文档介绍：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。 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。 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 North 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[4 ~ 5]。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。 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