浮选柱自动控制技术现状、研究进展与建议

田林伶

(西山煤电集团公司技术中心，山西 太原 030053)

浮选作为选煤过程中处理细粒级煤(＜0.5 mm)的最有效方法得到了广泛应用和发展。浮选柱因其对微细粒物料(≤0.074 mm)的高选择性分选以及结构简单、节能等优势日益受到重视，如FCMC旋流－静态微泡浮选柱以其良好的分选效果得到广泛应用。浮选柱采用人工手动调节，存在入料浓度波动大、矿浆液位和泡沫层厚度不稳定、药剂添加不合理，以致浮选过程不稳定、浮选产品数质量指标波动较大、工人劳动强度较大等一系列缺点，对选煤厂经济效益影响巨大。

随着我国原煤煤质日益复杂和劣化、设备发展日趋大型化，企业竞争压力增大，浮选柱自动控制的重要性日益凸显。然而浮选过程影响因素众多，各个因素之间又存在强烈耦合作用，此外浮选过程具有大时滞、大惯性特点，这给浮选过程自动控制带来了较大的困难和挑战。

1 浮选柱控制技术现状

浮选柱控制可分为稳定控制和优化控制两个层次。稳定控制是浮选过程影响变量保持在一个稳定的范围值，一般是定值控制，使浮选柱在无人为因素干扰情况下，能够在一个稳定工况下工作，同时保证产品质量合格。而浮选过程优化控制则是在稳定控制的基础上，根据不同的分选过程，及时对上述浮选过程变量设定值进行优化和调整，使浮选过程处于最佳分选状态，从而使浮选产品质量和经济效益最优化。

目前，各选煤厂所使用的浮选柱自动控制系统多是基于浮选柱稳定控制思路，实现了浮选柱部分影响因素的自动控制，如采用电动蝶阀或电控气动阀作为执行机构，通过PID控制实现浮选柱矿浆液位自动控制，利用电磁阀或者齿轮泵实现浮选药剂自动添加。药剂的自动添加多采用基于吨干煤量的线性加药规则，无法满足现场的实际要求，浮选柱优化控制国内目前尚未出现成熟的控制方法和控制系统。

2 浮选柱控制技术国内外研究进展

1)传统控制—浮选柱液位与药剂自动添加控制系统。

荣国强，刘炯天等设计了旋流－静态微泡浮选柱液位自动控制系统［1］。为了达到更好的控制精度，选用了流速/液位的控制方案来实现浮选柱液位的自动控制，具体方案是:通过单压力液位传感器检测浮选柱液位，将设定值与反馈值进行比较，得到二者偏差，利用PID控制器自动调整浮选柱底部尾矿阀阀门开度，调节尾矿排放量，从而控制液位。

浮选柱药剂自动添加方面，如沈孝忠等［2］以PLC为基础设计了一套浮选自动加药系统，PLC按照设定的程序，根据检测到的实时浮选入料流量和入料浓度，在线计算出浮选入料干煤泥量和药剂添加量，然后PLC输出控制信号控制电磁阀进行加药。对电磁阀瞬时流量进行测定，从而确定出单位时间内电磁阀的动作频率即通断时间比，电磁阀进行脉冲式的动作，实现浮选过程药剂自动跟踪添加。

蒋曙光，欧泽深等［3］进行了FCMC－3000旋流微泡浮选柱计算机监控系统的研制，该系统主要包括浮选柱内矿浆液位自动控制、加药量自动控制和入料流量自动控制。该控制系统前提是假设煤质和矿浆性质没有明显变化。

上述系统共同的特点是比较简单，没有针对煤质变化和波动的相应控制办法。

2)以在线测灰仪反馈技术的浮选自动控制。

澳大利亚昆士兰大学Julius Kruttschnitt矿物研究中心(JKMRC)和Utah发展有限公司合作开发了一种能够测量煤浆灰分和固体物含量的在线分析仪(ASHSCAN)，它利用该在线分析仪测得浮选入料、精煤和尾煤的灰分及其固体物含量，在稳定控制基础上，以此作为反馈，对药剂添加量、浮选机液位和真空过滤机转速3个控制回路的设定值进行调整，同时在浮选机第3室安装液位传感器，利用PID控制器调节尾矿排放量从而控制液位［4］。国内杨小平、冯绍灌［5］等人基于煤浆测灰仪进行了浮选优化控制研究，核心思想为:该系统在基于干煤泥量药剂添加策略的基础上，采用煤浆测灰仪测得的浮选精煤灰分实时值，利用模糊控制的方法对药剂添加量进行细调和优化。叶瑜［6］对浮选工艺过程自动控制进行了研究，设计了浮选过程3个闭环控制系统，该系统实现了浮选入料浓度闭环PID自动控制，入料煤浆流量闭环PID自动控制，同时还有基于干煤泥量的浮选药剂添加自动控制，这是稳定控制环节。在稳定控制基础上设计了浮选生产过程模糊控制系统，利用在线检测分析系统对浮选精煤和尾煤的灰分和固体含量、充气量进行监测和分析，从而达到浮选过程充气量、矿浆液位、药剂添加量的控制，这是优化控制阶段。上述控制均依赖于在线测灰仪，思路可行，但工业应用却没有获得更多进展。

3)基于浮选泡沫层检测控制技术研究。

韩雄南［7］设计了一套全自动智能化闭环浮选泡沫层测控系统，其测控原理为:当浮选过程相对稳定正常运转时，通过安装在浮选柱上方的摄像机摄取泡沫层图像，经过图像采集卡处理，将图像信息转换为数字信息并送往计算机，通过对泡沫层图像进行特征参数提取，然后利用人工神经网络进行分类识别，以识别结果为依据进行浮选过程自动加药。该系统使用了泡沫层图像处理技术，并运用人工神经网络进行分类，这种控制方法为浮选柱智能控制提供了思路。

卢晓［8］介绍了浮选柱稳定控制，主要包括3个自动化控制系统:浮选柱液面高度自动控制系统、充气量自动控制系统和冲洗水量自动控制系统。同时指出了浮选柱自动化发展趋势是优化控制，例如采用图像处理系统采集泡沫层信息，包括气泡大小、色泽、稳定性、流动性等，从而为浮选柱优化控制的调整提供新的参考值，建立浮选柱多变量控制系统。

4)浮选柱智能控制技术研究进展。

越来越多的国外学者［9－10］开始将模型预测控制、模糊控制、专家系统以及神经网络控制等高级控制方法用于浮选柱自动控制研究中，并将这几种智能控制方法进行结合从而更好地实现多输入、多输出的浮选柱控制系统。

印度学者Acharya Vihar［11］针对浮选柱液位优化控制设计了基于模型预测控制的神网络控制器，利用尾矿阀门开度，浮选柱液位历史值等一系列参数作为人工神经网络的输入，建立动态前馈神经网络模型预测浮选柱液位值并进行在线优化。

智利学者Bergh LG［12］将浮选柱控制分为两个层次，分别是监管控制和监督控制。其中，监督控制主要是对单独控制回路进行连续或者间断的参数调整和优化控制，该监督控制系统主要包括过程数据验证，冶金目标控制和操作问题检测。该控制系统运行表明，精矿品位提高了1.2%，同时精矿品位的标准偏差从 0.9% 降低到 0.7%.Bergh LG［13］还指出浮选过程是一个多影响变量、变量高度耦合的系统，因此提出了多元统计预测方法并进行了研究。

加拿大学者M.Maldonado［14］等同样提出了一种利用模型预测控制(MPC)方法对浮选柱操作变量进行优化控制，将尾矿量、气体流速和冲洗水量作为一次操纵变量，将泡沫层厚度，收集区的气含率和偏流率作为二次变量加以控制，该控制策略实现了间接的对浮选柱操作变量优化。

张志丰，张志刚等对浮选柱控制提出:浮选柱稳定控制包括3个方面:体积与质量流量控制、偏流量控制和矿浆液位控制。优化控制主要包括药剂用量(捕收剂和起泡剂)控制、泡沫层厚度控制、气流表观速度控制、偏流速度控制［15］，并重点介绍了浮选柱偏流量自动控制，包括间接控制偏流量和直接控制偏流量方法，无偏流量控制只针对矿浆液位进行检测和控制。

欧乐明，张晓峰等［16－17］设计了浮选柱多输入/多输出控制系统，该系统主要包括两个输出变量:充气量和浮选柱液面高度。其中，充气量采用串级控制方法，控制回路由内环PID控制和外环模糊控制内外两环组成;浮选柱液位控制也有两部分组成，一部分为PID控制，另一部分为模糊控制，当液位设定值与反馈值的偏差小于设定最小偏差时采用PID控制，当偏差大于设定偏差时采用模糊控制。该多输入、多输出控制系统不包括药剂添加自动控制。

文献综述表明:国内外对浮选柱控制研究方面，从稳定控制研究和单回路控制阶段开始向优化控制、多输入、多输出方面转变，利用智能控制对浮选进行控制与优化取得了一系列进展，神经网路、模糊控制、专家系统、模型预测控制等控制方法不断进入浮选柱优化控制的研究和探索中。

3 发展思路与建议

通过对浮选柱自动控制进行回顾和梳理，提出如下发展思路和建议:

1)浮选柱优化控制宜采用稳定控制与优化控制的分层结构，这已经在前期应用、研究与探索中证明了其有效性，唯一需要关注的是稳定变量和优化变量的选择合理性和控制效果。

2)优化控制宜采用模糊控制、专家规则与系统、多变量模型预测控制、神经网络等现代智能控制理论与技术进行实现，这些现代智能控制技术是解决浮选柱过程多变量、耦合和大惯性大滞后的有效方法。

3)煤质波动是浮选柱控制研究不可回避的难题，数据驱动建模技术正在发挥日益重要作用并引起了专家学者的广泛关注。数据驱动技术主要用于煤质波动的调整与分类，实现针对煤质波动的分类特性，从而为优化控制提供依据是非常有前途的研究方向，有望在浮选柱优化控制方面有所突破。

［1］荣国强，刘炯天，刘莉君，等.旋流－静态微泡浮选柱液位自动控制系统设计［J］.金属矿山，2007(05):62－64.

［2］沈孝忠，刘 强，赵 霞.基于S7－300PLC的浮选自动加药控制系统［J］.自动化应用，2012(05):45－46.

［3］蒋曙光，欧泽深，李延锋，等.FCMC－3000旋流微泡浮选柱计算机监控系统的研制［J］.中国矿业大学学报，2001，30(6):613－615.

［4］J.Abbott.Advanced coal preparation monograph series volume VII part 16 control concepts:C.J.Clarkson Australian Coal Preparation Society，Carrington，Australia［J］.Minerals Engineering，1994(7):428 －429.

［5］杨小平，冯绍灌，许德平，等.选煤厂浮选过程检测与控制的研究［J］.煤炭科学技术，2011，29(8):1－4.

［6］叶 瑜.浮选工艺过程的自动控制方法［J］.选煤技术，2004(03):39－41.

［7］韩雄南.全自动智能化闭环浮选泡沫层测控系统的研制［J］.矿冶工程，2010(30):41－44.

［8］卢 晓.浮选设备自动控制技术的发展［J］.铜业工程，2008(03):38－39.

［9］Jocelyn Bouchard，André Desbiens，René del Villar，etc.Column flotation simulation and control［J］.An overview Minerals Engineering，2009(22):519–529.

［10］B.J.Shean，J.J.Cilliers，A review of froth flotation control［J］.International Journal of Mineral Processing，2011，100:57 － 71.

［11］Acharya Vihar.Artificial neural network based system identification and model predictive control of a flotation column［J］.Journal of Process Control，2009，19(6):991－999.

［12］Baergh LG，Yianatos JB.Flotation column automation:state of the art［J］.Control EngineeringPractice，2003，11(11):67 － 72.

［13］Bergh LG，Yianatos JB，LeonA.Multivariate projection methods applied to flotation columns［J］.Minerals Engineering，2005，18(7):721 －723.

［14］M.Maldonado，Desbiens R.Potential use of model predictive control for optimizing the column flotation process［J］.International Journal of Mineral Processing，2009(93):26 –33.

［15］张志丰，张志刚，胡 军.我国大型浮选柱自动控制策略的研究［J］.选煤技术，1999(03):5－7.

［16］欧乐明，张晓峰，黄光耀.浮选柱多输入/多输出控制系统设计及应用［J］.中国科技论文在线，2009，4(11):788－794.

［17］张晓峰.浮选柱多变量控制系统的设计及应用［D］.湖南长沙:中南大学，2010.