磨礦過程智能優化控制技術研究與應用

耿帥，姚婧

（礦冶科技集團 自動化所，北京 100000)

1 研究背景

某公司磨礦工藝系統受到給礦不穩定、礦石性質多變、礦石大小不一等多方面因素影響，整個磨礦過程參數波動明顯。影響磨礦效率的因素很多，常見的因素包括給礦量、給礦粒度、礦石性質、磨機加球量與加球時間間隔、襯板磨損度、格子板磨損度、返砂濃度、磨機負荷、頑石返回量及旋流器壓力等。由于這些因素是實時變化的，因此傳統的磨礦車間主要依靠人工調整工藝參數。然而，人工調整往往具有滯后性，導致半自磨進礦量及渣漿泵泵池液位波動大，進入浮選工藝礦漿的流量、濃度、細度不穩定，對后續的浮選工藝流程造成了不利影響。本文結合歷史數據，在分析了上百個完整的磨礦工藝參數的基礎上，擬針對該選礦廠當前的工況，找出磨礦濃度、磨礦細度、磨機進礦量、頑石返回量以及旋流器壓力等工藝參數之間的相關關系，進行磨礦過程智能優化控制技術研究，以期最大限度地發揮磨礦處理能力。

2 優化控制

2.1 控制目標與總體思路

磨礦部分的控制技術主要包括磨機回路專家控制技術和旋流器回路專家控制技術[1-2]。其中，磨機回路專家控制技術又分為磨機智能給礦專家控制技術和礦石比率專家控制技術；旋流器回路專家控制技術主要是磨礦濃度專家控制技術和磨礦粒度專家控制技術。

本項目控制目標如下：1）在物位、流量等現有常規儀表之外，利用磨機負荷監測系統、粒度儀等礦山專用檢測設備，實時監測磨機負荷狀態及分級生產指標。通過優化整定給礦、給水等基礎回路的控制參數，保證底層給定量的穩定。2）工藝流程檢測數據及基礎回路控制數據歸檔形成過程生產實時數據庫。在對歷史數據進行專家規則挖掘和工藝經驗提取的基礎上，建立專家規則庫，實現磨礦過程的專家控制。3）對控制回路、設備運行參數及生產指標的變化情況進行統計監控，判斷工藝流程的穩定性、可靠性及設備負載狀態，根據磨機的負載變化情況及溢流粒度及時調整操作條件，使得磨礦流程工作在最佳工作點附近。在保證整個磨礦工序操作智能化、生產安全平穩的前提下，滿足后續浮選工藝流程的供礦粒度和濃度。4）通過完善的系統試車服務、操作維護培訓服務、遠程性能優化服務等全流程，以及持續的專家分析和設計服務，保證本系統的易用性和持續應用。5）通過磨礦過程模型仿真專家的流程建模與評價服務，有效地提高專家規則庫的建立速度和有效性，并輔助專家系統進行提升優化[3-4]。磨礦控制系統總體思路見圖1。

圖1 磨礦控制系統總體思路

2.2 磨機回路專家控制技術

磨機回路專家控制系統采集給礦量、頑石返回量、磨機給水量、磨機負荷分析儀數據、礦石粒度分析儀數據、磨機功率、磨機軸瓦壓力，以及設定的給礦量、磨礦濃度范圍、礦石粒度分布范圍等參數，經過專家系統分析判斷，自動調節重板頻率、給水量、給礦量等[5-7]。

2.2.1 礦石粒度分布專家控制

儲礦倉礦石粒度分布見圖2。當礦石通過皮帶從下料口下落到儲礦堆時，會自然堆成三角形形體，且大塊的礦石會自然地順著坡壁自上而下滾落到的兩邊。這樣就形成了如圖2所示的礦石粒級分布規律，即離下料口越近礦石粒級分布越細，離下料口越遠礦石粒級分布越大。

圖2 儲礦倉礦石粒度分布

入磨礦石可分為小礦石、中礦石、大礦石。根據礦石粒度分析儀測量出這3類礦石的質量分數，可以得出皮帶上的礦石面積，從而掌握當前礦量的大小、各類礦石的比例等參數。在保證給礦量穩定的前提下，專家控制系統會根據設定的大、中、小礦石比率與礦石粒度分析儀檢測出的礦石粒度進行對比，自動給定和調整配礦重板的頻率輸出，保證進入磨機的礦石粒度分布合理。

2.2.2 磨機智能給礦專家控制技術

磨機智能給礦專家控制系統主要對檢測到的磨機功率、磨機軸瓦壓力、磨機負荷分析儀檢測的振動強度，以及DCS控制系統檢測到的其他磨機主要運行參數進行分析處理，并將其作為磨機是否脹肚的判斷依據，自動調整給礦量，防止空腹或脹肚。

2.3 旋流器回路專家控制技術

2.3.1 磨礦濃度專家控制技術

磨礦系統濃度控制系統見圖3。該系統根據設定的濃度與旋流器溢流粒度儀檢測的濃度進行對比，檢查實際濃度是否超出設定范圍。如果超出范圍則自動判斷，調整給水量；如果在設定范圍內，則保持當前狀態。

圖3 磨礦系統濃度控制系統

磨礦系統中水量的調整可能會引起渣漿泵池液位的變化，因此該系統通過調整旋流器給礦壓力、旋流器給礦濃度、旋流器給礦流量等工藝參數，既保證了濃度的穩定，不至于出現磨礦流程的波動，同時也保證了去浮選工序的流量穩定，不會超過浮選工序的處理能力。

2.3.2 磨礦粒度專家控制技術

磨礦系統粒度控制系統框圖見圖4。

圖4 磨礦系統粒度控制系統

如圖4所示，粒度調整以粒度儀測量的數據為準。當粒度儀測量的粒度范圍超過了工藝參數設定的粒度范圍時，專家系統則開始粒度的調整。專家系統會根據當前磨礦系統的狀態，自動調整旋流器組數、旋流器給礦流量、旋流器壓力、旋流器溢流流量、旋流器溢流濃度、渣漿泵池液位等主要參數，專家系統會自動判定選擇調整哪個工藝參數，使粒度達到理想的效果。

3 應用效果

該公司投用優化控制系統后，相比人工操作時，磨礦工藝流程更加穩定，生產指標明顯好轉。優化投用前與投用后半自磨機數據對比見圖5。投用前后1 a，半自磨機噸礦能耗對比見表1，該廠處理礦量見表2，半自磨機襯板更換記錄見表3。

圖5 優化投用前與投用后半自磨機數據對比

表1 磨機投用優化控制前后噸礦能耗對比kWh/t

表2 磨機投用優化控制前后處理礦量對比t

從圖5可以看出，在人工控制下，磨機功率、軸壓波動大，有漲肚的危險。磨礦過程智能優化控制投用后，磨機功率上升平穩，當將要超過上限時，專家系統能自動做出調整，可有效提高磨機處理量和磨礦效率。

由表1~表3可以看出：1）投用前噸礦能耗平均為5.91 kWh；投用后，噸礦能耗下降為5.42 kWh，平均節省0.49 kWh/t。2）投用前襯板平均使用天數為61.5 d；投用后，襯板平均使用天數為72.6 d，提高襯板使用天數為11.1 d。3）投用前月均處理礦量為1 104 971 t；投用后，磨機月均處理礦量1 122 762 t，相當于提高處理礦量約24.7 t/h。

優化控制投用前后平均濃度、平均粒度對比見表4。

表4 優化控制投用前后平均濃度、平均粒度對比 %

由表4可以看出，投用前月平均濃度、粒度波動較大，完全依賴于人工控制，增加了工人的勞動強度。系統投用后等一個月屬于調試自我適應期，從8月份起濃度、粒度波動都趨于穩定，符合進入浮選流程要求。優化控制投用前后礦石面積對比見圖6。

圖6 優化控制投用前后礦石面積對比

可以看出，優化控制技術的應用能有效減輕工人勞動強度，減少關鍵參數指標波動[8]。

4 結語

針對磨礦工藝流程控制的復雜多變性，通過歷史數據分析了近8年來的工藝參數，綜合礦山選礦技術、自動化模糊控制技術、給礦礦石粒度分布分析技術、磨機振動負荷分析儀技術、關鍵參數的軟測量技術與常規連鎖控制技術，完成了磨礦優化控制技術的研究，系統綜合投用率超過90%，實現了磨礦—分級回路的智能操作，降低了工人操作強度，穩定了工藝流程。該技術在該選礦廠成功應用后，旋流器溢流粒度的波動幅度平均減小了15%以上，旋流器溢流濃度的波動幅度平均減小了8%以上，旋流器溢流流量的波動幅度平均減小了20%以上。