基于智能优化控制的磨矿过程综合自动化系统

0 引言

磨矿过程是选矿厂的中间工序。矿石经过物理的研磨、分级作用，颗粒由大变小到一定的程度，才能达到矿石的单体解离或近于单体解离，有利于选别工序的金属回收和金属富集。因此磨矿过程是影响选矿生产的关键环节，直接制约着选矿产品质量和金属回收率。此外，磨矿作业能耗占选矿厂整

个选矿过程的40%～60%。因此磨矿过程实现自动控制具有重要意义。国外对磨矿过程的建模与控制的研究已经相当深入，控制方法包括优化控制^[1]，多变量控制^[2] ，预测控制^[3]，但是国外的磨矿流程和设备与我国不尽相同，国外一般都用棒磨机为一段开路磨矿，或以新给矿配水力旋流器构成磨矿闭路，并普遍使用粒度计等高精密在线检测仪表，因此其研究成果难以适用于实现我国磨矿过程的自动控制。国外对于磨矿粒度的软测量的研究，仅限于用来代替常规仪表实现回路控制^[4]。我国的磨矿过程具有自身特点，广泛使用螺旋分级机。磨矿过程本身的大惯性、参数时变、非线性、边界条件波动大等复杂特性，以及关键工艺指标磨矿粒度难以在线测量，导致在我国磨矿过程自动化水平低，目前只在部分厂矿实现了给矿、给水等基础回路的自动控制。欧洲钢铁工业技术发展指南指出：“对于降低生产成本、提高产品质量、减少环境污染和资源消耗只能通过全流程自动控制系统的优化设计来实现^[5]”。文献[6]针对选矿过程提出了过程稳定化、过程优化、过程管理三层结构的自动化系统。文献[7]提出了企业资源计划（ERP）/制造执行系统（MES）/过程控制系统（PCS）三层结构的金矿企业综合自动化系统，成功应用于辽宁省排山楼金矿，且成效显著。结合磨矿的生产技术要求及工艺特点，从稳定产品质量、提高磨矿效率、降低能耗的总体控制目标出发，基于优化关键生产工艺指标的实际出发，结合专家系统、案例推理等人工智能技术，提出了过程管理系统和过程控制系统组成的二层结构的磨矿过程综合自动化系统。

1 磨矿过程描述

磨矿过程主要是将矿石经过磨矿过程，处理成细粒度级的颗粒，提供给选别作业。其工艺流程图如图1所示。圆筒矿仓内的粉矿经由电振排料机、给矿皮带，送入一段球磨机内，经过球磨机、双螺旋分级机组成的一段闭路磨矿系统细磨后，再经过细筛的筛分作用，大颗粒的矿石被送入由二段球磨机、水力旋流器组成的二段闭路磨矿系统继续再磨，水力旋流器的溢流和经筛分作用后的小颗粒被送入选别工序。为了保证磨矿分级效果，必须在一段磨机入口、一段磨机出口和二段泵池处分别加入一定流量的清水。

磨矿过程最关键的工艺指标是二段磨矿的旋流器溢流粒度指标。从控制的角度看，影响磨矿作业的主要因素有一段球磨机给矿量、一段球磨机磨 矿质量浓度、螺旋分级机溢流质量浓度、水力旋流器给矿压力、水力旋流器给矿质量浓度等。保持球磨机给矿量稳定，使其不波动或波动范围很小，对稳定产品质量、稳定球磨机磨矿过程都是很重要的因素，同时从经济效益的角度考虑应保证球磨机的最大处理能力。对于格子型球磨机来说，一个比较合适的磨矿质量浓度是实现球磨机磨矿效率高低的前提，磨矿质量浓度的过高或过低都会产生负面的影响，比如球磨机涨肚等事故。螺旋分级机溢流质量浓度在某种程度上与一次分级溢流粒度有一定的关系，并且溢流质量浓度的高低将会影响分级机返砂的多少和返砂的质量浓度，从而影响球磨机的磨矿效率和球磨机的处理量，因此控制分级机溢流质量浓度是控制产品质量好坏、磨矿效率的重要环节。为了保证水力旋流器在生产上的稳定及其产品质量的稳定，必须控制旋流器的给矿压力，保证旋流器的工作状况最佳（沉砂呈伞装，角度不能过大或过小），防止产品质量的波动，同时也防止旋流器给矿泵池被打空或打冒。旋流器的溢流粒度与旋流器的给矿质量浓度有一定的关系，此参数配合旋流器的给矿压力将是控制旋流器分级效率的重要工作参数。以上各种因素的相互影响，共同作用，决定了磨矿作业的好坏。正是从该工艺的生产技术要求及工艺特点设计了磨矿过程综合自动化系统。

通过以上分析，我们首先确定，磨矿过程的主要控制变量为电振排矿机的振动频率、一段球磨机入口加水阀位开度、螺旋分级机补加水阀位开度、水力旋流器给矿矿浆泵转速、二段泵池补加水阀位开度等；主要被控变量为一段球磨机给矿量、一段球磨机入口加水流量、一段球磨机磨矿质量浓度、螺旋分级机补加水流量、螺旋分级机溢流质量浓度、水力旋流器给矿压力、水力旋流器给矿质量浓度、二段泵池液位等。

2 磨矿过程综合自动化系统

2.1 系统结构与功能

结合选矿厂磨矿过程的特点，提出了磨矿过程综合自动化系统的体系结构，如图2所示。

该系统由磨矿智能优化控制系统和运行过程管理系统两层结构组成。其中智能优化控制系统采用EIC三电一体化计算机集散控制系统集成设计技术和智能控制技术，由磨矿过程智能优化回路设定系统、一段磨矿回路控制子系统与二段磨矿回路控制子系统组成。

运行过程管理系统包括系统监测、故障诊断、设备管理、生产安全管理、报表生产与打印、系统通讯和操作指导、系统安全、用户管理和系统导航等功能模块。智能优化控制系统和运行过程管理系统通过设备网、控制网、以太网和实时数据库实现两层和各个子系统之间的信息集成，从而实现磨矿过程的综合自动化。

智能优化控制系统实现各设备逻辑连锁控制、回路控制和回路优化设定控制等功能。逻辑连锁控制主要包括电振排矿机组、给矿皮带、螺旋分级机、矿浆泵及水力旋流器给矿变频器组等设备装置的单机启停操作和全线联起、联停的操作。回路控制主要实现重要工艺参数的连续稳定控制，并控制在工艺要求范围内。控制回路主要包括一段球磨机给矿量、球磨机磨矿质量浓度、螺旋分级机溢流质量浓度、二段水力旋流器给矿压力、给矿质量浓度的回路控制，以及矿浆泵泵池液位的前馈控制，保证磨矿过程的稳定、高效生产。磨矿智能优化控制系统以保证磨矿产品粒度、提高球磨机的磨矿效率和分级机设备的分级效率、提高球磨机的处理量、降低能耗综合生产指标为目标，采用智能协调控制策略，根据磨矿粒度的目标要求和边界条件等的波动情况，分别对一段磨矿控制系统和二段磨矿控制系统的基础控制回路的设定值进行在线优化。

运行过程管理系统实现运行管理和系统管理功能。从生产过程采集的数据或由控制系统处理后的数据，传送给过程管理系统，由过程管理系统对其进行监视和管理。操作员在中央控制室通过监控画面和多媒体的生产现场实景监控画面，全面监控磨矿作业的生产状况和设备状况，从而可以实现在软手动工作方式下的生产操作或在全自动生产方式下实现必要的人工干预。生产与设备的故障诊断系统可以对球磨机给矿断料、球磨机涨肚、球磨机轴瓦异常、泵池泵异常、变频器异常以及生产波动异常、工艺参数变化异常等工况做出判断，给出报警信息与操作上的建议。

2.2智能优化控制策略

磨矿过程综合自动化系统的核心是能够实现工艺指标优化的磨矿过程智能优化控制系统。为此，提出了磨矿过程智能优化控制策略，其基本架构如图3所示。该策略由智能优化设定系统和磨矿回路控制系统两级结构组成。

智能优化设定系统包括智能协调设定模型、二段溢流粒度软测量模型、二段预测补偿模型、一段磨矿回路设定模型、一段溢流粒度软测量模型、一段预测补偿模型、一段磨矿质量浓度软测量和磨机负荷推理模型组成。

智能协调设定模型根据给定的最终产品的关键工艺指标——二段旋流器溢流粒度的目标值，在球磨机处理量和边界条件的约束下，给出二段磨矿控制回路的预设定值和一段磨矿溢流粒度的目标值。该模型结合实际生产工艺要求，采用基于专家系统的多级决策算法，协调一、二段磨矿产能分配与粒度指标的分配关系。当工艺指标的目标与当前实际的二段分级机溢流粒度的差值在二段磨矿过程具备的调节能力的范围之外时，调整一段磨矿溢流粒度的目标值，以便在更大范围内调整磨矿过程的运行状态。

智能协调设定模型采用案例推理算法，给出旋流器的给矿压力、给矿质量浓度的预设定值。在此基础之上，二段预测补偿模型通过将二段溢流粒度软测量得到的粒度预报值与二段溢流粒度的目标值进行比较，根据预报粒度的偏差值，采用前馈校正算法提前对二段磨矿过程的基础控制回路设定值进行前馈修正。

一段磨矿回路设定模型根据智能协调设定模型给出的一段溢流粒度的目标值，给出一段磨矿回路的预设定值。该模型结合球磨机有功功率的动态曲线，采用自寻优控制算法，实现球磨机处理量的最大化；采用基于案例推理的磨矿智能优化设定算法，在一段磨矿质量浓度和磨机负荷的约束条件下，根据一段溢流粒度的目标值，给出球磨机给矿量、一次溢流质量浓度和返砂水流量的预设定值。

一段预测补偿模型采用专家系统技术，将一段溢流粒度软测量得到的粒度估计值与一段溢流粒度的目标值进行比较，根据粒度轨迹的偏差值，对一段磨矿过程的基础控制回路设定值进行修正。

图3 磨矿过程智能优化控制策略结构图

Fig.3 The strategy of intelligent optimizing control for the grinding process

关键工艺参数软测量模型包括二段磨矿粒度软测量模型、一段磨矿粒度软测量模型、一段磨矿质量浓度软测量模型和磨机负荷推理模型。其中二段磨矿粒度软测量模型采用基于案例推理的软测量算法对二段磨矿粒度指标进行预报；一段磨矿粒度软测量模型采用人工神经网络对一段磨矿粒度指标进行预报。一段磨矿质量浓度软测量模型根据球磨机的给矿量、返砂水流量、螺旋分级机电流等过程输入输出数据，采用基于神经网络与物料平衡相结合算法，给出当前磨矿质量浓度的在线估计值。建立磨矿质量浓度软测量模型的目的在于解决磨矿质量浓度无法用仪表直接在线测量的问题，以保证适宜的磨矿质量浓度从而使得球磨机的磨矿效率达到最佳。

磨机负荷推理模型根据一段球磨机有功功率，螺旋分级机电流，球磨机给矿量等过程输入输出数据，采用模糊推理算法，给出当前磨机负荷的估计值，并将磨机负荷的估计值输入一段磨矿智能设定模块，作为优化设定的约束条件。

3 综合自动化系统实施及应用效果

某大型赤铁矿选矿厂年处理铁矿石5×10⁶t，其磨矿工序具有8个系列的一段球磨机和7个系列的二段球磨机。所处理的矿石矿物组成复杂，铁矿物嵌布粒度细，属弱磁性难选矿石。以往磨矿的生产主要由操作员通过眼看、手摸、耳听等手段进行操作，往往等发现产品质量有问题后才进行相应的生产参数调整，生产波动较大，操作不稳定，生产质量难以保证，影响正常作业。

结合选矿厂生产工艺实际情况，设计实施了磨矿过程综合自动化系统。控制系统采用美国AB公司的Controllogix5000系统，基于RSview32，VBA等组态开发环境，开发了监控软件、过程控制软件和优化控制软件，实现了过程控制系统和过程管理系统的集成。

磨矿过程综合自动化系统自投运以来取得了显著的应用成效，图4和图5分别给出了一段和二段磨矿过程的控制效果曲线，各输出变量跟踪各自的优化设定值。综合自动化系统有效地避免了人为主观因素对磨矿运行过程造成的影响，保证了磨矿生产的平稳、安全和高效运行，明显改善了工人的劳动强度和工作环境；系统自动投运以来，球磨机的台时处理量提高0.7t/h，二次磨矿粒度从原来的72.98%提高到75.90%，提高了2.92个百分点。

4 结束语

针对磨矿过程当中存在的大惯性、时变、非线性、工艺参数（磨矿粒度、磨矿质量浓度、磨机负荷）难以在线测量等综合复杂性，提出了由磨矿智能优化设定系统和磨矿回路控制系统组成的实现磨矿粒度和磨机处理量优化控制的磨矿过程智能优化控制策略。结合选矿厂生产过程，提出了由智能优化控制系统、运行过程管理系统组成的两层结构的磨矿过程综合自动化系统。该系统可以推广到钢铁、有色金属、选矿、水泥等行业的复杂生产过程，有广阔应用前景。

参考文献

[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] 欧洲钢铁工业联盟著. 欧洲钢铁工业技术发展指南[M]. 韩静涛译. 北京: 中国金属学会,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,周晓杰，等. 基于三层结构的金矿企业现代集成制造系统[J].控制工程,2003, 10(1): 18-22.