配矿优化技术研究现状及发展趋势

柯丽华，何新增，叶义成，何扬扬

(武汉科技大学资源与环境工程学院，湖北 武汉 430081)

配矿优化技术研究现状及发展趋势

柯丽华，何新增，叶义成，何扬扬

(武汉科技大学资源与环境工程学院，湖北 武汉 430081)

梳理了国内外配矿优化技术的理论成果，系统地分析了单一目标和多目标规划智能配矿优化技术在矿山生产配矿中的应用情况及效果，突出了系统规划方法和现代信息技术对提高配矿效果和效率的显著作用。针对矿山生产的约束条件复杂多变、矿山生产需求日益多样化和矿山企业可持续发展的战略目标，指出配矿优化技术将朝着多目标非线性规划、中长期动态配矿规划和提高配矿效率和可靠性的控制技术等3个方向发展。

配矿优化技术；资源利用率；多目标非线性规划；中长期动态规划

配矿工作是结合矿山生产目标和生产技术条件限制进行矿石质量综合的系统工程，按照一定比例将不同品位的矿石进行搭配、混匀，使其满足矿山矿石产品质量要求。通过将高低不同品位矿石进行质量匹配、中和，以增加合格矿石的产出量，减少矿山废石量的占用空间，改善矿山企业的经济效益，提高矿产资源的利用率。自早期的经验配矿开始，到数学规划和现代信息技术和专业矿业软件方法在配矿领域的应用，配矿优化技术工作经历了一个由简易到复杂、由粗略到精确的过程。配矿优化技术是配矿工作的核心，通常配矿工作需结合矿山生产目标、生产技术条件、矿山长短期生产计划等要素，采用有效的配矿优化技术有序开展配矿工作。随着现代管理技术和计算机手段的发展和应用，配矿优化技术得到进一步发展和广泛的应用，已取得了良好的效果。

本文从时间和技术方法的角度，总结了国内外配矿优化技术的研究现状和研究成果，并系统分析了单一目标和多目标规划智能配矿技术的应用现状和效果。基于此，做出配矿优化技术的发展趋势预测，为配矿优化技术的全面认识和发展提供参考与指导。

1 配矿优化技术的研究现状

考虑到矿山配矿约束条件、目标数量和实现手段差异的影响，可将配矿优化技术分为简易配矿优化技术、系统规划配矿优化技术和智能配矿优化技术3类。

1.1 简易配矿优化技术

简易配矿优化技术是矿山工程技术人员早期采用的配矿工作，它包括简易理论计算配矿方法和基于工程经验的验算法。简易理论计算配矿方法主要应用于矿种少、成分简单的矿山，通常有品位搭配法和重量搭配法[1]。对不同品位的矿石进行搭配以达到矿石质量要求，常用基于品位配矿比的品位搭配法。验算法是利用实际工程数据和操作者丰富的工作经验，实时调整不同配矿点的矿石运出采场所需运输车辆数之比进行配矿，该配矿方法便于理解和操作，但其配矿效果取决于操作者的经验[2]。

简易配矿优化技术多侧重矿石质量要求的单一目标进行配矿，尚未结合矿山生产技术条件的限制考虑问题，过多依赖工程操作者的经验进行实时配矿，已不利于实现矿山配矿所需的精度要求。随着系统规划方法和计算机技术的发展，简易配矿优化技术结合系统规划方法和计算机技术的运用，大大提高了其配矿的科学性和精度。

1.2 系统规划配矿优化技术

随着系统工程和管理方法的发展，德国学者Wilke和Reimer于20世纪70年代首次将线性规划方法用于矿山配矿分析[3]，此后系统规划方法陆续应用于矿山配矿的研究。

根据生产目标的数量和生产技术条件，矿山生产配矿研究应用分为单一目标和多目标线性规划方法配矿方法研究及应用两类。通常依据矿山生产目标和矿山生产技术条件建立配矿规划模型，包括目标函数和约束条件的建立，其中目标函数涉及运距或运输成本最小、配矿后金属量偏差或矿石品位偏差最小、出矿量最大、矿石的平均收益率或综合利润最大和运输功最小等。配矿约束条件多考虑资源量、生产能力、矿石质量、采矿顺序和作业空间、设备数量及其能力等条件的限制。结合目标函数及约束条件的数量和最优解的要求，单一目标配矿优化模型方法主要包括一般线性规划模型[2-7]、0-1整数规划模型[8-10]、基于未确知理论的UM模型[11]和均衡系数分析方法[12-14]等；多目标配矿优化模型方法包括多目标遗传算法[15-17]、多轮粒子群算法[18]、免疫克隆选择算法[19]、混合型(0,1)整数线性目标规划方法和模糊多目标优化算法[20]等。

针对矿山配矿工作的系统性和复杂性，采用系统规划方法可以全面客观地描述矿山经营目标对配矿的需求和矿山生产条件限制对配矿的约束影响，采用现有配矿优化模型方法制定矿山配矿方案，能大幅提高配矿结果的精确度，具有广泛的应用价值。由于配矿结果的准确性更多依赖于矿床各组分含量分布信息的可靠性，而统计和计算矿床组分含量信息的工作量巨大；且采用系统规划方法制定配矿方案的计算量较大，故单独使用系统规划方法进行配矿优化，其工作效率不易提高。随着信息技术在矿业工程领域的应用和矿业软件功能不断的研发和完善，矿床品位分布数字模型的构建技术日益成熟，与矿业软件结合越来越紧密，系统规划配矿优化技术工作效率相应提高。

1.3 智能配矿优化技术

伴随信息技术、计算机技术的飞速发展和专业软件研发能力的增强，结合矿山生产需求开发的矿业软件、计算软件和信息技术方法广泛应用于矿山的日常生产管理。目前，常用于矿山配矿中的矿业软件有美国的Medsystem、澳大利亚的Micromine和Surpac、英国的Datamine&Guide、加拿大Gemcom和我国的3DMine和DIMINE等[21-24]。配矿系统模型方法的计算软件主要包括Matlab、Mathmatical、Lingo[25]等。为保证配矿过程的中数据信息传输速度和可靠性，GPS、GIS和GPRS等信息技术用于矿岩组分含量信息的统计与分析、爆堆信息的管理与控制、铲车的生产调度、配矿管理和视频监控等配矿工作中[14,26-28]。矿业软件和信息技术在配矿各个工作环节的应用，使配矿过程智能化和可视化，有利于提高配矿工作效率和配矿工作质量。

2 配矿优化技术的应用现状

针对矿山生产需求的差异，基于不同的目标函数及其约束条件建立配矿数学模型，利用Matlab或Mathmatical和Xpress-MP等计算软件和矿业软件的矿岩组分统计分析功能，制定矿山配矿方案。矿山配矿目标通常包括运距或运输成本最小、配矿后金属量偏差或矿石品位偏差最小、出矿量最大、矿石的平均收益率或综合利润最大和运输功最小等。配矿约束条件多考虑资源量、生产能力、矿石质量、采矿顺序和作业空间、设备数量及其能力等限制。根据配矿目标的数量，配矿优化方法可分为单目标配矿规划和多目标配矿规划。

2.1 单一目标规划智能配矿优化技术的应用

基于单目标建立配矿数学模型并进行配矿优化的应用研究较多[2-14]，常采用一般线性规划方法、0-1整数规划法和均衡系数法等方法构建数学配矿模型，进而制定配矿方案，实施智能配矿优化技术。

2.1.1 一般线性规划方法的配矿优化技术应用

采用一般线性规划方法的配矿优化技术研究和应用较多[2-6]，多基于经济要求和产能需要建立目标函数。昆阳磷矿针对矿石品位与有害杂质的含量的配矿要求，基于矿石最大销售价值的目标函数，建立了配矿优化的线性规划模型，利用Matlab软件实现配矿的优化，降低了原料生产成本，提高了资源利用率，保证了供矿品位的稳定性，同时实现了矿山最大的销售价值[2]。以综合利润最高为原则建立目标函数，以生产能力、生产任务、商品产量和质量限制为限制条件，镜铁山矿桦树沟铁铜矿建立了矿石配矿线性规划模型，用于制定矿山配矿方案，利于调整采场出矿计划，矿石品位提高了3%～4%，矿山输出矿石品位达到35.5%～36.5%，完成矿山既定目标[4]。基于铁矿品位要求建立目标函数,构建的配矿线性规划模型，已经成功应用于伊朗Choghart铁矿的配矿方案制定和优化中，并利用SOLVER V.9程序对模型进行求解，保证了矿石输出质量(磷含量低于1.2%，铁品位高于50%)，提高了高磷铁矿石的利用率，减少了资源浪费和节约了企业成本[5]。结合南京栖霞山矿无配矿场的现状，建立以最大出矿量为目标函数的配矿线性规划模型，采用回溯法确定所有可行解，探寻采场出矿能力的规律，进而矿石品位波动引起的损失，调整生产计划和制定考核指标，较好控制了入选品位的波动和矿石损失率[6]。广西平果铝土矿以铝硅比规划为核心，基于最大出矿量的目标和铝硅比的限制条件，建立了线性配矿数字配矿模型，采用运筹学优化软件Xpress-MP进行配矿方案解算，有效控制了产品质量，提高了企业的经济效益[7]。

2.1.2 0-1整数规划法的配矿优化技术应用

为有效控制产出矿石的品位，采用0-1整数规划对各矿点矿量进行整体取舍，以利于配矿工作的组织和管理。小关铝矿基于“运距最短”的目标函数和矿石品位及有害杂质的含量要求等约束条件，采用0-1整数规划隐枚举算法，并利用Matlab实现原矿配矿数学模型的解算过程，使原矿配矿一次成功率达到87.5%[8]。针对矿山开采顺序影响带来的复杂几何约束条件的限制，基于DIMINE矿业软件，采用圆周几何约束算法(CGCM)和混合整数规划法，建立了以最大出矿量为目标的配矿模型，应用于河北水泥灰岩矿的配矿优化中，保证了复杂几何约束条件下的矿山配矿需求[9]。为了实现各工作面均衡出矿量的目标，采用0-1整数规划方法，利用DIMINE矿业软件确定配矿数学线性规划模型的最优解，应用于特大型水泥灰岩矿的配矿优化中，避免了矿石质量波动，将班次出矿量指标提高了1.4%～15%，利于矿山资源的综合利用和提高经济效益[10]。

2.1.3 均衡系数法的配矿优化技术应用

为保证配矿目标的稳定性，均衡系数法用于配矿目标函数的建立。针对出矿点的矿石品位波动较大且分布不均匀的特点，基于金属量偏差最小的原则，建立了多出矿点、多受矿点配矿系统的线性规划模型，基于AutoCAD的图形处理功能和Object ARX计算程序的计算功能，对露天钼矿进行配矿方案优化，提高了矿石产品质量的稳定性[12]。结合多元素配矿的特点及其影响因素，采用均衡系数法，建立了以金属量偏差最小为目标函数的线性规划配矿计算模型，并依据设备GPS/GIS/GPRS和定量管理，有效地提高了河南三道庄大型露天钼钨矿配矿效率，避免了盲目配矿[13]。基于矿石品位偏差最小的配矿技术用于河南洛钼集团三道庄露天矿，结合采用GIS的矿山配矿管理系统，有效实现了配矿生产计划的制定、实施和监督等功能，保证矿石产品的稳定性，提高了企业经济效益[14]。

2.2 多目标规划智能配矿优化技术应用

多目标规划智能配矿优化技术的关键是处理好多目标之间的关系和规划模型算法。以磨浮入选原矿组分指标、入选原矿品质稳定及最大限度利用原矿为目标，采用多目标遗传算法建立了堆场配矿模型，应用于某磷矿配矿方案的制定，引入多目标优化理论中的Pareto最优解，合理地规避了多目标权系数难以确定的常见问题，较好地解决了磷矿堆场配矿多目标优化模型解算问题，该优化方法可以提高矿产资源利用率0.31%[15]。针对矿山多目标配矿优化的求解的复杂性，沃溪多金属矿为实现经济利益最大化和最大限度的开采资源等多个目标，建立了基于多轮粒子群算法(PSO)的动态配矿模型，基于种群搜索的自适应进化计算技术的PSO算法，可以有效地求解高度非线性受限条件下的多目标配矿方案的最优解，进行中长期动态优化配矿优化[18]。针对地下矿山配矿的复杂性，结合矿石产量、矿石品位波动、上下水平出矿量比例、同水平不同采场出矿比例等目标，基于生物免疫系统理论中的克隆选择搜索特点，建立了多目标配矿模型和免疫克隆选择优化算法，该算法具有快速收敛和精度高，提高了地下金属矿山多目标配矿计划的可靠性[19]。为了较好地解决多目标配矿中目标竞争与统一的问题，引入模糊理论建立管理者语言偏好和决策者的满意度，构建了基于配矿目标满意度改进的最大最小优化模型和重要性模型及其模糊优化算法，该算法具有灵活性、灵敏性和有效性，较好地解决了各目标函数之间的冲突，利于提高配矿方案的精度[20]。多目标智能配矿优化技术可满足矿山多样化需求和中长期动态生产配矿优化。基于遗传算法的多目标优化配矿模型合理规避常规多目标解法目标权系数的确定难题；基于多轮粒子群算法(PSO)的动态配矿模型主要考虑企业利润的最大化，适用于中长期动态配矿；基于免疫克隆选择优化算法的矿山配矿模型算法求解配矿模型能够稳定收敛，克服局部最优的情况。

综上所述，各类配矿优化技术广泛应用于矿山生产实践中都以混匀机理为理论基础，基于不同的规划目标和约束条件，采用各类系统规划方法和计算软件，构建配矿数学模型，运用不同的算法求解可行解，进而制定矿山配矿方案。各类配矿优化技术特征及应用情况总结如表1和表2所示。

表1 各类配矿优化技术特征

表2 各类配矿优化技术模型方法特点及应用情况

3 配矿优化技术的发展趋势

矿山生产的约束条件复杂多变，矿山生产需求呈现多样化，矿山企业越来越重视可持续发展，配矿优化技术适应矿山企业的发展需要呈现以下发展趋势。

3.1 基于需求多样化和技术条件复杂化的多目标非线性规划配矿优化技术

配矿工作往往因矿岩组分的空间分布、开采顺序和运输等复杂条件的限制，对产品质量的稳定性、运输成本及能耗和产量产生不同的影响，进而全面影响矿山的经济效益。随着矿山配矿技术要求的多样化和复杂化，单一目标规划配矿优化技术已经不能满足矿山配矿需求。为全面提高矿山经济效益，必须同时满足矿山多个目标要求，因而矿山配矿技术要求的多样化和复杂化成为一种发展趋势。

多目标规划配矿优化技术描述多个目标函数和复杂约束条件，因而协调多目标之间的关系和模型解算成为该技术的关键。目前，为了全面地反映配矿需求的差异性，已有研究引入多目标优化[15]和模糊数学[20]等理论方法描述和解决多个目标之间的冲突。其解算方法出现了基于生物免疫系统理论的遗传算法[15-17]及免疫克隆选择算法[19]和基于群搜索自适应进化计算计算的多轮粒子群算法[18]等，能从全局优的角度制定配矿方案。可见，基于优化理论和生物进化理论解决多目标配矿优化技术的关键问题，越来越受到研究者的重视。

3.2 基于提高矿产资源利用率的中长期动态生产配矿优化技术

矿山配矿工作包括生产方案规划和矿石质量控制。其中，生产方案规划分为短期配矿作业质量计划的编制和中长期动态生产配矿方案的规划。面对着优质矿产资源的日益减少，为实现可持续发展，提高矿产资源利用率，矿山企业根据矿山多种资源品位的空间分布变化规律及特征，结合短期配矿作业质量计划，关注中长期配矿工作规划和调整，以促进不同品位及含量的矿产资源的充分搭配[18]。故矿山企业将越来越重视中长期动态生产配矿优化技术。

目前，基于矿产资源多组分的中长期动态配矿优化技术的解算方法研究尚少[18]，故该技术发展受到一定的限制。但从矿山企业可持续发展角度考虑，中长期动态配矿优化技术具有广阔的应用发展前景。研究者将投入更多的精力研究基于高度非线性受限条件下中长期动态配矿优化技术的解算方法。

3.3 基于配矿效率和可靠性的配矿优化控制技术

为保障配矿结果的可靠性和提高配矿工作效率，矿山企业日趋严格控制配矿方案的编制质量和加大配矿各个工作环节的控制力度。因此配矿优化控制技术将朝着提高配矿效率和可靠性的方向发展。

通常要提高矿岩组分含量信息统计和分析、爆堆信息的管理与控制、铲车生产调度、配矿管理和视频监控等配矿工作的效率和质量。目前，Matlab计算软件和Micromine、3DMine、DIMINE等矿业软件广泛用于矿岩组分含量信息的统计分析和配矿方案的编制中[22-24]，提高了配矿方案的编制速度和精度。GPS、GIS和GPRS等信息技术用于配矿管理控制[14]，在一定程度上提高了配矿车铲调度管理效率和保证了配矿监控效果，节省了投资和运输成本，提高了矿山矿产资源利用率和企业经济效益[26-28]。随着信息技术和计算机技术的发展，矿业软件、计算软件和信息技术的功能将不断完善，在提高配矿效率和可靠性方面发挥更大的作用。

4 结论

1)总结了配矿技术的发展历程，分析了简易配矿优化技术、系统规划配矿优化技术和智能配矿优化技术的应用特点，剖析了综合应用系统规划配矿优化技术和智能配矿优化技术的重要意义。

2)针对矿山生产配矿需求的多样性和矿山系统的复杂性，结合系统规划配矿优化技术的差异及其解算方法的难易程度及特点，总结了一般线性规划方法、0-1整数规划法、均衡系数法、多目标遗传算法、多轮粒子群算法、免疫克隆选择算法和模糊多目标优化算法等配矿优化技术在矿山生产配矿实践中的应用情况及效果，凸显了单一目标规划智能配矿优化技术和多目标规划智能配矿优化技术对提高配矿效果和效率的显著作用。

3)考虑矿山生产的约束条件日趋复杂多变、矿山生产需求也日益多样化和矿山企业可持续发展的战略目标，总结了多目标非线性配矿优化技术、中长期动态配矿优化技术和保障配矿效果及效率的控制优化技术等3个发展趋势。

[1] 林启太. 混合配矿模拟技术研究[J] . 江西建材，1998(3):39-43.

[2] 陈鹏能，张电吉，李志国，等. 昆阳磷矿数字配矿优化模型与配矿工艺规程[J] . 武汉工程大学学报，2012，34(10):37-39.

[3] Wilke F L, Reimer T H． Optimizing the short-term production schedule for an open-pit iron ore mining operation[C]//WEISS A．Computer Methods for the 80’s in the Mineral Industry. NewYork：Society of Mining Engineers，1979:642-646.

[4] 赵海云，吕文生．镜铁山矿桦树沟矿区矿石配矿研究[J]. 金属矿山，2002(11):17-20.

[5] J.Gholamnejad，S.Kasmaee．Optimum blending of iron ore from Choghart stockpiles by using goal programming[J]．Journal of Central South University of Technology，2012，19(4):1081-1085.

[6] 朱玉贵，李成龙. 最优化配矿算法实现[J]. 金属矿山，2004(S1):231-232.

[7] 杨珊，陈建宏，杨海洋，等. 基于Xpress-MP堆积型铝土矿堆场配矿优化研究[J]. 金属矿山，2010(3):9-11.

[8] 王克让，陆厚华，杜雅君. 利用0-1整数规划法进行原矿配矿[J]. 轻金属，1997，25(12):13-15.

[9] 黄俊歆，王李管，徐少游，等. 一种新的露天配矿开采几何约束模型及其应用[J]. 计算机工程与应用，2013，49(1):245-248.

[10] 吴丽春，王李管，彭平安，等. 露天矿配矿优化方法研究[J]. 矿冶工程，2012，12(4):8-12.

[11] 林启太. 未确知数学在研究混合配矿中的应用[J]. 系统工程理论与实践，2001，22(1):99-102.

[12] 侯煜. 线性规划法在露天矿配矿领域的应用[J]. 矿业工程，2006，4(1):22-24.

[13] 毕惠珍. 浅析某大型露天矿多元素综合配矿工作[J]. 露天采矿技术，2012，28(2):49-54.

[14] 文超，顾清华，冯居易. 基于GIS的露天矿配矿管理系统研究[J]. 黄金科学技术，2009，17(2):58-62.

[15] 李志国，崔周全. 基于遗传算法的多目标优化配矿[J]. 广西大学学报：自然科学版，2013，38(5):1230-1236.

[16] Ananya Chakraborty，M. Chakraborty. Multi criteria genetic algorithm for optimal blending of coal[J]. Opsearch，2012，49(4):386-399.

[17] Song Chunyue, Hu Kailn, Li Ping. Modeling and Scheduling Optimization for Bulk Ore Blending Process[J]．Journal of Iron and Steel Research，2012，19 (9):20-28.

[18] 黄启富，陈建宏. 基于多轮PSO算法的中长期动态优化配矿研究[J]. 计算机应用研究，2010，27(10):3711-3717.

[19] 姚旭龙，胡乃联，周立辉，等. 基于免疫克隆选择优化算法的地下矿山配矿[J]. 北京科技大学学报，2011，33(5):526-530.

[20] 徐铁军，杨鹏. 基于模糊多目标优化算法的矿山配矿优化[J]. 北京科技大学学报，2009，31(11):1363-1366.

[21] 张瑾，黄勇，高祥. 国外矿业软件测试的一次成功实践[J]. 中国矿业，1999，8(4):59-62.

[22] 陈爱兵，秦德先，张学书，等. 基于MICROMINE矿床三维立体模型的应用[J]. 地质与勘探，2004，40(5):77-80.

[23] 李海华，张瑞新. 应用Surpac软件进行露天矿采矿工程的可视化[J]. 中国矿业，2004，13(1):59-62.

[24] 王洋，赵明生. 基于Dmine的数字化矿山生产配矿研究[J]. 金属矿山，2013(8):101-103.

[25] Kailash Lachhwani，Suresh Nehra. Modified FGP approach and MATLAB program for solving multi-level linear fractional programming problems[J]. Journal of Industrial Engineering International，2015，11(1):15-36.

[26] 李军才，蔡美峰. 金属露天矿山汽车自动调度系统及其应用[J]. 广西大学学报：自然科学版，2013，38(5):1230-1236.

[27] Gu Qinghua，Lu Caiwu，Guo Jinping. Dynamic management system of ore blending in an open pit mine based on GIS/GPS/GPRS[J]. Mining Science and Technology，2010(1):132-137.

[28] 刘亚静，时静. 基于GIS的铁矿资源配矿管理系统设计与实现[J]. 测绘与空间地理信息，2015，38(12):1-3.

Situations and development trends of ore blending optimization technology

KE Lihua, HE Xinzeng, YE Yicheng, HE Yangyang

(School of Resource and Environmental Engineering, Wuhan University of Science and Technology, Wuhan 430081, China)

Ore blending optimization technology at home and abroad is sorted out and inducted. And the application condition and effects of ore blending optimization technology are systematically analyzed in mining production based on ore intelligent blending optimization technology of single objective programming and multi-objective programming. The obvious role of system programming methods and information technology has been emphasized in improving the effectiveness and efficiency of ore blending. Considering the increasingly complex and changeable condition of mining production, the increasingly diverse requirements of mining production and the need of the strategic goals of sustainable development on mining enterprises, there will be three developing trends on ore blending optimization technology such as multi-objective programming, middle and long-term dynamic ore blending programming and the reliability of control techniques.

blending optimization technology; resource utilization rate; multi-objective nonlinear programming; middle and long-term dynamic programming

2016-09-20

国家自然科学基金项目资助(编号：51204127)；湖北省科技支撑计划项目资助(编号：2014BCB033)

柯丽华(1974-)，女，汉族，湖北鄂州人，硕士教授，主要从事采矿工程系统优化教研工作，E-mail:kelihua@wust.edu.cn。

简介：叶义成(1960-)，男，教授、博士生导师，主要从事矿床开采、矿山安全技术研究，E-mail：yeyicheng@wust.edu.cn。

TD80-9

A

1004-4051(2017)01-0077-06