孫 靜 吳同春
(中國黃金集團內(nèi)蒙古礦業(yè)有限公司,內(nèi)蒙古 呼倫貝爾021400)
中國黃金集團內(nèi)蒙古礦業(yè)有限公司烏山選礦廠三系列工藝流程為粗碎—SABC 磨礦—銅鉬混合浮選—銅鉬分離浮選,SABC 磨礦作業(yè)采用11.0 m ×5.4 m 超大型半自磨機,雙驅(qū)電機總功率12 686 kW,日處理量為4.5 萬t。磨礦分級作業(yè)是選礦生產(chǎn)領(lǐng)域的關(guān)鍵作業(yè)之一,產(chǎn)品粒度和濃度直接影響后續(xù)選別作業(yè)指標(biāo),一直是選礦自動化的重點監(jiān)控對象[1],其能耗占選礦生產(chǎn)全流程成本的60%以上,直接影響著整個選礦廠的經(jīng)濟效益[2]。磨礦分級過程是一個極其復(fù)雜的動態(tài)循環(huán)系統(tǒng),而半自磨過程更是存在多變量、非線性、強耦合、大滯后、時變性、部分關(guān)鍵工藝參數(shù)難以檢監(jiān)、影響干擾因素多等控制難點[3]。由于常規(guī)的以基礎(chǔ)回路控制為主的PID 定值控制以及人工操作模式難以適應(yīng)半自磨機復(fù)雜工況條件的變化,使半自磨機長時間處于效率較低的運行狀態(tài)。為此,烏山選礦廠總結(jié)近6 a 運行以來的過程參數(shù),結(jié)合模糊控制技術(shù)、礦石粒度分析技術(shù)、半自磨機磨音分析技術(shù)、關(guān)鍵參數(shù)的軟測量技術(shù)與常規(guī)PID 控制技術(shù),構(gòu)建了半自磨機的優(yōu)化過程控制系統(tǒng),實現(xiàn)了SABC 磨礦過程的智能控制,代替原來的人工控制。該智能控制系統(tǒng)是在DCS 系統(tǒng)實現(xiàn)基礎(chǔ)PID 控制、順序控制、連鎖控制的基礎(chǔ)上,通過優(yōu)化控制服務(wù)器實現(xiàn)半自磨回路給礦礦石粒度比例、給礦量、磨礦濃度過程參數(shù)的優(yōu)化,可以增加處理量,降低襯板損耗和能耗,提高經(jīng)濟效益,具有廣闊的推廣應(yīng)用前景。
烏山選礦廠半自磨工藝系統(tǒng)由儲礦堆、重型板式給礦機、皮帶輸送機、半自磨機、直線篩等組成,如圖1 所示。破碎至-350 mm 的礦石經(jīng)重型板式給料機、皮帶輸送機給入半自磨機,半自磨機排出礦石粒度為-60 mm,經(jīng)過雙層直線篩篩分后,7 ~60 mm 的篩上產(chǎn)品返回半自磨機進行再磨,-7 mm 的篩下產(chǎn)品進入渣漿泵池經(jīng)渣漿泵給入旋流器進行分級。
圖1 半自磨過程工藝流程Fig.1 Semi-autogenous grind process
影響和反映半自磨機磨礦效率的因素很多,主要有給礦量、F50(礦石進行篩分,篩下通過率為50%時對應(yīng)的篩孔尺寸,主要反映給礦礦石粒度大小)、礦石硬度、半自磨機加球量、磨礦濃度、襯板磨損程度、格子板磨損程度、軸壓、磨音、頑石量等。剛剛添加完鋼球,半自磨機的鋼球充填率會有階躍性的上升,功率會陡然上升,同時鋼球拋落區(qū)的對應(yīng)面積會增大,磨音顯著提高,鋼球砸在襯板上,對襯板有較大損耗;隨著時間的推移,半自磨機襯板損耗程度加重,襯板對鋼球的提升數(shù)量減小、高度降低,鋼球?qū)ΦV石的破碎效果逐漸變差,處理礦量、軸壓、磨音下降,磨礦效率下降;當(dāng)?shù)V石硬度較高時,磨礦難度增加,填充率上升,磨音下降,功率上升,需要減小給礦粒度,反之,當(dāng)?shù)V石硬度較小時,需要增大給礦粒度。這些因素都對半自磨機運行狀況有很大的影響,而且這些因素是時刻變化的,因此在人工手動模式下,無法將這些因素都考慮在內(nèi),也無法及時應(yīng)對,往往導(dǎo)致半自磨機在人工手動模式下運行狀態(tài)不佳,也不利于后續(xù)選礦工序的穩(wěn)定運行。
工業(yè)生產(chǎn)過程控制的目的是在保證設(shè)備安全穩(wěn)定運行的條件下,盡可能提高反映產(chǎn)品質(zhì)量與效率的工藝指標(biāo)的準(zhǔn)確性。在實際生產(chǎn)中,設(shè)備的機械狀態(tài)、電氣狀態(tài)和流程的工藝狀態(tài)都會限定半自磨機工作的邊界條件。保證半自磨機安全穩(wěn)定運行的邊界條件主要有磨機功率、軸壓、磨音、給礦量、磨礦濃度、給礦粒度比例等。
(1)功率。功率是反映半自磨機汲取能量進行作功的電氣指標(biāo)。如果半自磨機功率太高,超過上限有漲肚的危險;如果功率太低,則會造成半自磨機處理能力的浪費。半自磨機功率應(yīng)滿足
式中,Pmin和Pmax分別為半自磨機功率的下限和上限,P(t)為功率表監(jiān)測的半自磨機功率。
(2)軸壓。軸壓反映了半自磨機的筒體及筒內(nèi)鋼球與礦石對軸承的壓力。如果半自磨機軸壓太高,超過上限有漲肚的危險;如果軸壓太低,則半自磨機的物料充填率過低,容易造成空砸襯板,磨音過高[5]。半自磨機軸壓應(yīng)滿足
式中,F(xiàn)min和Fmax分別為半自磨機總軸壓的下限和上限,F(xiàn)( t) 為壓力表監(jiān)測的總軸壓。
(3)磨音。磨音反映了半自磨機內(nèi)鋼球與鋼球、鋼球與礦石、鋼球與襯板碰撞的聲響強度[6]。如果半自磨機磨音太高,超過上限有鋼球砸壞襯板的危險;如果磨音太低,則半自磨機內(nèi)部礦石太多,有漲肚的危險。半自磨機磨音應(yīng)滿足
式中,Imin和Imax分別為半自磨機磨音的下限和上限,I( t) 為磨音分析儀監(jiān)測的半自磨機的磨音。
(4)給礦量。給礦量反映了半自磨機處理礦石的速度。如果半自磨機給礦量太高,超過上限有影響下游浮選指標(biāo)的危險;如果給礦量太低,則會造成半自磨機處理能力的浪費。半自磨機給礦量應(yīng)滿足
式中,Qmin和Qmax分別為半自磨機給礦量的下限和上限,Q( t) 為皮帶監(jiān)測的半自磨機給礦量。
(5)磨礦濃度。磨礦濃度反映了半自磨機內(nèi)水與礦石的添加比例。如果半自磨機磨礦濃度太高,則磨礦效率過低;如果磨礦濃度太低,則半自磨作業(yè)產(chǎn)生的合格顆粒數(shù)量太少,也會對后續(xù)浮選作業(yè)產(chǎn)生不利影響。半自磨機磨礦濃度應(yīng)滿足
式中,cmin和cmax分別為半自磨機磨礦濃度的下限和上限,c( t) 為根據(jù)給入半自磨的給礦量和給入半自磨的水量計算的半自磨機磨礦濃度。
(6)給礦粒度比例。半自磨機要求給入的礦石中大礦石、中礦石、小礦石需保持一定的比例[7],即
式中,D1min、D2min、D3min和D1max、D2max、D3max分別為半自磨機給礦中大礦石、中礦石、小礦石的下限和上限,D1( t) 、D2( t) 、D3( t) 分別為礦石粒度分析儀監(jiān)測的給料皮帶上的大、中、小礦石的投影面積。
綜上,半自磨功率、總軸壓、磨音、給礦量、磨礦濃度、給礦粒度比例這幾項參數(shù)應(yīng)不超過上、下限,以保證半自磨機在安全穩(wěn)定的狀態(tài)下運行;各項過程參數(shù)在上下限范圍內(nèi)可調(diào),使半自磨機處于最優(yōu)運行狀態(tài)。
半自磨機控制手段主要包括給礦量調(diào)節(jié)、磨礦濃度調(diào)節(jié)、給礦粒度比例調(diào)節(jié)3 種手段。給礦量調(diào)節(jié)回路主要根據(jù)半自磨給料皮帶秤監(jiān)測實際給礦量與人工設(shè)定的給礦量的偏差,通過PID 自動調(diào)節(jié)重板頻率,實現(xiàn)給礦量最佳。磨礦濃度調(diào)節(jié)回路主要根據(jù)半自磨機給礦濃度設(shè)定以及皮帶秤監(jiān)測的給礦量,自動計算出半自磨給料的理論給水量,通過半自磨給水流量計監(jiān)測的水量,PID 自動調(diào)節(jié)給水閥門開度,實現(xiàn)磨礦濃度的調(diào)節(jié)。給礦粒度比例調(diào)節(jié)回路主要根據(jù)礦石粒度分析儀來監(jiān)測皮帶表面的礦石粒度,判斷當(dāng)前礦石粒度是“偏大”還是“偏小”。當(dāng)儲礦堆為金字塔型時,礦石在偏析作用下,不同大小的礦石會在不同位置的重板給礦機上方堆積,通過調(diào)節(jié)對應(yīng)重板給礦機的輸出頻率來改變礦石粒度。
半自磨機磨礦過程復(fù)雜、機理有不明之處、缺乏必要的檢測手段或測試裝置不能進入被測區(qū)域等,使得建立半自磨機工藝被控過程的數(shù)學(xué)模型困難。
可以熟練操作半自磨機的人員不需了解被控對象的數(shù)學(xué)模型,憑借實踐經(jīng)驗即可采取相應(yīng)措施對半自磨機進行調(diào)控。而模糊控制正是建立在人工經(jīng)驗基礎(chǔ)上,即盡可能將熟練操作員的實踐經(jīng)驗加以總結(jié)和描述,并用計算機語言表述出來,得到一種定性的、不精確的控制規(guī)則[8]。其無需知道被控對象的數(shù)學(xué)模型,運用人類的思維實現(xiàn)智能控制,模糊控制算法采用軟件來實現(xiàn),具有良好的魯棒性和適應(yīng)性。控制優(yōu)化流程見圖2。
圖2 半自磨智能控制流程Fig.2 Semi-autogenous grinding intelligent control flow chart
根據(jù)經(jīng)典的邦德破碎模型[9],礦石從一定尺寸破碎到指定粒級,所需要的能量E 為
式中,F(xiàn)80為給礦中篩下通過率為80%時對應(yīng)的篩孔尺寸,P80為排礦中篩下通過率為80%時對應(yīng)的篩孔尺寸,Wi為功指數(shù)。
半自磨機的汲取功率可以用以下模型來計算[10]:
式中,PBall為球荷堆密度,D 為磨機筒體直徑,L 為磨機長度,MB*為球荷充填率(對于半自磨機,MB為鋼球與大塊礦石充填率之和),N*為磨機轉(zhuǎn)速率。
在給礦尺寸、排礦尺寸一定的情況下,給礦量為Q 時,半自磨機的功率W 應(yīng)為
根據(jù)功率計算值與功率監(jiān)測值之間的差值,以及差值的變化趨勢,可以判斷出當(dāng)前礦石硬度的變化趨勢、磨機內(nèi)鋼球的變化規(guī)律以及襯板磨損程度對磨機功率的影響。根據(jù)功率監(jiān)測值與設(shè)定功率上限值的偏差,自動計算出達(dá)到上限功率需要調(diào)整的給礦粒度比例、磨礦濃度、給礦量,將此計算值作為優(yōu)化調(diào)節(jié)時的參考依據(jù)。
給礦粒度比例邊界條件是礦石粒度上下限。當(dāng)給礦粒度大于粒度下限時,允許減小給礦粒度;當(dāng)給礦粒度小于粒度上限時,允許增大給礦粒度。對給礦粒度比例進行模糊控制時,功率是第一主要參數(shù)、軸壓為第二主要參數(shù)、磨音為第三主要參數(shù)、給礦量是第四主要參數(shù)、頑石量是第五主要參數(shù)。用這5 個參數(shù)來判斷磨機負(fù)荷高低:如果磨機負(fù)荷高,則適當(dāng)減小大塊礦石比率;如果磨機負(fù)荷低,則適當(dāng)增加大塊礦石比率;如果磨機負(fù)荷正常,則大塊礦石比例不變。表1 所示為給礦粒度模糊控制規(guī)則。
表1 給礦粒度模糊控制規(guī)則Table 1 Feeding granularity fuzzy control rule
對磨礦濃度進行模糊控制時,軸壓是第一主要參數(shù)、功率是第二主要參數(shù)、頑石量是第三主要參數(shù)、磨音是第四主要參數(shù)。用這4 個參數(shù)來判斷磨礦濃度大小:①如果功率高且軸壓高且頑石量高且磨音低,則減小濃度;②如果功率低且軸壓低且頑石量低且磨音高,則增大濃度;③如果軸壓快速增加,則減小濃度。磨礦濃度模糊控制規(guī)則見表2。
表2 磨礦濃度模糊控制規(guī)則Table 2 Grinding concentration fuzzy control rule
對給礦量進行模糊控制時,功率是第一主要參數(shù)、軸壓是第二主要參數(shù)、頑石量是第三主要參數(shù)、磨音是第四主要參數(shù)。用這4 個參數(shù)來判斷給礦量大小:如果功率高且軸壓高且頑石量高且磨音低,則減小礦量;如果功率低且軸壓低且頑石量低且磨音高,則增大礦量。給礦量模糊控制規(guī)則見表3。
表3 給礦量模糊控制規(guī)則Table 3 Feeding capacity fuzzy control rule
當(dāng)給礦量、磨礦濃度、給礦粒度比例的調(diào)節(jié)規(guī)則啟動運行時,按照先調(diào)給礦粒度比例,再調(diào)磨礦濃度,最后調(diào)節(jié)給礦量的順序進行。
圖3 所示為半自磨機優(yōu)化控制界面,優(yōu)化控制服務(wù)器采用Microsoft Visual C#軟件編程,通過OPC 協(xié)議從AB ControlLogix 系列的3 個主站PLC 采集實時過程參數(shù),經(jīng)過優(yōu)化控制服務(wù)器根據(jù)模糊控制規(guī)則優(yōu)化過程參數(shù),輸出給3 個主站PLC 執(zhí)行。
圖4 所示分別為烏山選礦廠半自磨機人工控制和采用智能控制時,磨機運行狀態(tài)分析。
由圖4 可以看出:人工控制時,磨機功率時高時低,軸壓也很不穩(wěn)定,有漲肚的危險;智能控制條件下,半自磨機運行狀態(tài)穩(wěn)定,功率趨于上限功率,可以發(fā)揮半自磨機的最大效能,有效提高了半自磨機的處理量和磨礦效率。
圖3 半自磨機智能控制界面Fig.3 Intelligent control interface of semi-autogenous mill
圖4 智能控制與人工控制磨機運行狀態(tài)對比Fig.4 Running statuscomparison of semi-autogenous mill both on optimized and manual control state
由表4 可知:采用人工控制時,月均處理礦量為1 104 971 t,采用智能控制時,月均處理礦量為1 122 762 t,相當(dāng)于采用智能控制較人工控制提高處理礦量約24.7 t/h;采用智能控制較人工控制噸礦能耗可降低0.49 kWh/t;采用智能控制較人工控制時襯板使用天數(shù)由61.5 d 延長到72.6 d,延長襯板使用天數(shù)為11.1 d。相比人工操作,采用智能控制時半自磨機工藝流程更加穩(wěn)定,生產(chǎn)指標(biāo)明顯提高。在降低能耗、鋼耗以及提高處理量3 個方面作用明顯,經(jīng)濟效益顯著。
半自磨機智能控制系統(tǒng)在烏山選礦廠的應(yīng)用實踐表明,半自磨機智能控制系統(tǒng)可根據(jù)服務(wù)器設(shè)定的控制策略,實時采集半自磨機過程參數(shù),自動找出最優(yōu)的半自磨機過程參數(shù)的特點,可以提高磨機處理量、延長襯板使用壽命、降低噸礦能耗,具有顯著的經(jīng)濟效益,在金屬礦山領(lǐng)域具有重要推廣應(yīng)用前景。
表4 半自磨機智能控制前后生產(chǎn)指標(biāo)對比Table 4 Production index comparison of semi-autogenous grinding mill both on optimized and manual control state
[1] 王云峰,李戰(zhàn)明,袁占亭,等. RBF 神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合的磨礦分級智能控制方法[J]. 重慶大學(xué)學(xué)報,2010,33(3):124.
Wang Yunfeng,Li Zhanming,Yuan Zhanting,et al. Intelligent control method of grinding classification based on RBF neural network and fuzzy theory[J].Journal of Chongqing University,2010,33(3):124.
[2] 段希祥.碎礦和磨礦[M].北京:冶金工業(yè)出版社,2012.
Duan Xixiang.Crushing and Grinding[M].Beijing:Metallurgical Industry Press,2012.
[3] 李 勇.磨礦過程參數(shù)軟測量與綜合優(yōu)化控制的研究[D]. 大連:大連理工大學(xué),2006.
Li Yong. Study on Soft Measurement and Comprehensive Optimization Control of Grinding Process Parameters[D].Dalian:Dalian University of Technology,2006.
[4] 唐新民.冬瓜山銅礦半自磨機筒體襯板被砸碎的研究[J].礦業(yè)裝備,2012(1):74-77.
Tang Xinmin.Dongguashan Copper Mine semi self mill cylinder liner was smashed in the study[J].Mining Equipment,2012(1):74-77.
[5] 毛益平. 磨礦過程智能控制策略的研究[D]. 沈陽:東北大學(xué),2001.
Mao Yiping. Research on Intelligent Control Strategy of Grinding Process[D].Shenyang:Northeastern University,2001.
[6] 刀正超.選礦廠磨礦工[M].北京:冶金工業(yè)出版社,1987.
Dao Zhengchao.Ore Dressing Plant[M]. Beijing:Metallurgical Industry Press,1987.
[7] 劉金琨.智能控制[M].北京:電子工業(yè)出版社,2014.
Liu Jinkun. Intelligent Control[M]. Beijing:Electronics Industry Press,2014.
[8] 陳炳辰.磨礦原理[M].北京:冶金工業(yè)出版社,1989.
Chen Bingchen. Grinding Principle[M]. Beijing:Metallurgical Industry Press,1989.
[9] 胡為柏,李松仁.數(shù)學(xué)模型在礦物工程中的應(yīng)用[M].長沙:湖南科學(xué)技術(shù)出版社,1983.
Hu Weibai,Li Songren. The Application of Mathematical Model in Mineral Engineering[M].Changsha:Hunan Science and Technology Press,1983.