基于物聯網的赤鐵礦選礦廠智能化實踐

劉 暢 王汝杰 劉國義 高錦財 徐俊峰

(鞍鋼礦業集團有限公司齊大山選礦廠)

鐵礦選礦是鋼鐵工業的重要組成部分，其高效運行對鋼鐵工業整體綠色、安全生產意義重大。在過去15 a，工業自動化的普及提高了選礦生產的安全性、可靠性和作業效率，創造了巨大的經濟效益。隨著物聯網、大數據、云計算等信息化技術的快速發展和社會生產結構的調整，選礦領域面臨著兩化深度融合、實現智能制造的課題[1-2]。

物聯網(Internet of Things)是互聯網的延伸、拓展，是新一代的網絡技術。寓意是所有事物、物品的互聯網，關鍵技術主要基于微波 RFID、智能傳感器、基帶芯片的感知技術，基于傳感器網絡、異構網絡的通信傳輸技術，基于數據存儲、數據挖掘、視頻分析的數據處理技術等，由此形成從感知、傳輸、處理立體化的物聯網世界，呈現出全面感知、可靠傳輸、智能處理的物聯網特點[3-6]。

周俊武[7]提出，智能選礦廠是礦業智能制造新模式的重要組成部分，發展目標是去人化、輕資產、高效率。智能選礦廠包括裝備智能化、業務流程智能化和知識自動化3個層級，未來將圍繞這3個層級循序漸進。本文對基于物聯網的赤鐵礦選礦工業智能化的建立思路、技術路線和研究內容進行探討，以期為物聯網在智能赤鐵礦選礦廠中的推廣應用提供參考。

1 構建過程

1.1 存在問題

赤鐵礦是自然界中分布很廣的鐵礦物之一，可形成于各種地質作用，以熱液作用、沉積作用和區域變質作用為主，晶體屬六方晶系。在不同成因條件下，赤鐵礦可轉化為褐鐵礦、纖鐵礦、針鐵礦、磁鐵礦[8-9]。通過大量選礦廠調研和文獻分析[10-14]，實現赤鐵礦選礦廠智能化存在以下難點：

(1)選礦廠生產智能化。由于赤鐵礦礦石性質多變，且差異很大，無法準確對礦石數據進行自動采集和處理，失去具備主動或者自動發現生產不利因素的能力。

(2)選礦廠知識智能化。傳統選礦廠的選礦操作知識、技術、運營管理、生產決策等仍由人為傳授、指導和決定，人員知識水平不同，選礦效果差異很大。

掌握赤鐵礦選礦廠智能化難點后，明確后續亟待解決的問題：

(1)解決赤鐵礦在開采、運輸過程中質與量的“時效性”問題，將采場的信息實時反饋至選礦廠，用于精細指導選礦操作，及時反饋指導礦石開采，穩定給礦質量。

(2)我國大型選礦廠目前基本實現了運行狀態實時監控和操作自動化。對于實現選礦工藝生產自動化則無一先例，如何實現選礦工藝自動化，達到對不同選礦過程預期工藝參數的精確把握，使整個選礦生產過程處于最佳狀態，最大限度地提高選礦指標。

1.2 建立思路

(1)建立赤鐵礦礦石流預報模擬系統。在礦石輸送過程中，由于破碎、篩分等工藝會破壞原有檢測信息，考慮到檢測的實時性，運用智能物流多次信息構建的方法，重新檢測礦石成分和位置信息，將礦石流信息實時傳遞到信息系統中，并與之前信息進行對比，系統將自動與選礦設備建立“對話”機制，產生決策行為。礦石流預報模擬平臺將礦石開采過程中的傳感信息和調控信息進行組織、存儲，形成數據庫，供智能控制系統分析和數據挖掘。

(2)建立赤鐵礦智能選礦系統。利用赤鐵礦礦石流預報模擬系統數據庫，實現數據智能控制系統分析和數據挖掘，達到智能系統的深度學習目的。同時利用大數據分析技術挖掘物聯網各數據中的潛在聯系，利用其指導生產操作和生產運營。

2 研究內容與技術難點

2.1 研究內容

智能赤鐵礦選礦廠主要研究內容包括基于圖像識別的礦石粒度分布研究、基于智能物流技術的礦物流動過程研究、預測模型研究、智能控制策略數據信息組織、存儲與數據挖掘研究、選礦設備自學習能力研究等。

2.2 技術難點

(1)礦石粒度分布圖像識別技術。如何獲得礦石顆粒的圖像，并在提取顆粒、分析圖形相關信息的基礎上，實現原礦檢測信息實時在線傳遞，及時反饋原礦生產部門相關信息。

(2)赤鐵礦礦石流預報模擬系統的搭建。赤鐵礦礦石流預報模擬系統是指將礦石由開采、運輸、選礦等生產過程中的關鍵信息進行采集，并與物聯網相連接，以實現智能化監督、預測、管理，從而達到提高生產精細度、實現節能降耗的目的。

赤鐵礦礦石流預報模擬系統的搭建主要存在以下幾個技術難點：①采集采場礦石數據和檢測礦石開采點礦石性質信息以獲得準確的原礦信息，并預測礦石開采運輸過程中的礦石性質信息；②準確有效的數據采集及合理的調控是物聯網平臺運行的關鍵。采集選礦工藝關鍵參數，根據礦石組成、品質智能調控選礦設備關鍵參數來實現工業物聯網的實時調控；③物聯網信息的交互及實時智能化處理技術。工業物聯網中傳遞的信息具有很強的實時性，怎樣建立各生產工藝裝備之間信息交互，實現物聯網設備的自動化控制是一個關鍵性的技術難點。

(3)大數據與數據挖掘方法。赤鐵礦礦石流預報模擬系統在進行數據挖掘與研究之前，應首先對生產過程中可采集到的數據信息進行組織分類，形成大數據，選擇合適的存儲及運算處理方法以保證所采集到的數據能夠有組織地存儲與調用。根據智能赤鐵礦選礦廠生產特點和采集的生產數據的類型及組織存儲方式，選擇適用性強的數據挖掘方法對生產過程數據進行分析，并結合預測模型及智能控制系統的自學習功能實現選礦過程的智能化、自動化以及高效化。因此，如何進行大數據的組織、存儲及數據挖掘是采選聯動智能化研究的技術難點。

(4)建立預測模型，具備自學習能力。赤鐵礦智能選礦系統以物聯網平臺為核心，為不斷提高原礦質量、確保選礦指標穩步上升，關鍵是建立智能控制系統預測模型并使之具有自學習能力，以實現其智能化改造。采礦場礦石分布及性質等相關數據已較為齊全，但多個開采點的礦石在運輸、儲存、選礦過程中會進行不同程度的混合，實際選礦過程中的礦石組成和性質很難預測。因此在研究礦區的整個采礦、運輸、儲存及選礦各工藝流程特點的基礎上，建立預測模型。赤鐵礦智能選礦系統中的控制系統在工程應用中需要根據實際運行效果對預測模型及設備關鍵參數控制進行適當調整，以提高精礦產品質量。如何建立智能控制系統自學習的調控機制及預測模型參數的優化調整，是保證產品質量不斷提升的關鍵。

2.3 技術路線

赤鐵礦礦石流預報模擬系統能夠實時獲取采選生產線上的礦石性質信息，掌握采場的礦石分布數據、采選生產線各工藝流程的時間節點及工藝特點，使得礦石流預報模擬系統能夠自動匹配礦石關鍵特征信息，預測礦石性質，并實時對生產設備的關鍵參數進行調整。

在現有工作的基礎上，依據赤鐵礦礦石流預報模擬系統的組建特點對采場的采礦設備、轉運設備、選礦設備進行改造，增加多點礦石性質檢測裝置，實時獲取各關鍵生產過程中礦石的相關信息，并將采集的數據有組織地儲存至數據庫中，供智能控制系統調用。赤鐵礦智能選礦系統將智能調控后的決策信息存儲至數據庫中，并通過數據對比對智能調控效果進行評價。在大數據分析的基礎上智能調控系統,使之逐漸形成深度自學習能力，自動組織數據的存儲、分析以及數據挖掘，實現真正的采選聯動智能調控及系統的深度自學習。

根據智能赤鐵礦選礦廠的自動化控制需求，需要對選礦過程中關鍵工藝過程進行研究分析，構建基本的預測模型，用于礦石采選聯動智能控制及自動化生產的數據預測，使得相應的工藝生產參數能夠實現提前調控，提高智能控制系統的實時性。同時利用大數據與預測模型的深度自學習能力，使預測模型能實現自我優化，并自動組織數據分析，不斷地提高預測模型的準確性，從而實現采選聯動智能控制。

技術路線集成了兩套系統間的智能控制，即礦石預測模型和智能選礦模型。礦石預測模型作為智能控制系統的重要組成部分，通過將物聯網實時采集的數據輸入到預測模型中，得到指導原礦生產部門生產的決策信息流。利用該信息流不斷修正原礦預測模型，使其具備自學習能力，以適應復雜的選礦環境。智能選礦模型在選礦過程中通過分析產量、品位等動態因素，實現原礦生產和運輸過程中檢測信息的實時閉環反饋，改善控制系統的動態性能，最大限度地提高生產效率；建立選礦生產線自動化智能控制平臺，通過構建實時數據采集層，實時在線反饋原礦檢測信息，及時指導原礦生產部門的生產。

3 智能赤鐵礦選礦系統初步應用

某赤鐵礦選礦廠年產鐵精礦280萬t，現有一選、二選兩個分選車間，目前采用為階段磨礦—粗細分級—重選—磁選—陰離子反浮選工藝流程進行生產。

應用礦石流預報模擬系統對該選礦廠進行赤鐵礦選礦智能化改造。半年的生產實踐表明，改造后選礦廠生產經營效益提高、降本增效效果明顯、管理水平得到提升。選礦廠綜合尾礦品位降低1.00個百分點，生產成本創歷年新低，實現了礦產資源的充分利用和人力資源結構優化，大幅提高企業競爭能力。

4 結 論

生產智能化和知識智能化是實現選礦廠智能化的難點，基于物聯網的赤鐵礦選礦廠智能化系統主要通過建立赤鐵礦礦石流預報模擬系統和赤鐵礦智能選礦系統實現，主要研究基于圖像識別的礦石粒度分布研究、基于智能物流技術的礦石流動過程研究、預測模型研究、智能控制策略數據信息組織、存儲與數據挖掘研究、選礦設備自學習能力研究等，實現選礦廠智能化。某赤鐵礦選礦廠應用智能選礦系統后，生產指標得到改善，降低了成本，優化了人力資源結構，綜合效益顯著。

基于物聯網的赤鐵礦選礦廠智能化是智能礦業體系中的重要一環，目前國內大多數礦山企業仍處在智能礦業體系建設的初級階段，智能選礦廠的建設將推動智能礦業體系發展和升級。未來智能選礦廠將圍繞裝備智能化、業務流程智能化和知識自動化循序漸進，實現“去人化、輕資產、高效率”的目標。