王思遠,孫言鍇,熊 偉,龔文勇
(長沙礦冶研究院有限責任公司,湖南 長沙 410000)
近年來,由于國內選礦環境保護要求越來越高,人員礦山作業時的安全要求愈發嚴格,選礦智能化改造迫在眉睫。傳統選礦因為生產效率低、人員安全得不到有效保障、資源利用率不高等問題,無法滿足礦山開發的穩定、高效、安全的特性。智能化系統可以解決選礦環境污染問題,改善工作條件,減少人力投入,提高礦山設計采選智能化水平,并通過生產大數據管理與挖掘,即時調整生產計劃與提供安全生產預警,礦山的智能化改造具有重大意義,這是推動我國選礦業更好更快發展的必由之路[1-3]。
某選礦廠主要處理鉛鋅礦石,原礦中包含鐵、鋅、鉛、銀等多種金屬以及少量稀有金屬,成分比較復雜,因此選礦工藝流程較為復雜分散,需要采用大型的集散控制系統。本文根據工藝流程中的破碎磨礦泡沫浮選等處理環節,對此選礦廠采用基于 PCS7 配置的過程控制系統,該系統具有圖形化設計優勢,能基于現代先進控制系統與架構,網絡化傳輸布置,較為完善地解決大型控制系統組態問題,并且可以利用 PCS 產生的大量生產數據,經過數據流式處理和數據批處理,形成從礦山生產一線到云服務平臺的大數據監控預測智能化系統平臺[4-6]。
對選礦浮選環節將磨礦分級中通過旋流器分級后粒度合格的礦漿進行鉛粗浮選、鉛掃選、鉛精選、鋅分離、鋅精選等浮選步驟,得到鉛精礦、鋅精礦,該過程需要實現對浮選過程液位和通氣量的穩定控制,加藥環節實現定量加藥。針對浮選加藥流程,對PCS7控制系統的功能設計如下:(1)監測儀表的信號集成,對控制過程中的液位、流量等參數進行采集。(2)電氣設備的信號集成,通過 DP 通訊讀取到的信號,包括浮選石灰乳加藥過程的電動閥門、電機、變頻器等電動執行單元的電流、頻率、反饋信號以及開關控制信號的智能控制與檢測。(3)數據和預警平臺,直觀的觀測數據,并且出現異常情況時能報警。(4)歷史數據觀測功能,能對歷史數據進行保留,觀測歷史數據變化。
通過運用基于PCS7控制系統,使用ET200M的IO擴展以及數據總線傳輸,將鉛鋅浮選加藥流程在線監測調整,選礦車間配備計算機操作站,中央控制室配置各種工程優化計算機站,實現生產車間級控制與礦場級優化控制,進行集約化生產,增加礦物浮選多級控制,提高選礦分離的精礦純度,綜合利用了礦物,而且自動化水平高,有助于提高生產管理水平[5],綜合節能降耗。選礦磨礦系統采用智能化系統控制,多種傳感器采集參數,根據參數調整控制模式,有效提高原料利用率和生產效率。該選礦控制系統架構見圖1。

圖1 選礦控制系統架構
控制系統由S7-400的控制器執行,并且控制算法重點是對選礦過程中各個設備電機的頻率控制,采用PID的控制算法,實現電磁閥門和電機頻率的精確控制,對整體系統的設備進行建模[7],PID控制算法的公式如下所示:
(1)
電機控制程序塊如圖2所示,通過permit塊選中所選電機,啟動電機。電機工作過程中FbkRun塊接收電機工作狀態時的頻率,進行反饋控制。OutStart塊負責輸出電機的工作狀態,Error塊負責在控制系統出現外部錯誤時收集錯誤信號并顯示電機出現錯誤,OR_OSS塊負責當FbkRun和OutStart塊信號中斷時電機傳輸錯誤信號。InterLock塊和Protect塊均為保護電機的模塊,保障了電機運行的安全性。
該程序具有電機的啟停、順序運轉、調速、監測、自鎖和保護功能,安全可靠,以此為基礎,設計選礦各流程的控制程序,整體程序經過仿真調試運行,運行穩定的效果符合要求,從而實現了生產流程的自動化。
本文采用PCS7的WinCC設計了監控界面。軟件監控界面設計了監測各項設備運行狀態和數值的功能[8],針對實際生產需要,可以手動調整設備參數,并且預留了生產數據接口,將生產數據導出。
中央控制系統是通過組態網絡的方式,控制器與儀表通過網絡通信將系統各個部分的實時狀態傳輸給主機[9-10],實現實時監控的功能在監控界面中,可以分別選擇索道運輸、磨浮等環節,方便查看操作各流程的運轉。當控制系統監測到設備狀態或者生產參數異常時,通過聲光提醒生產管理人員處理,及時消除設備故障等情況,減輕人員勞動強度,更好處置應急狀況,大大提高工作效率以及人員安全保障,控制系統網絡拓撲圖見圖3。WinCC基于RawData數據傳輸的方法通過以太網對S7-400PLC的快速采集,并且WinCC可以實現最小的采集間隔是1ms,在畫面當中我們可以得到數據采集頻率是60次/s。

圖2 電機控制程序塊

圖3 控制系統網絡拓撲圖
數據處理系統主要有傳感采集控制站、中央監控系統、云服務平臺以及網絡傳輸系統、防火墻。
數據處理系統使用基于B/S的云服務平臺處理生產數據,大數據云服務平臺可以建立私有云服務,加強信息的安全性和可靠性,也可以使用公有云服務來降低運營費用,并且使用其邊緣計算,提升其服務質量。通過數據流式處理與批處理技術搜集到海量生產運行數據,同時上傳礦物市場大數據[11],將數據存儲在云服務器的磁盤陣列中,經過分布式SQL數據庫系統,使用各種終端通過C/S或B/S即可查詢下載[12]。并通過神經網絡深度學習系統的集成融合,利用無監督式機器學習、聯想推理功能,進行知識獲取加工,實現專家式經驗不斷地優化生產,輔助管理決策,從而達到充分利用大數據的目的,不斷提升選礦的各項指標,數據處理系統框圖見圖4。

圖4 數據處理系統框圖
某鉛鋅選礦廠之前使用傳統選礦機電系統,只能手動管控設備,需要人員觀察屏幕進行數據計算和記錄,而且智能水平低,人工成本比較高,在選礦智能化系統投入試驗運行以后,對設備運行和選礦過程管控實現計算機管理,智能化程度提升明顯,極大地提高了產能, 降低了能耗的同時也能夠保證精確控制回收率和品位等各項主要選礦指標,連續穩定生產,實現比較理想的效果。
(1)經過金屬礦山選礦的流程分析,對所有生產環節和設備添加傳感采集和控制器,實現了監測、控制、報警、記錄、優化等一系列智能化功能。在后期試驗運行中,各項數據采集和軟件功能效果良好,達到預期的效果,人員也不用緊盯各項設備,人員減少20%以上。
(2)隨著選礦廠智能化系統的不斷運行,產生的海量數據將會通過數據分析處理持續優化現有的參數。該系統將生產智能化與大數據結合,使用邊緣計算等計算資源,實現用于人工智能的分析,經過無監督的機器學習,并用于未來開發的采礦專家系統,輔助實現選礦的精細管理最優化。在當前選礦智能化建設中,還需要更多的選礦廠來產生數據,去支撐未來用于故障診斷預測維護等數據驅動應用,具有廣闊的應用前景。
(3)該技術自動化程度高,故具有環境自適應性,抗干擾能力更強,推廣使用到更多不同生產條件的礦山。試驗運行結果表明,該系統管理能力更強,維護簡單,生產效率明顯提升。