0 引言
磨礦過程是選礦廠的中間工序。礦石經過物理的研磨、分級作用,顆粒由大變小到一定的程度,才能達到礦石的單體解離或近于單體解離,有利于選別工序的金屬回收和金屬富集。因此磨礦過程是影響選礦生產的關鍵環節,直接制約著選礦產品質量和金屬回收率。此外,磨礦作業能耗占選礦廠整
個選礦過程的40%~60%。因此磨礦過程實現自動控制具有重要意義。國外對磨礦過程的建模與控制的研究已經相當深入,控制方法包括優化控制[1],多變量控制[2] ,預測控制[3],但是國外的磨礦流程和設備與我國不盡相同,國外一般都用棒磨機為一段開路磨礦,或以新給礦配水力旋流器構成磨礦閉路,并普遍使用粒度計等高精密在線檢測儀表,因此其研究成果難以適用于實現我國磨礦過程的自動控制。國外對于磨礦粒度的軟測量的研究,僅限于用來代替常規儀表實現回路控制[4]。我國的磨礦過程具有自身特點,廣泛使用螺旋分級機。磨礦過程本身的大慣性、參數時變、非線性、邊界條件波動大等復雜特性,以及關鍵工藝指標磨礦粒度難以在線測量,導致在我國磨礦過程自動化水平低,目前只在部分廠礦實現了給礦、給水等基礎回路的自動控制。歐洲鋼鐵工業技術發展指南指出:“對于降低生產成本、提高產品質量、減少環境污染和資源消耗只能通過全流程自動控制系統的優化設計來實現[5]”。文獻[6]針對選礦過程提出了過程穩定化、過程優化、過程管理三層結構的自動化系統。文獻[7]提出了企業資源計劃(ERP)/制造執行系統(MES)/過程控制系統(PCS)三層結構的金礦企業綜合自動化系統,成功應用于遼寧省排山樓金礦,且成效顯著。結合磨礦的生產技術要求及工藝特點,從穩定產品質量、提高磨礦效率、降低能耗的總體控制目標出發,基于優化關鍵生產工藝指標的實際出發,結合專家系統、案例推理等人工智能技術,提出了過程管理系統和過程控制系統組成的二層結構的磨礦過程綜合自動化系統。
1 磨礦過程描述
磨礦過程主要是將礦石經過磨礦過程,處理成細粒度級的顆粒,提供給選別作業。其工藝流程圖如圖1所示。圓筒礦倉內的粉礦經由電振排料機、給礦皮帶,送入一段球磨機內,經過球磨機、雙螺旋分級機組成的一段閉路磨礦系統細磨后,再經過細篩的篩分作用,大顆粒的礦石被送入由二段球磨機、水力旋流器組成的二段閉路磨礦系統繼續再磨,水力旋流器的溢流和經篩分作用后的小顆粒被送入選別工序。為了保證磨礦分級效果,必須在一段磨機入口、一段磨機出口和二段泵池處分別加入一定流量的清水。
磨礦過程最關鍵的工藝指標是二段磨礦的旋流器溢流粒度指標。從控制的角度看,影響磨礦作業的主要因素有一段球磨機給礦量、一段球磨機磨 礦質量濃度、螺旋分級機溢流質量濃度、水力旋流器給礦壓力、水力旋流器給礦質量濃度等。保持球磨機給礦量穩定,使其不波動或波動范圍很小,對穩定產品質量、穩定球磨機磨礦過程都是很重要的因素,同時從經濟效益的角度考慮應保證球磨機的最大處理能力。對于格子型球磨機來說,一個比較合適的磨礦質量濃度是實現球磨機磨礦效率高低的前提,磨礦質量濃度的過高或過低都會產生負面的影響,比如球磨機漲肚等事故。螺旋分級機溢流質量濃度在某種程度上與一次分級溢流粒度有一定的關系,并且溢流質量濃度的高低將會影響分級機返砂的多少和返砂的質量濃度,從而影響球磨機的磨礦效率和球磨機的處理量,因此控制分級機溢流質量濃度是控制產品質量好壞、磨礦效率的重要環節。為了保證水力旋流器在生產上的穩定及其產品質量的穩定,必須控制旋流器的給礦壓力,保證旋流器的工作狀況最佳(沉砂呈傘裝,角度不能過大或過小),防止產品質量的波動,同時也防止旋流器給礦泵池被打空或打冒。旋流器的溢流粒度與旋流器的給礦質量濃度有一定的關系,此參數配合旋流器的給礦壓力將是控制旋流器分級效率的重要工作參數。以上各種因素的相互影響,共同作用,決定了磨礦作業的好壞。正是從該工藝的生產技術要求及工藝特點設計了磨礦過程綜合自動化系統。
通過以上分析,我們首先確定,磨礦過程的主要控制變量為電振排礦機的振動頻率、一段球磨機入口加水閥位開度、螺旋分級機補加水閥位開度、水力旋流器給礦礦漿泵轉速、二段泵池補加水閥位開度等;主要被控變量為一段球磨機給礦量、一段球磨機入口加水流量、一段球磨機磨礦質量濃度、螺旋分級機補加水流量、螺旋分級機溢流質量濃度、水力旋流器給礦壓力、水力旋流器給礦質量濃度、二段泵池液位等。
2 磨礦過程綜合自動化系統
2.1 系統結構與功能
結合選礦廠磨礦過程的特點,提出了磨礦過程綜合自動化系統的體系結構,如圖2所示。
該系統由磨礦智能優化控制系統和運行過程管理系統兩層結構組成。其中智能優化控制系統采用EIC三電一體化計算機集散控制系統集成設計技術和智能控制技術,由磨礦過程智能優化回路設定系統、一段磨礦回路控制子系統與二段磨礦回路控制子系統組成。
運行過程管理系統包括系統監測、故障診斷、設備管理、生產安全管理、報表生產與打印、系統通訊和操作指導、系統安全、用戶管理和系統導航等功能模塊。智能優化控制系統和運行過程管理系統通過設備網、控制網、以太網和實時數據庫實現兩層和各個子系統之間的信息集成,從而實現磨礦過程的綜合自動化。
智能優化控制系統實現各設備邏輯連鎖控制、回路控制和回路優化設定控制等功能。邏輯連鎖控制主要包括電振排礦機組、給礦皮帶、螺旋分級機、礦漿泵及水力旋流器給礦變頻器組等設備裝置的單機啟停操作和全線聯起、聯停的操作。回路控制主要實現重要工藝參數的連續穩定控制,并控制在工藝要求范圍內??刂苹芈分饕ㄒ欢吻蚰C給礦量、球磨機磨礦質量濃度、螺旋分級機溢流質量濃度、二段水力旋流器給礦壓力、給礦質量濃度的回路控制,以及礦漿泵泵池液位的前饋控制,保證磨礦過程的穩定、高效生產。磨礦智能優化控制系統以保證磨礦產品粒度、提高球磨機的磨礦效率和分級機設備的分級效率、提高球磨機的處理量、降低能耗綜合生產指標為目標,采用智能協調控制策略,根據磨礦粒度的目標要求和邊界條件等的波動情況,分別對一段磨礦控制系統和二段磨礦控制系統的基礎控制回路的設定值進行在線優化。
運行過程管理系統實現運行管理和系統管理功能。從生產過程采集的數據或由控制系統處理后的數據,傳送給過程管理系統,由過程管理系統對其進行監視和管理。操作員在中央控制室通過監控畫面和多媒體的生產現場實景監控畫面,全面監控磨礦作業的生產狀況和設備狀況,從而可以實現在軟手動工作方式下的生產操作或在全自動生產方式下實現必要的人工干預。生產與設備的故障診斷系統可以對球磨機給礦斷料、球磨機漲肚、球磨機軸瓦異常、泵池泵異常、變頻器異常以及生產波動異常、工藝參數變化異常等工況做出判斷,給出報警信息與操作上的建議。
2.2智能優化控制策略
磨礦過程綜合自動化系統的核心是能夠實現工藝指標優化的磨礦過程智能優化控制系統。為此,提出了磨礦過程智能優化控制策略,其基本架構如圖3所示。該策略由智能優化設定系統和磨礦回路控制系統兩級結構組成。
智能優化設定系統包括智能協調設定模型、二段溢流粒度軟測量模型、二段預測補償模型、一段磨礦回路設定模型、一段溢流粒度軟測量模型、一段預測補償模型、一段磨礦質量濃度軟測量和磨機負荷推理模型組成。
智能協調設定模型根據給定的最終產品的關鍵工藝指標――二段旋流器溢流粒度的目標值,在球磨機處理量和邊界條件的約束下,給出二段磨礦控制回路的預設定值和一段磨礦溢流粒度的目標值。該模型結合實際生產工藝要求,采用基于專家系統的多級決策算法,協調一、二段磨礦產能分配與粒度指標的分配關系。當工藝指標的目標與當前實際的二段分級機溢流粒度的差值在二段磨礦過程具備的調節能力的范圍之外時,調整一段磨礦溢流粒度的目標值,以便在更大范圍內調整磨礦過程的運行狀態。
智能協調設定模型采用案例推理算法,給出旋流器的給礦壓力、給礦質量濃度的預設定值。在此基礎之上,二段預測補償模型通過將二段溢流粒度軟測量得到的粒度預報值與二段溢流粒度的目標值進行比較,根據預報粒度的偏差值,采用前饋校正算法提前對二段磨礦過程的基礎控制回路設定值進行前饋修正。
一段磨礦回路設定模型根據智能協調設定模型給出的一段溢流粒度的目標值,給出一段磨礦回路的預設定值。該模型結合球磨機有功功率的動態曲線,采用自尋優控制算法,實現球磨機處理量的最大化;采用基于案例推理的磨礦智能優化設定算法,在一段磨礦質量濃度和磨機負荷的約束條件下,根據一段溢流粒度的目標值,給出球磨機給礦量、一次溢流質量濃度和返砂水流量的預設定值。
一段預測補償模型采用專家系統技術,將一段溢流粒度軟測量得到的粒度估計值與一段溢流粒度的目標值進行比較,根據粒度軌跡的偏差值,對一段磨礦過程的基礎控制回路設定值進行修正。
圖3 磨礦過程智能優化控制策略結構圖
Fig.3 The strategy of intelligent optimizing control for the grinding process
關鍵工藝參數軟測量模型包括二段磨礦粒度軟測量模型、一段磨礦粒度軟測量模型、一段磨礦質量濃度軟測量模型和磨機負荷推理模型。其中二段磨礦粒度軟測量模型采用基于案例推理的軟測量算法對二段磨礦粒度指標進行預報;一段磨礦粒度軟測量模型采用人工神經網絡對一段磨礦粒度指標進行預報。一段磨礦質量濃度軟測量模型根據球磨機的給礦量、返砂水流量、螺旋分級機電流等過程輸入輸出數據,采用基于神經網絡與物料平衡相結合算法,給出當前磨礦質量濃度的在線估計值。建立磨礦質量濃度軟測量模型的目的在于解決磨礦質量濃度無法用儀表直接在線測量的問題,以保證適宜的磨礦質量濃度從而使得球磨機的磨礦效率達到最佳。
磨機負荷推理模型根據一段球磨機有功功率,螺旋分級機電流,球磨機給礦量等過程輸入輸出數據,采用模糊推理算法,給出當前磨機負荷的估計值,并將磨機負荷的估計值輸入一段磨礦智能設定模塊,作為優化設定的約束條件。
3 綜合自動化系統實施及應用效果
某大型赤鐵礦選礦廠年處理鐵礦石5×106t,其磨礦工序具有8個系列的一段球磨機和7個系列的二段球磨機。所處理的礦石礦物組成復雜,鐵礦物嵌布粒度細,屬弱磁性難選礦石。以往磨礦的生產主要由操作員通過眼看、手摸、耳聽等手段進行操作,往往等發現產品質量有問題后才進行相應的生產參數調整,生產波動較大,操作不穩定,生產質量難以保證,影響正常作業。
結合選礦廠生產工藝實際情況,設計實施了磨礦過程綜合自動化系統??刂葡到y采用美國AB公司的Controllogix5000系統,基于RSview32,VBA等組態開發環境,開發了監控軟件、過程控制軟件和優化控制軟件,實現了過程控制系統和過程管理系統的集成。
磨礦過程綜合自動化系統自投運以來取得了顯著的應用成效,圖4和圖5分別給出了一段和二段磨礦過程的控制效果曲線,各輸出變量跟蹤各自的優化設定值。綜合自動化系統有效地避免了人為主觀因素對磨礦運行過程造成的影響,保證了磨礦生產的平穩、安全和高效運行,明顯改善了工人的勞動強度和工作環境;系統自動投運以來,球磨機的臺時處理量提高0.7t/h,二次磨礦粒度從原來的72.98%提高到75.90%,提高了2.92個百分點。
4 結束語
針對磨礦過程當中存在的大慣性、時變、非線性、工藝參數(磨礦粒度、磨礦質量濃度、磨機負荷)難以在線測量等綜合復雜性,提出了由磨礦智能優化設定系統和磨礦回路控制系統組成的實現磨礦粒度和磨機處理量優化控制的磨礦過程智能優化控制策略。結合選礦廠生產過程,提出了由智能優化控制系統、運行過程管理系統組成的兩層結構的磨礦過程綜合自動化系統。該系統可以推廣到鋼鐵、有色金屬、選礦、水泥等行業的復雜生產過程,有廣闊應用前景。
參考文獻
[1] Duarte M, Redard J. Grinding operation optimization of the CODELCO-Andina concentrator plant[J]. Minerals Engineering, 1998, 11(12): 1119-1142.
[2] Manuel D, Florencio S. A comparative experimental study of five multivariable control strategies applied to a grinding plant[J]. Powder Technology, 1999, 104(1): 1-28.
[3] Andre P, Daniel H. A survey of grinding circuit control methods: from decentralized PID controllers to multivariable predictive controller[J]. Powder Technology, 2000, 108(2): 103-115.
[4] Herbst J A and Pate W T. Object components for comminution system softsensor design[J]. Powder Technology, 1999, 105(1): 424-429.
[5] 歐洲鋼鐵工業聯盟著. 歐洲鋼鐵工業技術發展指南[M]. 韓靜濤譯. 北京: 中國金屬學會,1999.
[6] Houseman L A, Schubert J H, Hart J R and Carew W D. PlantStar 2000: a plant-wide control platform for minerals processing[J]. Minerals Engineering, 2001, 14(6): 593-600.
[7] 柴天佑,李小平,周曉杰,等. 基于三層結構的金礦企業現代集成制造系統[J].控制工程,2003, 10(1): 18-22.