、爆堆信息的管理與控制、鏟車的生產調度、配礦管理和視頻監控等配礦工作中[14,26-28]。礦業軟件和信息技術在配礦各個工作環節的應用，使配礦過程智能化和可視化，有利于提高配礦工作效率和配礦工作質量。

2 配礦優化技術的應用現狀

針對礦山生產需求的差異，基于不同的目標函數及其約束條件建立配礦數學模型，利用Matlab或Mathmatical和Xpress-MP等計算軟件和礦業軟件的礦巖組分統計分析功能，制定礦山配礦方案。礦山配礦目標通常包括運距或運輸成本最小、配礦后金屬量偏差或礦石品位偏差最小、出礦量最大、礦石的平均收益率或綜合利潤最大和運輸功最小等。配礦約束條件多考慮資源量、生產能力、礦石質量、采礦順序和作業空間、設備數量及其能力等限制。根據配礦目標的數量，配礦優化方法可分為單目標配礦規劃和多目標配礦規劃。

2.1 單一目標規劃智能配礦優化技術的應用

基于單目標建立配礦數學模型并進行配礦優化的應用研究較多[2-14]，常采用一般線性規劃方法、0-1整數規劃法和均衡系數法等方法構建數學配礦模型，進而制定配礦方案，實施智能配礦優化技術。

2.1.1 一般線性規劃方法的配礦優化技術應用

采用一般線性規劃方法的配礦優化技術研究和應用較多[2-6]，多基于經濟要求和產能需要建立目標函數。昆陽磷礦針對礦石品位與有害雜質的含量的配礦要求，基于礦石最大銷售價值的目標函數，建立了配礦優化的線性規劃模型，利用Matlab軟件實現配礦的優化，降低了原料生產成本，提高了資源利用率，保證了供礦品位的穩定性，同時實現了礦山最大的銷售價值[2]。以綜合利潤最高為原則建立目標函數，以生產能力、生產任務、商品產量和質量限制為限制條件，鏡鐵山礦樺樹溝鐵銅礦建立了礦石配礦線性規劃模型，用于制定礦山配礦方案，利于調整采場出礦計劃，礦石品位提高了3%～4%，礦山輸出礦石品位達到35.5%～36.5%，完成礦山既定目標[4]?；阼F礦品位要求建立目標函數,構建的配礦線性規劃模型，已經成功應用于伊朗Choghart鐵礦的配礦方案制定和優化中，并利用SOLVER V.9程序對模型進行求解，保證了礦石輸出質量(磷含量低于1.2%，鐵品位高于50%)，提高了高磷鐵礦石的利用率，減少了資源浪費和節約了企業成本[5]。結合南京棲霞山礦無配礦場的現狀，建立以最大出礦量為目標函數的配礦線性規劃模型，采用回溯法確定所有可行解，探尋采場出礦能力的規律，進而礦石品位波動引起的損失，調整生產計劃和制定考核指標，較好控制了入選品位的波動和礦石損失率[6]。廣西平果鋁土礦以鋁硅比規劃為核心，基于最大出礦量的目標和鋁硅比的限制條件，建立了線性配礦數字配礦模型，采用運籌學優化軟件Xpress-MP進行配礦方案解算，有效控制了產品質量，提高了企業的經濟效益[7]。

2.1.2 0-1整數規劃法的配礦優化技術應用

為有效控制產出礦石的品位，采用0-1整數規劃對各礦點礦量進行整體取舍，以利于配礦工作的組織和管理。小關鋁礦基于“運距最短”的目標函數和礦石品位及有害雜質的含量要求等約束條件，采用0-1整數規劃隱枚舉算法，并利用Matlab實現原礦配礦數學模型的解算過程，使原礦配礦一次成功率達到87.5%[8]。針對礦山開采順序影響帶來的復雜幾何約束條件的限制，基于DIMINE礦業軟件，采用圓周幾何約束算法(CGCM)和混合整數規劃法，建立了以最大出礦量為目標的配礦模型，應用于河北水泥灰巖礦的配礦優化中，保證了復雜幾何約束條件下的礦山配礦需求[9]。為了實現各工作面均衡出礦量的目標，采用0-1整數規劃方法，利用DIMINE礦業軟件確定配礦數學線性規劃模型的最優解，應用于特大型水泥灰巖礦的配礦優化中，避免了礦石質量波動，將班次出礦量指標提高了1.4%～15%，利于礦山資源的綜合利用和提高經濟效益[10]。

2.1.3 均衡系數法的配礦優化技術應用

為保證配礦目標的穩定性，均衡系數法用于配礦目標函數的建立。針對出礦點的礦石品位波動較大且分布不均勻的特點，基于金屬量偏差最小的原則，建立了多出礦點、多受礦點配礦系統的線性規劃模型，基于AutoCAD的圖形處理功能和Object ARX計算程序的計算功能，對露天鉬礦進行配礦方案優化，提高了礦石產品質量的穩定性[12]。結合多元素配礦的特點及其影響因素，采用均衡系數法，建立了以金屬量偏差最小為目標函數的線性規劃配礦計算模型，并依據設備GPS/GIS/GPRS和定量管理，有效地提高了河南三道莊大型露天鉬鎢礦配礦效率，避免了盲目配礦[13]?；诘V石品位偏差最小的配礦技術用于河南洛鉬集團三道莊露天礦，結合采用GIS的礦山配礦管理系統，有效實現了配礦生產計劃的制定、實施和監督等功能，保證礦石產品的穩定性，提高了企業經濟效益[14]。

2.2 多目標規劃智能配礦優化技術應用

多目標規劃智能配礦優化技術的關鍵是處理好多目標之間的關系和規劃模型算法。以磨浮入選原礦組分指標、入選原礦品質穩定及最大限度利用原礦為目標，采用多目標遺傳算法建立了堆場配礦模型，應用于某磷礦配礦方案的制定，引入多目標優化理論中的Pareto最優解，合理地規避了多目標權系數難以確定的常見問題，較好地解決了磷礦堆場配礦多目標優化模型解算問題，該優化方法可以提高礦產資源利用率0.31%[15]。針對礦山多目標配礦優化的求解的復雜性，沃溪多金屬礦為實現經濟利益最大化和最大限度的開采資源等多個目標，建立了基于多輪粒子群算法(PSO)的動態配礦模型，基于種群搜索的自適應進化計算技術的PSO算法，可以有效地求解高度非線性受限條件下的多目標配礦方案的最優解，進行中長期動態優化配礦優化[18]。針對地下礦山配礦的復雜性，結合礦石產量、礦石品位波動、上下水平出礦量比例、同水平不同采場出礦比例等目標，基于生物免疫系統理論中的克隆選擇搜索特點，建立了多目標配礦模型和免疫克隆選擇優化算法，該算法具有快速收斂和精度高，提高了地下金屬礦山多目標配礦計劃的可靠性[19]。為了較好地解決多目標配礦中目標競爭與統一的問題，引入模糊理論建立管理者語言偏好和決策者的滿意度，構建了基于配礦目標滿意度改進的最大最小優化模型和重要性模型及其模糊優化算法，該算法具有靈活性、靈敏性和有效性，較好地解決了各目標函數之間的沖突，利于提高配礦方案的精度[20]。多目標智能配礦優化技術可滿足礦山多樣化需求和中長期動態生產配礦優化?；谶z傳算法的多目標優化配礦模型合理規避常規多目標解法目標權系數的確定難題；基于多輪粒子群算法(PSO)的動態配礦模型主要考慮企業利潤的最大化，適用于中長期動態配礦；基于免疫克隆選擇優化算法的礦山配礦模型算法求解配礦模型能夠穩定收斂，克服局部最優的情況。

綜上所述，各類配礦優化技術廣泛應用于礦山生產實踐中都以混勻機理為理論基礎，基于不同的規劃目標和約束條件，采用各類系統規劃方法和計算軟件，構建配礦數學模型，運用不同的算法求解可行解，進而制定礦山配礦方案。各類配礦優化技術特征及應用情況總結如表1和表2所示。

表1 各類配礦優化技術特征

表2 各類配礦優化技術模型方法特點及應用情況

3 配礦優化技術的發展趨勢

礦山生產的約束條件復雜多變，礦山生產需求呈現多樣化，礦山企業越來越重視可持續發展，配礦優化技術適應礦山企業的發展需要呈現以下發展趨勢。

3.1 基于需求多樣化和技術條件復雜化的多目標非線性規劃配礦優化技術

配礦工作往往因礦巖組分的空間分布、開采順序和運輸等復雜條件的限制，對產品質量的穩定性、運輸成本及能耗和產量產生不同的影響，進而全面影響礦山的經濟效益。隨著礦山配礦技術要求的多樣化和復雜化，單一目標規劃配礦優化技術已經不能滿足礦山配礦需求。為全面提高礦山經濟效益，必須同時滿足礦山多個目標要求，因而礦山配礦技術要求的多樣化和復雜化成為一種發展趨勢。

多目標規劃配礦優化技術描述多個目標函數和復雜約束條件，因而協調多目標之間的關系和模型解算成為該技術的關鍵。目前，為了全面地反映配礦需求的差異性，已有研究引入多目標優化[15]和模糊數學[20]等理論方法描述和解決多個目標之間的沖突。其解算方法出現了基于生物免疫系統理論的遺傳算法[15-17]及免疫克隆選擇算法[19]和基于群搜索自適應進化計算計算的多輪粒子群算法[18]等，能從全局優的角度制定配礦方案?？梢?，基于優化理論和生物進化理論解決多目標配礦優化技術的關鍵問題，越來越受到研究者的重視。

3.2 基于提高礦產資源利用率的中長期動態生產配礦優化技術

礦山配礦工作包括生產方案規劃和礦石質量控制。其中，生產方案規劃分為短期配礦作業質量計劃的編制和中長期動態生產配礦方案的規劃。面對著優質礦產資源的日益減少，為實現可持續發展，提高礦產資源利用率，礦山企業根據礦山多種資源品位的空間分布變化規律及特征，結合短期配礦作業質量計劃，關注中長期配礦工作規劃和調整，以促進不同品位及含量的礦產資源的充分搭配[18]。故礦山企業將越來越重視中長期動態生產配礦優化技術。

目前，基于礦產資源多組分的中長期動態配礦優化技術的解算方法研究尚少[18]，故該技術發展受到一定的限制。但從礦山企業可持續發展角度考慮，中長期動態配礦優化技術具有廣闊的應用發展前景。研究者將投入更多的精力研究基于高度非線性受限條件下中長期動態配礦優化技術的解算方法。

3.3 基于配礦效率和可靠性的配礦優化控制技術

為保障配礦結果的可靠性和提高配礦工作效率，礦山企業日趨嚴格控制配礦方案的編制質量和加大配礦各個工作環節的控制力度。因此配礦優化控制技術將朝著提高配礦效率和可靠性的方向發展。

通常要提高礦巖組分含量信息統計和分析、爆堆信息的管理與控制、鏟車生產調度、配礦管理和視頻監控等配礦工作的效率和質量。目前，Matlab計算軟件和Micromine、3DMine、DIMINE等礦業軟件廣泛用于礦巖組分含量信息的統計分析和配礦方案的編制中[22-24]，提高了配礦方案的編制速度和精度。GPS、GIS和GPRS等信息技術用于配礦管理控制[14]，在一定程度上提高了配礦車鏟調度管理效率和保證了配礦監控效果，節省了投資和運輸成本，提高了礦山礦產資源利用率和企業經濟效益[26-28]。隨著信息技術和計算機技術的發展，礦業軟件、計算軟件和信息技術的功能將不斷完善，在提高配礦效率和可靠性方面發揮更大的作用。

4 結論

1)總結了配礦技術的發展歷程，分析了簡易配礦優化技術、系統規劃配礦優化技術和智能配礦優化技術的應用特點，剖析了綜合應用系統規劃配礦優化技術和智能配礦優化技術的重要意義。

2)針對礦山生產配礦需求的多樣性和礦山系統的復雜性，結合系統規劃配礦優化技術的差異及其解算方法的難易程度及特點，總結了一般線性規劃方法、0-1整數規劃法、均衡系數法、多目標遺傳算法、多輪粒子群算法、免疫克隆選擇算法和模糊多目標優化算法等配礦優化技術在礦山生產配礦實踐中的應用情況及效果，凸顯了單一目標規劃智能配礦優化技術和多目標規劃智能配礦優化技術對提高配礦效果和效率的顯著作用。

3)考慮礦山生產的約束條件日趨復雜多變、礦山生產需求也日益多樣化和礦山企業可持續發展的戰略目標，總結了多目標非線性配礦優化技術、中長期動態配礦優化技術和保障配礦效果及效率的控制優化技術等3個發展趨勢。

[1] 林啟太. 混合配礦模擬技術研究[J] . 江西建材，1998(3):39-43.

[2] 陳鵬能，張電吉，李志國，等. 昆陽磷礦數字配礦優化模型與配礦工藝規程[J] . 武漢工程大學學報，2012，34(10):37-39.

[3] Wilke F L, Reimer T H． Optimizing the short-term production schedule for an open-pit iron ore mining operation[C]//WEISS A．Computer Methods for the 80’s in the Mineral Industry. NewYork：Society of Mining Engineers，1979:642-646.

[4] 趙海云，呂文生．鏡鐵山礦樺樹溝礦區礦石配礦研究[J]. 金屬礦山，2002(11):17-20.

[5] J.Gholamnejad，S.Kasmaee．Optimum blending of iron ore from Choghart stockpiles by using goal programming[J]．Journal of Central South University of Technology，2012，19(4):1081-1085.

[6] 朱玉貴，李成龍. 最優化配礦算法實現[J]. 金屬礦山，2004(S1):231-232.

[7] 楊珊，陳建宏，楊海洋，等. 基于Xpress-MP堆積型鋁土礦堆場配礦優化研究[J]. 金屬礦山，2010(3):9-11.

[8] 王克讓，陸厚華，杜雅君. 利用0-1整數規劃法進行原礦配礦[J]. 輕金屬，1997，25(12):13-15.

[9] 黃俊歆，王李管，徐少游，等. 一種新的露天配礦開采幾何約束模型及其應用[J]. 計算機工程與應用，2013，49(1):245-248.

[10] 吳麗春，王李管，彭平安，等. 露天礦配礦優化方法研究[J]. 礦冶工程，2012，12(4):8-12.

[11] 林啟太. 未確知數學在研究混合配礦中的應用[J]. 系統工程理論與實踐，2001，22(1):99-102.

[12] 侯煜. 線性規劃法在露天礦配礦領域的應用[J]. 礦業工程，2006，4(1):22-24.

[13] 畢惠珍. 淺析某大型露天礦多元素綜合配礦工作[J]. 露天采礦技術，2012，28(2):49-54.

[14] 文超，顧清華，馮居易. 基于GIS的露天礦配礦管理系統研究[J]. 黃金科學技術，2009，17(2):58-62.

[15] 李志國，崔周全. 基于遺傳算法的多目標優化配礦[J]. 廣西大學學報：自然科學版，2013，38(5):1230-1236.

[16] Ananya Chakraborty，M. Chakraborty. Multi criteria genetic algorithm for optimal blending of coal[J]. Opsearch，2012，49(4):386-399.

[17] Song Chunyue, Hu Kailn, Li Ping. Modeling and Scheduling Optimization for Bulk Ore Blending Process[J]．Journal of Iron and Steel Research，2012，19 (9):20-28.

[18] 黃啟富，陳建宏. 基于多輪PSO算法的中長期動態優化配礦研究[J]. 計算機應用研究，2010，27(10):3711-3717.

[19] 姚旭龍，胡乃聯，周立輝，等. 基于免疫克隆選擇優化算法的地下礦山配礦[J]. 北京科技大學學報，2011，33(5):526-530.

[20] 徐鐵軍，楊鵬. 基于模糊多目標優化算法的礦山配礦優化[J]. 北京科技大學學報，2009，31(11):1363-1366.

[21] 張瑾，黃勇，高祥. 國外礦業軟件測試的一次成功實踐[J]. 中國礦業，1999，8(4):59-62.

[22] 陳愛兵，秦德先，張學書，等. 基于MICROMINE礦床三維立體模型的應用[J]. 地質與勘探，2004，40(5):77-80.

[23] 李海華，張瑞新. 應用Surpac軟件進行露天礦采礦工程的可視化[J]. 中國礦業，2004，13(1):59-62.

[24] 王洋，趙明生. 基于Dmine的數字化礦山生產配礦研究[J]. 金屬礦山，2013(8):101-103.

[25] Kailash Lachhwani，Suresh Nehra. Modified FGP approach and MATLAB program for solving multi-level linear fractional programming problems[J]. Journal of Industrial Engineering International，2015，11(1):15-36.

[26] 李軍才，蔡美峰. 金屬露天礦山汽車自動調度系統及其應用[J]. 廣西大學學報：自然科學版，2013，38(5):1230-1236.

[27] Gu Qinghua，Lu Caiwu，Guo Jinping. Dynamic management system of ore blending in an open pit mine based on GIS/GPS/GPRS[J]. Mining Science and Technology，2010(1):132-137.

[28] 劉亞靜，時靜. 基于GIS的鐵礦資源配礦管理系統設計與實現[J]. 測繪與空間地理信息，2015，38(12):1-3.

Situations and development trends of ore blending optimization technology

KE Lihua, HE Xinzeng, YE Yicheng, HE Yangyang

(School of Resource and Environmental Engineering, Wuhan University of Science and Technology, Wuhan 430081, China)

Ore blending optimization technology at home and abroad is sorted out and inducted. And the application condition and effects of ore blending optimization technology are systematically analyzed in mining production based on ore intelligent blending optimization technology of single objective programming and multi-objective programming. The obvious role of system programming methods and information technology has been emphasized in improving the effectiveness and efficiency of ore blending. Considering the increasingly complex and changeable condition of mining production, the increasingly diverse requirements of mining production and the need of the strategic goals of sustainable development on mining enterprises, there will be three developing trends on ore blending optimization technology such as multi-objective programming, middle and long-term dynamic ore blending programming and the reliability of control techniques.

blending optimization technology; resource utilization rate; multi-objective nonlinear programming; middle and long-term dynamic programming

2016-09-20

國家自然科學基金項目資助(編號：51204127)；湖北省科技支撐計劃項目資助(編號：2014BCB033)

柯麗華(1974-)，女，漢族，湖北鄂州人，碩士教授，主要從事采礦工程系統優化教研工作，E-mail:kelihua@wust.edu.cn。

簡介：葉義成(1960-)，男，教授、博士生導師，主要從事礦床開采、礦山安全技術研究，E-mail：yeyicheng@wust.edu.cn。

TD80-9

A

1004-4051(2017)01-0077-06