首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 浅谈在选矿工艺系统中大数据管理的运用与实践

浅谈在选矿工艺系统中大数据管理的运用与实践

2020-11-07 229 上传者：管理员

摘要：本文针对安徽某镜铁矿选矿系统及工艺控制难点，以大数据研究其中关键的生产线为切入点，对各工艺环节积累的基础数据进行加工及处理，从中挖掘和利用隐藏的有价值的信息，发挥选矿基础数据的指导作用，从而稳定系统指标，并在指标波动时，对症下药，迅速解决各工艺环节存在的问题，对于生产指标的稳定具有一定的理论意义和实践意义。

关键词：
大数据
矿业工程
选矿
镜铁矿
加入收藏

随着信息时代的到来，大数据分析已经成为各个领域愈来愈重视与依赖的技术手段。大数据分析主要包括可视化分析、数据挖掘法、预测分析以及数据质量管理4个方面。在大量的数据中提取潜在有用信息预测事物的发展趋势在选矿工艺管理中具有重要的作用[1,2,3]。

1、现场存在的问题

近年来，随着安徽某镜铁矿选矿系统技术革新和工艺优化改造增多，现阶段选矿工艺流程较原设计已发生较大改变。目前镜铁矿选矿包含重选、磁选、浮选等三大工艺系统，系统运行流程长，工艺参数控制点多，造成选矿系统运行及工艺参数调整难度增加。同时，选矿系统在球磨机3对1模式下，台时量已达750t/h以上，比原设计中球磨机3对2模式下的台时量高近20%。入磨台时量的增加，选矿系统内单台设备的负荷增大，导致选矿技术指标波动频繁，难以稳定。一旦选别系统出现异常，技术部门需耗费大量技术力量。此项工作效率低，很难在短时间内稳定并优化技术指标，甚至会出现连续多个异常指标。

为适应新工艺，稳定系统在不同负荷下的工艺指标，并在指标出现异常时快速解决问题，需要建立大数据系统，构建各关键工艺的数据模型，提高工艺系统稳定性。在工艺指标出现异常时，对照数据模型进行综合研判，快速找到问题并提供解决思路，从而保证系统迅速恢复稳定。

2、大数据系统的数据采集与模型构建

镜铁矿工艺流程主要包含：磨矿分级、强磁选、重选、反浮选等。此次大数据研究以其中关键的生产线为切入点，综合考虑各影响因素，融合集控中心数据、现场数据和实验室试验数据，选取可操作性强的关键因素开展大数据研究。

2.1球磨机电流与旋流器溢流粒度对应关系

在镜铁矿单球磨处理量250t/h情况下，通过调整加球制度，改变球磨机运行定子电流，其他运行参数不变，监测旋流器溢流粒度，形成数据链，见图1。

图1镜铁矿一段球磨机电流与旋流器溢流对应关系

通过图1可知，随着球磨机定子电流的增加，球磨机做功大，旋流器溢流粒度-200目含量增加，且呈一定线性关系。通过磨矿分级数据采集，当矿石嵌布粒度细时，可以通过增加球磨机定子电流，优化分级粒度。

2.2旋流器分级压力与溢流粒度对应关系

台时处理量250t/h的条件下，通过调整球磨排矿补加水量，控制旋流器分级浓度，监测旋流器溢流粒度变化，由于分级浓度现场难以准确测定，采用稳定状态的分级压力进行数据分析，见图2。

图2旋流器压力与溢流粒度对应关系

由图2可知，随着旋流器分级压力的降低，也就是分级浓度提高，旋流器溢流粒度-200目含量降低。通过分级压力数据采集分析，当球磨机电流一定时，可通过调整分级浓度及压力，进一步优化分级粒度。

2.3一段旋流器溢流粒度与一段扫选强磁尾矿对应关系

通过调整一段旋流器溢流粒度，监测一段扫选强磁尾矿品位，形成粒度与品位的关系数据链，见图3。

图3旋流器溢流粒度与一段扫选尾矿对应关系

由图3可知，随着一段旋流器溢流粒度-200目含量的降低，一段强磁机尾矿呈先降低后升高趋势，当一段溢流粒度-200目含量在49左右时，尾矿品位最低。通过旋流器溢流粒度数据采集，选矿系统可以通过控制磨矿分级技术参数，合理控制分级粒度，有效降低一段强磁机尾矿。

2.4一段强磁给矿浓度与尾矿对应关系

通过调整强磁机给矿水量，监测强磁机尾矿品位，形成浓度与品位的关系数据链，见图4。

图4一段强磁给矿浓度与尾矿对应关系

由图4可知，随着一段强磁机给矿浓度的降低，一段强磁尾矿呈先降低后升高趋势，当一段强磁给矿浓度在35%时，尾矿品位最低，出现拐点。通过强磁机给矿浓度数据采集，选矿系统可以通过补加水调整分选浓度，降低尾矿品位，或者当生产模式转入“2对1”时，可以通过增加强磁机设备分选台数，优化浓度控制，有效降低尾矿品位。

2.5重选溜槽精矿截取宽度与精矿品位、产率对应关系

通过调整一段重选溜槽精矿截取块位置，监测其精矿品位和产率，形成截取宽度与精矿品位关系数据链，见图5。

图5一段溜槽精矿截取块位置与精矿品位、产率对应关系

由图5可知，随着一段重选溜槽精矿截取宽度的减小，溜槽精矿品位呈上升趋势，精矿产率呈下降趋势。当精矿截取宽度在70-40mm之间时，精矿品位及产率比较合适。通过重选溜槽精矿截取宽度数据采集，选矿系统可根据工艺需求，优化调整精矿截取宽度，确保溜槽分选效率，保持指标稳定。

2.6重选溜槽给矿浓度与精矿品位的关系

通过调整二段重选溜槽给矿浓度，监测其精矿品位，形成浓度与精矿品位关系数据链，见图6。

图6二段重选溜槽给矿浓度与精矿品位的关系

由图6可知，随着二段溜槽给矿浓度的降低，二段溜槽精矿品位呈先升高后降低趋势，当二段溜槽给矿浓度在35%时，二段溜槽精矿品位最高，出现拐点。通过二段溜槽给矿浓度数据采集，选矿系统可以通过控制二段溜槽给矿浓度，确保溜槽分选效率，有效提高溜槽精矿品位。

2.7浮选给矿品位与浮选精矿品位的关系

浮选给矿品位和浮选选别指标数据以2020年4月份生产指标数据做统计，形成浮选给矿品位与浮选精矿品位的关系数据链，见图7。

图7浮选给矿品位与精矿品位的趋势图

由图7可知，整体趋势来看，随着浮给品位的上升，浮精品位也逐步上升，而针对某一时间点，浮选给矿品位对浮选精矿品位的相关性较小。因此，针对浮选分选指标的控制，在系统方面需尽力提高浮给品位，而在某一时间点，合理控制给矿粒度、浓度、药剂制度更为重要。

2.8在数据采集及系统构建的过程中遇到的问题

一是部分关键数据采集的及时性和准确性不足，如磨矿分级状态监测、浓度、粒度监测等，这主要是受限于现场设备传感器的准确性不高，只能依靠人工取样监测，造成数据滞后。二是选矿过程复杂，影响因素多，随机性大，造成数据模型可能出现一定偏差。

要解决上述问题，一方面需引进智能化设备，提高传感器的精准度，另一方面需要同科研院校合作开展大数据系统研究，持续优化并完善适合自身选矿系统的数据模型。

3、大数据系统在选矿工艺管理的运用与实践

安徽某镜铁矿选矿工艺系统经过近几年生产运行，积累了大量的生产运行、工艺指标调整等选矿基础数据，通过此次数据模型的构建，将数据加工处理，从中挖掘出有价值的信息，发挥出选矿基础数据的指导作用，从而保持整个工艺系统的平稳运行。在日常生产指标出现波动时，通过生产工艺指标数据对应至大数据库内相应信息，快速找出指标波动的症结，对症下药，从而迅速解决问题。

4、结语

大数据管理是今后选矿技术管理以及指标调整的重要手段，同时也是企业核心竞争力的重要组成部分。当收集的信息越来越靠近终端的时候，我们就能够较为准确地分析出影响选矿工艺指标的主要因素。针对这些信息，可以运用已构建的数据模型确定较为合适的调整方法。

运用大数据管理方法，是对当前选矿工艺研究的创新，我们需不断加强数据信息的采集，提高并完善数据模型的可靠性和准确性，真正将大数据管理运用到生产实践中，指导现场生产。

参考文献：

[1]尹丰丰,王旭,李传伟,等.复杂钼多金属矿选矿全流程综合自动化系统设计与应用[J].中国矿业,2019(1):185-190.

[2]刘畅,王汝杰,刘国义,等.基于物联网的赤铁矿选矿厂智能化实践[J].现代矿业,2018(1):245-248.

[3]陈军,卫亚儒.选矿大数据挖掘与自动化技术应用浅析[J].中国钼业,2018,042(006):22-24.

罗光明.浅谈大数据管理在选矿工艺系统的运用与实践[J].福建冶金,2020,49(06):6-8.