蘇 超，王 旭

（1.江西銅業(yè)集團(tuán)有限公司 城門(mén)山銅礦，江西 九江 332100；2. 北京礦冶科技集團(tuán)有限公司，北京 100160）

1 引言

隨著優(yōu)質(zhì)資源的迅速枯竭，資源高效開(kāi)發(fā)利用成為選礦工業(yè)發(fā)展的必然要求。但由于礦石所含礦物種類(lèi)多、泥化嚴(yán)重、氧化程度差異大等因素，造成了浮選生產(chǎn)操作的不確定性，導(dǎo)致精礦產(chǎn)品質(zhì)量不穩(wěn)定、回收率不理想。

針對(duì)國(guó)內(nèi)某大型銅礦選礦廠浮選工藝流程，本文設(shè)計(jì)開(kāi)發(fā)了浮選流程智能控制系統(tǒng)，目標(biāo)是提升浮選精礦品位和回收率的穩(wěn)定性。浮選流程智能控制技術(shù)包括：（1）根據(jù)浮選泡沫特征的單機(jī)產(chǎn)率穩(wěn)定控制；（2）根據(jù)生產(chǎn)指標(biāo)的浮選流程產(chǎn)率優(yōu)化控制。

2 技術(shù)現(xiàn)狀

浮選過(guò)程控制的難點(diǎn)是頻繁變化的礦石性質(zhì)和精礦質(zhì)量要求、最佳回收率要求之間存在的矛盾，藥劑添加量、泡沫層厚度和充氣量是浮選過(guò)程的重要控制參數(shù)。

2008-2009年間瑞典Garpenberg鋅選礦廠應(yīng)用了ABB公司的專(zhuān)家系統(tǒng)實(shí)現(xiàn)整個(gè)浮選回路的優(yōu)化控制，該專(zhuān)家系統(tǒng)是基于模型預(yù)估控制原理設(shè)計(jì)的，用來(lái)幫助穩(wěn)定選礦流程，并使得鋅回收率達(dá)到最大。

南非MINTEK公司開(kāi)發(fā)了Float Star優(yōu)化模塊，帶給浮選的經(jīng)濟(jì)效益主要體現(xiàn)在：（1）快速液位控制和抗干擾能力使得流程穩(wěn)定，開(kāi)停車(chē)時(shí)間短；（2）基于浮選精礦流量、浮選時(shí)間、浮選液位、充氣量、加藥量等變量，形成優(yōu)化控制回路；（3）穩(wěn)定精礦品位，回收率可以提高1%以上。

浮選精礦泡沫狀態(tài)是能反映浮選狀況的最直接信息，近年來(lái)，基于機(jī)器視覺(jué)的浮選泡沫表面特征監(jiān)測(cè)技術(shù)是浮選自動(dòng)化研究的重點(diǎn)，已引起了工業(yè)發(fā)達(dá)國(guó)家科研機(jī)構(gòu)的高度關(guān)注并推出相應(yīng)產(chǎn)品，其中 Visio Froth（Metso），F(xiàn)rothMaster（Outotec） 已在國(guó)外的礦山企業(yè)有了廣泛的應(yīng)用。A. Supomo等在印尼PT Freeport的粗選槽上，使用VisioFroth測(cè)量泡沫溢流速度，通過(guò)修改液位控制設(shè)定值，配以其他限制條件，調(diào)整產(chǎn)率，提高了粗選流程回收率2.4%［1]。2000年 Outotec的 FrothMaster采用圖像處理技術(shù)計(jì)算浮選泡沫物理參數(shù)，結(jié)合在線X射線熒光分析儀分析數(shù)據(jù)，優(yōu)化浮選過(guò)程，在150m3浮選機(jī)工業(yè)試驗(yàn)中提高銅回收率2.34%，金回收率1.78%，降低藥劑消耗7.10%。瑞典 SGS 公司開(kāi)發(fā)了一款專(zhuān)用的浮選泡沫狀態(tài)分析儀METcam-FC，并已經(jīng)在工業(yè)流程上安裝2000臺(tái)以上。METcam-FC實(shí)時(shí)地采集和分析浮選泡沫的圖像信息，可以測(cè)量泡沫的移動(dòng)速度、泡沫穩(wěn)定性、泡沫大小分布［2]。

在國(guó)內(nèi)，許多學(xué)者針對(duì)浮選過(guò)程優(yōu)化控制，開(kāi)展了浮選過(guò)程指標(biāo)建模、預(yù)測(cè)與優(yōu)化方法研究，為了給浮選操作提供浮選工況和浮選過(guò)程參數(shù)，對(duì)泡沫圖像與浮選過(guò)程工況、浮選精尾礦品位、回收率、pH等變量之間的相關(guān)性進(jìn)行了建模研究［3～8]。王會(huì)清對(duì)浮選過(guò)程優(yōu)化控制的功能和結(jié)構(gòu)進(jìn)行研究,提出了集中管理、分散處理問(wèn)題的總體控制方案,確定了在精礦品位一定的條件下, 使回收率最大的總目標(biāo)函數(shù)。并建立了精尾礦品位與藥劑量、充氣量、液位、給礦品位、礦漿濃度的多元線性回歸模型，采用實(shí)時(shí)最小二乘法進(jìn)行動(dòng)態(tài)模型的在線識(shí)別和操作參數(shù)的動(dòng)態(tài)補(bǔ)償［9～10]。耿增顯提出了由基于案例推理的預(yù)設(shè)定模型、基于規(guī)則推理的反饋補(bǔ)償模型組成的浮選藥劑智能優(yōu)化設(shè)定控制方法，在浮選給礦邊界條件發(fā)生變化時(shí), 給出浮選藥劑量?jī)?yōu)化設(shè)定值,將精礦品位和尾礦品位控制在目標(biāo)值范圍內(nèi)［11]。劉利敏利用BP神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)函數(shù)建立了浮選過(guò)程回收率與礦漿濃度、pH 值、充氣量大小、藥劑用量以及泡沫層厚度五個(gè)參數(shù)之間的關(guān)系模型［12]。劉金平提出一種基于泡沫大小動(dòng)態(tài)分布特征的具有自學(xué)習(xí)功能的浮選生產(chǎn)過(guò)程加藥量健康狀態(tài)統(tǒng)計(jì)模式識(shí)別方法，采用簡(jiǎn)單的貝葉斯推理方法對(duì)浮選藥劑操作健康狀態(tài)進(jìn)行自動(dòng)識(shí)別與評(píng)價(jià)［13]。

3 浮選流程智能控制系統(tǒng)設(shè)計(jì)

3.1 工藝流程簡(jiǎn)介

該銅礦浮選工藝由銅硫匯合粗掃選（含二粗二掃）、一次分選、兩次精掃選、二次銅精選組成。選銅尾礦經(jīng)過(guò)旋流器脫泥后，沉砂進(jìn)入選硫作業(yè)。此外，該銅礦礦區(qū)礦物達(dá)70種以上，其中含銅礦物10余種，氧化-混合礦石中則以次生硫化銅礦物為主；硫礦物以含銅黃鐵礦為主。礦石構(gòu)造以塊狀、浸染狀、細(xì)脈浸染狀為主。氧化-混合礦中銅礦物嵌布粒度平均為0.03～0.05mm，以中、細(xì)粒為主，氧化率愈高則愈難解離。硫化礦物以浸染狀呈他形晶結(jié)構(gòu)分散在其他礦物中，黃鐵礦平均粒度為0.081～0.124mm，以粗、中粒為主。由于礦石性質(zhì)復(fù)雜、變化范圍較寬，因此浮選生產(chǎn)操作難度大、生產(chǎn)穩(wěn)定性差、選礦指標(biāo)不夠理想。

3.2 浮選泡沫特征參數(shù)檢測(cè)

在浮選工藝作業(yè)中，浮選泡沫的狀況是浮選工藝指標(biāo)高低的重要指示器。為了提高浮選工藝生產(chǎn)指標(biāo)，選礦廠通常讓有經(jīng)驗(yàn)的操作工人或者工程技術(shù)人員進(jìn)行浮選表面的監(jiān)視工作。但是大多數(shù)情況下，這一工作存在以下困難因素：操作工人很難在工作期間時(shí)刻監(jiān)視浮選泡沫狀況、浮選泡沫有些變化也難以用肉眼來(lái)觀測(cè)、監(jiān)視過(guò)程中人不可能進(jìn)行定量的精細(xì)觀測(cè)、惡劣的工作環(huán)境有損操作工人的健康等。

浮選泡沫圖像分析儀是一套可以實(shí)時(shí)獲取浮選泡沫圖像、連續(xù)對(duì)浮選泡沫圖像處理分析，得到反映浮選泡沫狀況的特征參數(shù)的軟硬件系統(tǒng)平臺(tái)。它能夠采用不同的模式獲取一臺(tái)或者多臺(tái)相機(jī)的高精度浮選泡沫圖像，能夠通過(guò)千兆網(wǎng)遠(yuǎn)距離傳輸所獲取的圖像信息，軟件處理平臺(tái)對(duì)獲取的浮選泡沫圖像進(jìn)行實(shí)時(shí)處理分析，得出浮選機(jī)（柱）表面的泡沫性質(zhì)，其中主要包括泡沫大小及其統(tǒng)計(jì)分布規(guī)律、泡沫顏色、泡沫流速、泡沫生存時(shí)間等參數(shù)。

圖1 泡沫圖像分析儀及VisioFroth軟件界面

浮選泡沫移動(dòng)速度及方向是泡沫圖像分析儀檢測(cè)的關(guān)鍵參數(shù)之一，也是進(jìn)行浮選產(chǎn)率優(yōu)化控制的基礎(chǔ)。通過(guò)連續(xù)實(shí)時(shí)處理視頻中的每一幀，通過(guò)泡沫特征匹配及方向預(yù)測(cè)技術(shù)，可實(shí)時(shí)計(jì)算出分為24個(gè)區(qū)域的泡沫位移及方向，從而計(jì)算出泡沫整體移動(dòng)速度。在實(shí)際的工業(yè)應(yīng)用中，通過(guò)連續(xù)處理獲取幀率為25fps的視頻的每一幀的處理，可獲得時(shí)間片為40ms的相鄰兩幀之間的位移及方向，從而得到泡沫移動(dòng)速度實(shí)時(shí)曲線。由于泡沫移動(dòng)并不是一個(gè)穩(wěn)態(tài)的物理量，所以泡沫的實(shí)時(shí)移動(dòng)表征出一種震蕩波形曲線。通過(guò)對(duì)實(shí)時(shí)泡沫移動(dòng)速度值進(jìn)行簡(jiǎn)單的平均值濾波算法，可以降低泡沫移動(dòng)的噪聲，得到魯棒性較好速度特征值。

本文結(jié)合現(xiàn)場(chǎng)工藝流程特點(diǎn)，分別在粗一作業(yè)、粗二作業(yè)、分離粗選作業(yè)和精二作業(yè)配置泡沫圖像分析儀。同時(shí)，在原礦、分離原礦、銅精礦、精掃二尾、銅掃二尾及總尾礦分別進(jìn)行在線品位檢測(cè)。

3.3 控制策略

（1）基于浮選泡沫特征的浮選單機(jī)產(chǎn)率控制。

基于浮選泡沫特征的浮選單機(jī)產(chǎn)率控制是結(jié)合泡沫圖像分析儀和傳統(tǒng)的液位及充氣量控制系統(tǒng)，對(duì)浮選機(jī)液位或充氣量設(shè)定值進(jìn)行自動(dòng)調(diào)整的新型控制的策略。其控制原理如圖2所示。

產(chǎn)率控制通過(guò)對(duì)浮選機(jī)狀態(tài)進(jìn)行判斷，在產(chǎn)率控制模式和傳統(tǒng)液位-充氣量控制模式之間自動(dòng)無(wú)擾切換，可積極主動(dòng)避免冒槽或沉槽現(xiàn)象，自動(dòng)調(diào)整重建平衡。單槽產(chǎn)率控制以泡沫溢流速度為控制目標(biāo)，預(yù)期實(shí)現(xiàn)浮選單機(jī)產(chǎn)率的穩(wěn)定控制。

圖2 單機(jī)產(chǎn)率控制原理圖

單機(jī)產(chǎn)率控制包括：

①粗一作為入浮流程的第一臺(tái)浮選設(shè)備，入料流量變化最為頻繁，對(duì)粗一浮選機(jī)實(shí)現(xiàn)產(chǎn)率控制，目的是從源頭上對(duì)產(chǎn)率進(jìn)行穩(wěn)定控制，防止將擾動(dòng)直接帶入后續(xù)工序；

②粗二的浮選泡沫經(jīng)再磨分級(jí)進(jìn)入分選流程，對(duì)粗二浮選機(jī)實(shí)現(xiàn)產(chǎn)率控制，穩(wěn)定了進(jìn)入分離浮選流程的流量；

③分離粗選的浮選泡進(jìn)入柱精選流程，對(duì)分離粗選浮選機(jī)實(shí)現(xiàn)產(chǎn)率控制，穩(wěn)定了進(jìn)入柱精選流程的流量；

④精選柱二的浮選作為浮選流程最終的產(chǎn)品，對(duì)精選浮選柱二實(shí)現(xiàn)產(chǎn)率控制，可以快速調(diào)整銅精礦產(chǎn)品質(zhì)量。

（2）基于在線品位分析的浮選流程產(chǎn)率優(yōu)化控制。

基于在線品位分析的浮選流程產(chǎn)率優(yōu)化控制，即根據(jù)在線品位分析儀測(cè)量的礦漿品位值，對(duì)各作業(yè)的浮選槽產(chǎn)率設(shè)定值進(jìn)行整體調(diào)整。

浮選流程產(chǎn)率優(yōu)化包括，通過(guò)銅精礦銅品位、分離原礦銅品位、銅掃二尾銅品位、銅精掃二尾銅品位及總尾礦銅品位，對(duì)粗一、粗二、分離粗選、柱精二4個(gè)作業(yè)產(chǎn)率（即泡沫流速）設(shè)定值進(jìn)行自動(dòng)調(diào)整，以保證銅精礦產(chǎn)品合格率，降低銅精礦品位波動(dòng)；同時(shí)在精礦品位偏高時(shí)，通過(guò)自動(dòng)提高產(chǎn)率設(shè)定來(lái)提高回收率。粗一作業(yè)產(chǎn)率優(yōu)化控制部分規(guī)則如表1所示：

表1 浮選流程產(chǎn)率優(yōu)化（粗一作業(yè)）規(guī)則表

4 系統(tǒng)工業(yè)應(yīng)用

本文所述浮選流程智能控制系統(tǒng)在國(guó)內(nèi)某銅礦浮選流程進(jìn)行了工業(yè)應(yīng)用。該浮選流程粗選作業(yè)浮選單機(jī)產(chǎn)率手動(dòng)操作時(shí)，控制曲線如圖3所示，其中紅色曲線泡沫流速測(cè)量值。由于粗選是浮選流程的首道作業(yè)，受原礦性質(zhì)及磨礦作業(yè)影響最顯著，可以看到僅在浮選液位投入自動(dòng)控制的情況下，粗選作業(yè)的泡沫流速波動(dòng)極大，對(duì)后續(xù)精礦指標(biāo)的穩(wěn)定性勢(shì)必會(huì)造成影響。

圖3 粗選作業(yè)浮選單機(jī)產(chǎn)率手動(dòng)控制曲線（8h數(shù)據(jù)）

圖4 粗一作業(yè)浮選單機(jī)產(chǎn)率自動(dòng)控制曲線（8h數(shù)據(jù)）

應(yīng)用基于浮選泡沫特征的浮選單機(jī)產(chǎn)率控制后，該粗選作業(yè)浮選單機(jī)產(chǎn)率自動(dòng)控制曲線如圖4所示，其中紅色曲線泡沫流速測(cè)量值，藍(lán)色曲線為泡沫流速設(shè)定值，綠色曲線為粗選浮選液位設(shè)定值（程序自動(dòng)調(diào)整）。

由圖4可見(jiàn)如下自動(dòng)調(diào)整過(guò)程：

（1）開(kāi)始階段，當(dāng)泡沫流速低于設(shè)定值時(shí)，系統(tǒng)自動(dòng)逐步增加浮選液位設(shè)定值；

（2）緊接著當(dāng)工況變化泡沫流速增長(zhǎng)直到高于設(shè)定值時(shí)，系統(tǒng)快遞降低浮選液位設(shè)定值；

（3）隨著系統(tǒng)的調(diào)整，當(dāng)泡沫流速變化出現(xiàn)拐點(diǎn)，開(kāi)始下降時(shí)，系統(tǒng)在相應(yīng)的自動(dòng)提升液位設(shè)定值，使得泡沫溢流量迅速回到預(yù)設(shè)的穩(wěn)定狀態(tài)。

將圖3及圖4的統(tǒng)計(jì)結(jié)果列于表2中，可見(jiàn)粗選產(chǎn)率自動(dòng)控制條件下，泡沫流速呈現(xiàn)出更為理想的正態(tài)分布，數(shù)據(jù)集中性更好，70%以上的情況下泡沫流速控制在14～41mm/s的典型區(qū)間內(nèi)。此外，自動(dòng)控制情況下，粗選泡沫流速的數(shù)據(jù)標(biāo)準(zhǔn)差為17.9，相比于收到控制下的標(biāo)準(zhǔn)差36.6，數(shù)據(jù)穩(wěn)定性提高一倍。

表2 粗選作業(yè)泡沫流速統(tǒng)計(jì)表

對(duì)基于在線品位分析的浮選全流程產(chǎn)率優(yōu)化控制系統(tǒng)投用數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，產(chǎn)率手動(dòng)控制下，8h內(nèi)銅精礦品位平均值為20.37，標(biāo)準(zhǔn)差為1.78；流程產(chǎn)率優(yōu)化控制下，8h內(nèi)銅精礦品位平均值為21.88，標(biāo)準(zhǔn)差為0.87。由此可見(jiàn)，銅精礦的平均品位及波動(dòng)情況均有顯著改善。

5 結(jié)語(yǔ)

圖5 銅精礦品位控制曲線（產(chǎn)率手動(dòng)控制，8h）

圖6 銅精礦品位控制曲線（流程產(chǎn)率優(yōu)化控制投用，8h）

浮選流程智能控制系統(tǒng)通過(guò)對(duì)浮選流程泡沫特征及指標(biāo)進(jìn)行在線檢測(cè)分析，形成了浮選專(zhuān)家智能控制系統(tǒng)，提升了浮選過(guò)程操作智能化水平，優(yōu)化了工藝生產(chǎn)指標(biāo)。上述研究成果在國(guó)內(nèi)某選礦廠進(jìn)行實(shí)際工業(yè)應(yīng)用后，不僅減輕了操作人員的勞動(dòng)強(qiáng)度，而且消除了人為原因帶來(lái)的干擾，保障了整個(gè)浮選生產(chǎn)流程的安全穩(wěn)定運(yùn)行，銅精礦品位波動(dòng)大幅減少，項(xiàng)目各項(xiàng)指標(biāo)均已達(dá)到了預(yù)期建設(shè)指標(biāo)。