露天采礦機生產能力預測

陳寶心 何存芳

(武漢理工大學資源與環境工程學院)

露天采礦機生產能力的預測是露天采礦方法確定、機械選型、制定生產計劃及露天采礦機技術經濟分析的基礎。影響露天采礦機生產能力因素很多，進行生產能力預測是復雜的。國內外學者通過理論及試驗研究，建立了許多露天采礦機的生產能力預測公式，但各種預測公式和方法都有一定的局限性，預測方法和系統還很不完善。本研究從眾多預測公式中選擇具有代表性的6種公式，結合具體的7個實例對6種預測公式進行比較和分析討論。

1 生產能力預測公式

為預測露天采礦機生產能力已發展了許多計算公式，它們使用了各種研究方法，歸納起來有如下幾種類型:

(1)經驗方法。該方法主要是基于大量生產和試驗數據以及對歷史記錄進行統計而得到經驗公式。通常是把現場的實際生產能力與實測的巖石物理性質、地質條件及實際的露天采礦機規格聯系起來，建立露天采礦機生產能力經驗公式。

(2)半經驗半理論方法。該方法是根據全尺寸巖樣綜合物理特性的測試和切割試驗結果而建立的生產能力預測公式。最常用的切割試驗是在線性切割機上，通過測量在不同切割條件下的切割力，切割比能等參數，為現場巖石切割過程提供最可靠的模擬數據，而后根據巖層條件和采礦機性能修正測定結果，建立露天采礦機生產能力半經驗半理論預測公式。

(3)理論方法。該方法是用一些假設和基本定理計算單個截齒上所受的力，然后求出整機所需的切割力、扭矩和功率，估計在已知巖石類型和選定機型的情況下，截齒可達到的切深和采礦機行駛速度，從而計算出生產能力。

1.1 技術生產能力公式

露天采礦機的小時生產能力按下式計算［1-2］:

式中，Qh為采礦機小時生產能力，m3/h;B為采礦機一次采寬，m;h為采礦機一次切削深度，m;V為采礦機工作行走速度，m/min;K為作業時間利用率，與露天采礦機礦巖切割、調頭、空車行走、截齒更換、保養等時間有關，時間利用率在0.5～1之間，實際中多為0.5～0.7。

對于給定露天采礦機機型，切削寬度B是確定的，切削深度h和行駛速度V是巖石強度、脆性和磨蝕性、巖體結構等的函數。從切削試驗中可直接測得切深值h和速度V。表1是文獻［2］給出的露天采礦機行駛速度與巖石抗壓強度的關系。

表1 露天采礦機行駛速度與巖石抗壓強度

1.2 通用破碎比能公式

根據能量守恒原則，即挖掘機械所產生的有效能等于破碎巖石所需的能量，可得到預測各種挖掘機械生產能力的通用公式［3-4］，即

式中，N為采礦機切削滾筒的功率，kW;SE為巖石的切割破碎比能，kW·h/m3;η為露天采礦機能量轉化效率。

切割破碎比能SE可由切削試驗實測得到，或根據切削下來的巖塊粒度估計，也可根據經驗公式估計，例如，對于各種沉積巖，Roxborough［5］提出了巖石單軸抗壓強度σc與切割比能SE的關系:

1.3 經驗公式

1.3.1 Gehring經驗公式

Gehring［6］建立了露天采礦機生產能力預測經驗公式:

式中，K1、K2分別為巖石的脆性影響系數和巖體結構面影響系數，見表2;K3為切割條件影響系數，是切割深度、切割滾筒震動、截齒形狀和布置方式的函數。

表2 Gehring經驗公式系數表

1.3.2 Dey＆ Ghose經驗公式

Dey＆ Ghose［7］引入5個關鍵指標，即巖石點荷載強度、磨蝕性，巖體體積節理系數、結構面產狀與切削方向的關系，露天采礦機功率等級，建立可切削評價表(表3)，并引入可切削指數C1，用于露天采礦機適用性綜合評價和生產能力預測。

表3 巖體可挖性指標分級的評分表

對于給定的巖體和露天采礦機，參照表3，可得這一特定條件下各指標評分值，然后把各指標評分值加起來，得到可切削指數CI，即

可切削指數CI和露天采礦機生產能力存在如下關系:

式中，QR為額定生產效率，即指以最大切割深度，行使速度為8 m/min時的生產效率，m3/h。

1.4 適用于懸臂式掘進機經驗公式

懸臂式掘進機工作原理與露天采礦機類似，因此，將用于預測懸臂式掘進機生產能力公式進行修正，有可能用于預測露天采礦機生產能力。

1.4.1 Bilgin經驗公式

土耳其伊斯坦布爾工程技術學院Bilgin［8］建立了預測懸臂式平巷掘進機生產能力公式，該公式利用巖石的抗壓強度、巖體質量指數RQD計算可切割指數RM，并認為生產能力和設備功率成正比，得到如下公式:

式中，RM為巖石可切割指數。

1.4.2 Copur經驗公式

Copur［9］等人收集了懸臂式掘進機在整體性較好的沉積巖中掘進數據，通過數據回歸得出如下公式:

式中，RP為掘進機掘進指數;W為機器重量，t。

2 實例驗證和分析

2.1 實例數據和說明

文獻［10］給出了7個礦的巖石/巖體特性指標，以及露天采礦機的性能參數和實際的生產能力Qs等數據(表4)。

表4中礦1，2，3是指印度Lakhanpur露天礦的Mahanadi煤田，其中礦1為煤層，礦2為灰色頁巖，礦3為泥質煤。礦4，5是指印度水泥有限公司的Adanakuruchi石灰石礦山，礦6、礦7是Madras水泥有限公司某石灰石礦山。由于文獻［10］沒有給出巖石單軸抗壓強度σc、巖體質量指數RQD和切削滾筒的功率N，本研究按σc=22Is50換算;RQD≈115－3.3Jv換算;切削滾筒的功率N取露天采礦機總功率Nc的80%。

表4 礦山巖石/巖體物理力學指標及機械性能參數

2.2 計算結果和分析

用表4中的數據和上述所介紹的6個生產能力預測公式分別計算各礦山生產能力，計算結果見表5。

在計算中，破碎比能公式中的能量轉化效率η取0.95;Dey＆Ghose公式中，結構面與切削方向的關系評分值Js均為3分;相對誤差的絕對值為

相對誤差絕對值的平均值［11］為

相對誤差絕對值的標準差為

由表4和表5計算結果可以看到:

(1)按技術生產能力公式計算的相對誤差平均值珋δ和標準差S|δ|分別為19.4%、17.9%。珋δ在6個預測公式中為最小，但誤差離散較大。由于缺乏切削深度h與巖石和巖體性質之間關系可靠的數據，切削深度選取有一定的主觀性。計算時，行走速度V按表1數據通過線性回歸得到公式 V=0.309 3σc+32.103來取值，切削深度按所選的露天采礦機最大切削深度的30%選取。

(2)破碎比能公式所得預測值全部比實際值低，相對誤差平均值珋δ=41.1%和標準差S|δ|=18.9%都較大。這是因為在計算時，破碎比能是從巖石抗壓強度換算得到的，實際上只考慮巖石性質，而忽略巖體性質，即沒有考慮巖體結構面對生產能力的影響。如果破碎比能是從全尺寸切割試驗得到，結果將得到明顯改善。破碎比能公式為單指標公式，且破碎比能指標可從試驗室全尺寸切割試驗得到，使用方便，可以認為是比較合理的計算方法。

表5 6個預測公式預測值和實際值對比

(3)按Gehring公式計算的相對誤差平均值珋δ和標準差S|δ|分別為39.3%、34.9%。主要原因是沒有可靠試驗數據，K1、K2、K3系數的選取有一定的主觀性。Gehring沒有具體給出K3的取值，表5中取K3=1.4是根據誤差較小得到的。

(4)按Dey＆Ghose公式計算的相對誤差平均值和標準差分別為21.6%和13.7%，S|δ|在6個預測公式中最小，說明相對誤差的波動小，計算結果可靠。Dey＆Ghose公式是基于巖體分級的指標得到的生產能力預測公式，考慮因素比較多，預測結果較接近實際值。

(5)Bilgin公式和Copur公式都是根據懸臂式掘進機生產數據得到的。懸臂式掘進機切削滾筒的剛性、機器穩定性比露天采礦機差，工作模式和操作者水平對生產能力影響也有較大的差別。因此，Bilgin公式和Copur公式用于預測露天采礦機生產能力，需要對它們進行修正。設修正系數為β，即露天采礦機理論生產能力為懸臂式掘進機理論生產能力的β倍。當β=1.5時，按Bilgin公式計算的相對誤差平均值珋δ和標準差S|δ|分別為46.5%，19.5%;Copur公式的珋δ和S|δ|分別為31.9%，16.5%。當β=2.5 時，Bilgin 公 式 的 珋δ和 S|δ|分 別 為 24.5%，22.2%;Copur 公 式 的 珋δ和 S|δ|分 別 為 84.3%，60.7%，這兩個公式預測結果誤差都較大。但當β=2.5，Bilgin公式的相對誤差平均值珋δ和標準差S|δ|與Dey＆Ghose公式的比較接近，而且Bilgin公式考慮了巖石的抗壓強度、巖體質量指數RQD和機器的性能參數，而Copur公式只考慮了巖石的抗壓強度以及露天采礦機機身重量，并未考慮巖體性質參數，故Bilgin公式優于Copur公式。

3 結論

(1)計算結果表明，6個生產能力預測公式的預測結果與實際生產能力都有較大誤差。

(2)技術生產能力公式在6個生產能力預測公式中相對誤差平均值最小，誤差的波動也較小。通過回歸得到行走速度和巖石強度之間的關系是可行的，切削深度和巖石強度之間的具體關系還有待進一步的研究。

(3)Dey＆Ghose公式考慮因素比較多，在6個生產能力預測公式中，相對誤差平均值較小，誤差的波動最小，該公式較可靠。

(4)破碎比能公式中破碎比能指標可從試驗室全尺寸切割試驗中獲得，可認為是比較合理的計算方法。破碎比能公式為半經驗半理論公式，可用于驗證其他預測公式的準確性。

(5)對預測懸臂式掘進機生產能力的公式進行修正，可用于預測露天采礦機生產能力。

(6)綜合考慮巖石、巖體、機械等參數得出的生產能力預測公式更為準確。

(7)目前，盡管預測露天采礦機生產能力方法較多，但預測方法和系統還很不完善，每種方法都有其優缺點。因此，宜采取多種方法進行計算，結合實際比較分析，綜合選取最優的方法，以降低風險。

［1］ 盧明銀.露天采礦機開采新工藝的應用［J］.化工礦山技術，1994，23(3):51-56.

［2］ 彭世濟.露天礦連續和半連續開采工藝［M］.北京，煤炭工業出版社，1991:110.

［3］ Rostami J，Ozdemir L ，Neil D.Performance prediction，a key issue in mechanical hard rock mining［J］.Mining Engineering，1994(11):1263-1267.

［4］ Copur H，Tuncdemir H ，Bilgin N，et al.Specific energy as a criteria for the use of rapid excavation systems in Turkish mines［J］.Institution of Mining and Metallurgy Transactions A:Mining Technol，2001，110(11/12):149-157.

［5］ Frank F Roxborough.The role of some basic rock properties in assessing cuttability［R］.Sydney:Seminar on Tunnels-Wholly Engineered Structures，I E Aust/A F C C，1987:1-18.

［6］ Gehring K H.Evaluation of Cutting Performance for VASM［R］.［S.l.］:Internal Report BBV，1992:102.

［7］ Dey K ，Ghose A K.Predicting“cuttability”with surface miners-A rockmass classification approach［J］.Journal of mines，Metals and Fuels，2008，56(5/6):85-91.

［8］ Bilgin N ，Seyrek T ，Shahriar K.Golden horn clean-up contributes valuable data［J］.Tunnels and Tunnelling International，1988，20(6):41-44.

［9］ Copur H ，Ozdemir L ，Rostami J.Roadheader application in mining and tunneling industries［J］.Mining Engineering(Littleton，Colorado)，1998，50(3):38-44.

［10］ Dey K ，Ghose A K.Review of Cuttability indices and a new rockmass classification approach for selection of surface miners［J］.Rock Mechanics and Rock Engineering ，2011，44(5):601-611.

［11］ 徐國祥.統計預測和決策［M］.3版.上海:上海財經大學出版社，2008:237-239.