基于物联网的赤铁矿选矿厂智能化实践

刘 畅 王汝杰 刘国义 高锦财 徐俊峰

(鞍钢矿业集团有限公司齐大山选矿厂)

铁矿选矿是钢铁工业的重要组成部分，其高效运行对钢铁工业整体绿色、安全生产意义重大。在过去15 a，工业自动化的普及提高了选矿生产的安全性、可靠性和作业效率，创造了巨大的经济效益。随着物联网、大数据、云计算等信息化技术的快速发展和社会生产结构的调整，选矿领域面临着两化深度融合、实现智能制造的课题[1-2]。

物联网(Internet of Things)是互联网的延伸、拓展，是新一代的网络技术。寓意是所有事物、物品的互联网，关键技术主要基于微波 RFID、智能传感器、基带芯片的感知技术，基于传感器网络、异构网络的通信传输技术，基于数据存储、数据挖掘、视频分析的数据处理技术等，由此形成从感知、传输、处理立体化的物联网世界，呈现出全面感知、可靠传输、智能处理的物联网特点[3-6]。

周俊武[7]提出，智能选矿厂是矿业智能制造新模式的重要组成部分，发展目标是去人化、轻资产、高效率。智能选矿厂包括装备智能化、业务流程智能化和知识自动化3个层级，未来将围绕这3个层级循序渐进。本文对基于物联网的赤铁矿选矿工业智能化的建立思路、技术路线和研究内容进行探讨，以期为物联网在智能赤铁矿选矿厂中的推广应用提供参考。

1 构建过程

1.1 存在问题

赤铁矿是自然界中分布很广的铁矿物之一，可形成于各种地质作用，以热液作用、沉积作用和区域变质作用为主，晶体属六方晶系。在不同成因条件下，赤铁矿可转化为褐铁矿、纤铁矿、针铁矿、磁铁矿[8-9]。通过大量选矿厂调研和文献分析[10-14]，实现赤铁矿选矿厂智能化存在以下难点：

(1)选矿厂生产智能化。由于赤铁矿矿石性质多变，且差异很大，无法准确对矿石数据进行自动采集和处理，失去具备主动或者自动发现生产不利因素的能力。

(2)选矿厂知识智能化。传统选矿厂的选矿操作知识、技术、运营管理、生产决策等仍由人为传授、指导和决定，人员知识水平不同，选矿效果差异很大。

掌握赤铁矿选矿厂智能化难点后，明确后续亟待解决的问题：

(1)解决赤铁矿在开采、运输过程中质与量的“时效性”问题，将采场的信息实时反馈至选矿厂，用于精细指导选矿操作，及时反馈指导矿石开采，稳定给矿质量。

(2)我国大型选矿厂目前基本实现了运行状态实时监控和操作自动化。对于实现选矿工艺生产自动化则无一先例，如何实现选矿工艺自动化，达到对不同选矿过程预期工艺参数的精确把握，使整个选矿生产过程处于最佳状态，最大限度地提高选矿指标。

1.2 建立思路

(1)建立赤铁矿矿石流预报模拟系统。在矿石输送过程中，由于破碎、筛分等工艺会破坏原有检测信息，考虑到检测的实时性，运用智能物流多次信息构建的方法，重新检测矿石成分和位置信息，将矿石流信息实时传递到信息系统中，并与之前信息进行对比，系统将自动与选矿设备建立“对话”机制，产生决策行为。矿石流预报模拟平台将矿石开采过程中的传感信息和调控信息进行组织、存储，形成数据库，供智能控制系统分析和数据挖掘。

(2)建立赤铁矿智能选矿系统。利用赤铁矿矿石流预报模拟系统数据库，实现数据智能控制系统分析和数据挖掘，达到智能系统的深度学习目的。同时利用大数据分析技术挖掘物联网各数据中的潜在联系，利用其指导生产操作和生产运营。

2 研究内容与技术难点

2.1 研究内容

智能赤铁矿选矿厂主要研究内容包括基于图像识别的矿石粒度分布研究、基于智能物流技术的矿物流动过程研究、预测模型研究、智能控制策略数据信息组织、存储与数据挖掘研究、选矿设备自学习能力研究等。

2.2 技术难点

(1)矿石粒度分布图像识别技术。如何获得矿石颗粒的图像，并在提取颗粒、分析图形相关信息的基础上，实现原矿检测信息实时在线传递，及时反馈原矿生产部门相关信息。

(2)赤铁矿矿石流预报模拟系统的搭建。赤铁矿矿石流预报模拟系统是指将矿石由开采、运输、选矿等生产过程中的关键信息进行采集，并与物联网相连接，以实现智能化监督、预测、管理，从而达到提高生产精细度、实现节能降耗的目的。

赤铁矿矿石流预报模拟系统的搭建主要存在以下几个技术难点：①采集采场矿石数据和检测矿石开采点矿石性质信息以获得准确的原矿信息，并预测矿石开采运输过程中的矿石性质信息；②准确有效的数据采集及合理的调控是物联网平台运行的关键。采集选矿工艺关键参数，根据矿石组成、品质智能调控选矿设备关键参数来实现工业物联网的实时调控；③物联网信息的交互及实时智能化处理技术。工业物联网中传递的信息具有很强的实时性，怎样建立各生产工艺装备之间信息交互，实现物联网设备的自动化控制是一个关键性的技术难点。

(3)大数据与数据挖掘方法。赤铁矿矿石流预报模拟系统在进行数据挖掘与研究之前，应首先对生产过程中可采集到的数据信息进行组织分类，形成大数据，选择合适的存储及运算处理方法以保证所采集到的数据能够有组织地存储与调用。根据智能赤铁矿选矿厂生产特点和采集的生产数据的类型及组织存储方式，选择适用性强的数据挖掘方法对生产过程数据进行分析，并结合预测模型及智能控制系统的自学习功能实现选矿过程的智能化、自动化以及高效化。因此，如何进行大数据的组织、存储及数据挖掘是采选联动智能化研究的技术难点。

(4)建立预测模型，具备自学习能力。赤铁矿智能选矿系统以物联网平台为核心，为不断提高原矿质量、确保选矿指标稳步上升，关键是建立智能控制系统预测模型并使之具有自学习能力，以实现其智能化改造。采矿场矿石分布及性质等相关数据已较为齐全，但多个开采点的矿石在运输、储存、选矿过程中会进行不同程度的混合，实际选矿过程中的矿石组成和性质很难预测。因此在研究矿区的整个采矿、运输、储存及选矿各工艺流程特点的基础上，建立预测模型。赤铁矿智能选矿系统中的控制系统在工程应用中需要根据实际运行效果对预测模型及设备关键参数控制进行适当调整，以提高精矿产品质量。如何建立智能控制系统自学习的调控机制及预测模型参数的优化调整，是保证产品质量不断提升的关键。

2.3 技术路线

赤铁矿矿石流预报模拟系统能够实时获取采选生产线上的矿石性质信息，掌握采场的矿石分布数据、采选生产线各工艺流程的时间节点及工艺特点，使得矿石流预报模拟系统能够自动匹配矿石关键特征信息，预测矿石性质，并实时对生产设备的关键参数进行调整。

在现有工作的基础上，依据赤铁矿矿石流预报模拟系统的组建特点对采场的采矿设备、转运设备、选矿设备进行改造，增加多点矿石性质检测装置，实时获取各关键生产过程中矿石的相关信息，并将采集的数据有组织地储存至数据库中，供智能控制系统调用。赤铁矿智能选矿系统将智能调控后的决策信息存储至数据库中，并通过数据对比对智能调控效果进行评价。在大数据分析的基础上智能调控系统,使之逐渐形成深度自学习能力，自动组织数据的存储、分析以及数据挖掘，实现真正的采选联动智能调控及系统的深度自学习。

根据智能赤铁矿选矿厂的自动化控制需求，需要对选矿过程中关键工艺过程进行研究分析，构建基本的预测模型，用于矿石采选联动智能控制及自动化生产的数据预测，使得相应的工艺生产参数能够实现提前调控，提高智能控制系统的实时性。同时利用大数据与预测模型的深度自学习能力，使预测模型能实现自我优化，并自动组织数据分析，不断地提高预测模型的准确性，从而实现采选联动智能控制。

技术路线集成了两套系统间的智能控制，即矿石预测模型和智能选矿模型。矿石预测模型作为智能控制系统的重要组成部分，通过将物联网实时采集的数据输入到预测模型中，得到指导原矿生产部门生产的决策信息流。利用该信息流不断修正原矿预测模型，使其具备自学习能力，以适应复杂的选矿环境。智能选矿模型在选矿过程中通过分析产量、品位等动态因素，实现原矿生产和运输过程中检测信息的实时闭环反馈，改善控制系统的动态性能，最大限度地提高生产效率；建立选矿生产线自动化智能控制平台，通过构建实时数据采集层，实时在线反馈原矿检测信息，及时指导原矿生产部门的生产。

3 智能赤铁矿选矿系统初步应用

某赤铁矿选矿厂年产铁精矿280万t，现有一选、二选两个分选车间，目前采用为阶段磨矿—粗细分级—重选—磁选—阴离子反浮选工艺流程进行生产。

应用矿石流预报模拟系统对该选矿厂进行赤铁矿选矿智能化改造。半年的生产实践表明，改造后选矿厂生产经营效益提高、降本增效效果明显、管理水平得到提升。选矿厂综合尾矿品位降低1.00个百分点，生产成本创历年新低，实现了矿产资源的充分利用和人力资源结构优化，大幅提高企业竞争能力。

4 结 论

生产智能化和知识智能化是实现选矿厂智能化的难点，基于物联网的赤铁矿选矿厂智能化系统主要通过建立赤铁矿矿石流预报模拟系统和赤铁矿智能选矿系统实现，主要研究基于图像识别的矿石粒度分布研究、基于智能物流技术的矿石流动过程研究、预测模型研究、智能控制策略数据信息组织、存储与数据挖掘研究、选矿设备自学习能力研究等，实现选矿厂智能化。某赤铁矿选矿厂应用智能选矿系统后，生产指标得到改善，降低了成本，优化了人力资源结构，综合效益显著。

基于物联网的赤铁矿选矿厂智能化是智能矿业体系中的重要一环，目前国内大多数矿山企业仍处在智能矿业体系建设的初级阶段，智能选矿厂的建设将推动智能矿业体系发展和升级。未来智能选矿厂将围绕装备智能化、业务流程智能化和知识自动化循序渐进，实现“去人化、轻资产、高效率”的目标。