浮選智能控制系統在某鉬礦選廠的應用

張燕紅，劉 俊，陳 沖，鄒聲勇，郝 兵，譚文才

1洛陽欒川鉬業集團股份有限公司 河南欒川 471500

2中信重工工程技術有限公司 河南洛陽 471039

3礦山重型裝備國家重點實驗室 河南洛陽 471039

4中信重工機械股份有限公司 河南洛陽 471039

浮選是一個復雜的過程，浮選礦漿與浮選藥劑在充入空氣的浮選槽內相互作用，通過浮選機的強烈攪拌，產生大量氣泡，有用金屬礦物附著在泡沫上，溢出溢流堰，獲得泡沫產品。浮選效果的好壞受到多種因素影響，如礦漿質量分數、粒度、溫度、pH 值、泡沫層厚度、充氣量、藥劑制度等。傳統的浮選操作主要依靠操作者自身經驗，而浮選過程具有多變量、非線性、隨機性和大延滯的特點[1]，筆者將介紹一種基于泡沫圖像分析儀的浮選智能控制系統，其通過自主調整泡沫層厚度以及充氣量，明顯提高了浮選過程的穩定性，同時降低了尾礦品位。

1 現場浮選工藝及控制現狀

1.1 現場浮選工藝

某鉬礦選礦廠目前原礦處理能力為 24 000 t/d，浮選段采用“一次粗選—一次預精選—三次粗掃選—三次精選—五次精掃選”的選礦工藝，精掃選尾礦進行選銅。筆者主要介紹浮選智能控制系統在 4 臺 50 m3精掃選浮選機的應用情況，浮選機精掃選工藝流程如圖 1 所示。

圖1 精掃選工藝流程Fig.1 Process flow of clean scavenging

4 臺精掃選浮選機的給礦來自于浮選柱精掃尾礦，精礦返回精 1 給礦，最終精掃尾礦進入選銅作業。4 臺浮選機原為兩側刮板浮選機，兩側同時獲取泡沫產品，但由于刮板問題較多，目前已拆除，并改為自溢流型浮選機。

1.2 現場控制現狀

現場給礦為浮選柱精掃尾礦，其性質多變，礦石粒度較細，受精選段的藥劑影響較大，浮選過程不穩定，冒槽、落槽現象時有發生 (見圖 2)，浮選泡沫大小、顏色、黏度變化頻繁 (見圖 3)；同時浮選機自身的漿閥和氣閥問題較多，給生產帶來了很多不確定性。加之現場人員操作方法不一，浮選指標相對波動較大，亟需一種浮選智能控制系統，擺脫人為因素干擾，降低勞動強度，提高浮選過程的穩定性。

圖2 浮選機的滿槽與落槽現象Fig.2 Full cell and falling cell of flotation machine

圖3 浮選泡沫大小和狀態變化Fig.3 Variation in size and state of froth

2 浮選智能控制系統

對現場工藝進行浮選智能控制具有很大的挑戰，需要從浮選機設備基礎自動化改造開始，首先實現浮選機基礎自動化、增加氣體流量計以及氣動閥門、優化浮選機液位控制系統等；其次安裝泡沫圖像分析儀對浮選泡沫進行檢測，實時量化泡沫特征；隨后，浮選智能控制系統利用量化的參數，智能調整泡沫層厚度以及充氣量，穩定浮選過程，進而提高金屬回收率。

2.1 泡沫圖像分析儀

在浮選過程中，浮選泡沫狀態是浮選作業指標好壞的指示器。操作人員通過觀察泡沫狀態，調整泡沫層厚度、充氣量以及藥劑制度等，實現對浮選過程的控制。

浮選泡沫圖像分析儀主要由圖像采集攝像頭、圖像處理算法與軟件、工業計算機組成，能夠實時獲取泡沫圖像，并通過先進的圖像分割技術對圖像進行分析處理 (見圖 4)，可以實現浮選槽溢流泡沫的實時檢測與分析，檢測泡沫速度、方向、大小、穩定性等參數，同時還提供相關的統計分析。

圖4 浮選泡沫圖像分析儀的應用Fig.4 Application of flotation froth image analyzer

泡沫圖像分析儀可以代替人工對泡沫情況進行觀察分析，并量化泡沫特征。根據現場情況，每臺浮選機配備 1 臺 FOIA-Ⅰ型泡沫圖像分析儀 (見圖 5)，將其安裝在靠近溢流堰的正上方，用于檢測溢出泡沫。針對現場精掃選工況，利用泡沫圖像分析儀，通過修改相機參數以及圖像算法，適應了現場泡沫黏度高、大小變化頻繁的情況，獲得了較為準確的泡沫特性參數。

圖5 FOIA-Ⅰ型泡沫圖像分析儀的安裝與顯示界面Fig.5 Installation and display interface of FOIA-I froth image analyzer

2.2 浮選智能控制策略

泡沫移動速度可以表征浮選機的刮泡量，它是浮選效率高低的重要指示器，間接反映了精礦產率、金屬回收率等重要指標[2-3]。基于泡沫圖像分析儀的浮選智能控制系統即泡沫流速穩定控制。

2.2.1 泡沫流速的影響因素

(1) 泡沫層厚度 它主要影響礦化氣泡的富集時間和礦物顆粒在浮選槽內的駐留時間。隨著泡沫層厚度的增大，氣泡在泡沫層的駐留時間延長，增加了泡沫破碎排水的概率，泡沫的含水量相應降低，礦物富集比增大，但泡沫溢流速度同時變緩，表面活性礦物的回收率降低；當泡沫層厚度減小時，情況則相反。

(2) 充氣量 增大充氣量，會增加氣泡吸附比表面積，從而縮短分離時間，泡沫流速變快；減少充氣量，情況則相反。

2.2.2 泡沫流速控制策略

泡沫圖像分析儀實時分析泡沫流速，浮選智能控制系統根據泡沫流速的變化，實現泡沫層厚度和充氣量的智能調整。泡沫流速同時受到多種因素影響，但在實際操作中，主要因素是泡沫層厚度和充氣量大小。

泡沫流速控制的主要思路是：根據泡沫圖像分析儀檢測的流速情況，智能控制系統將實時流速與設定流速進行比對，通過自主調整泡沫層厚度和充氣量，實現泡沫流速的穩定控制。單臺浮選機泡沫流速控制思路如圖 6 所示。

圖6 單臺浮選機的泡沫流速控制思路Fig.6 Thinking about control of froth flow of single flotation machine

泡沫層厚度和充氣量的調節分為充氣量優先和泡沫層厚度優先。泡沫流速增大，增加泡沫層厚度或減少充氣量；泡沫流速減小，降低泡沫層厚度或增加充氣量。浮選智能控制系統如圖 7 所示。

圖7 浮選智能控制系統的顯示界面Fig.7 Display interface of intelligent control system for flotation

3 應用效果

4 臺精掃選浮選機安裝了 4 臺中信重工生產的FOIA-Ⅰ型泡沫圖像分析儀，每臺浮選機安裝 1 臺泡沫圖像分析儀，實現了泡沫圖像信息在線檢測分析，取代了人工現場觀察，改善了操作人員的工作環境，降低了勞動強度，實現了泡沫流速的量化。浮選智能控制系統實現了泡沫流速自動控制，可以根據泡沫流速變化情況，自動調整泡沫層厚度和充氣量，避免了人為因素干擾；大大提高了調整頻次，泡沫流速波動明顯降低，浮選產率更加穩定，同時精掃尾礦品位出現了下降。

3.1 泡沫流速的穩定性

充氣量保持不變，優先調整泡沫層厚度，分別考察人工操作和智能控制在精選 1 中的控制效果，試驗結果如圖 8、9 所示。人工操作的時間段為夜班，智能控制的時間段為白班。

由圖 8 可知，在人工控制下，人工調節泡沫層厚度的次數雖然較少，但調節幅度很大，造成泡沫流速的波動較大。泡沫流速最低降至 100 mm/s 以下，最高達到 250 mm/s，影響了浮選過程的穩定性。泡沫流速均值為 148.8 mm/s，標準偏差為 38.15。

圖8 人工控制時浮選泡沫流速曲線Fig.8 Curve of flotation froth flow in manual control mode

由圖 9 可知，在智能控制下，控制系統通過實時調整泡沫層厚度，能夠保證泡沫流速穩定，將泡沫流速控制在 150 mm/s 左右。泡沫層厚度的調節頻次為1 min 一次，每次調節幅度不大，能夠最大程度地保證浮選過程的穩定性。泡沫流速均值為 157.2 mm/s，標準偏差為 12.54。與人工控制相比，泡沫流速平均值提高了 8.4 mm/s，標準偏差降低了 67%。

圖9 智能控制時浮選泡沫流速曲線Fig.9 Curve of flotation froth flow in intelligent control mode

3.2 精掃尾礦品位

精掃選段的考核指標主要是精掃尾礦品位，它的高低代表了精掃選段鉬金屬回收率的高低。精掃尾礦品位的要求是：Mo≤0.2%。人工控制與智能控制系統運行時，精掃尾礦品位與精礦品位的變化曲線分別如圖 10、11 所示，精選給礦品位與精選回收率的變化曲線分別如圖 12、13 所示。

圖10 人工控制時精掃尾礦品位與精礦品位曲線Fig.10 Curve of grade of clean scavenging tailings and grade of concentrate in manual control mode

圖11 智能控制時精掃尾礦品位與精礦品位曲線Fig.11 Curve of grade of clean scavenging tailings and grade of concentrate in intelligent control mode

圖12 人工控制時精選給礦品位與精選回收率曲線Fig.12 Curve of grade of clean separating feed and recovery ratio of clean separation in manual control mode

圖13 智能控制時精選給礦品位與精選回收率曲線Fig.13 Curve of grade of clean separating feed and recovery ratio of clean separation in intelligent control mode

從圖 10、11 可以看出，人工控制時，精掃尾礦平均品位為 0.136%，精礦平均品位為 51.93%；智能控制時，精掃尾礦平均品位為 0.081%，精礦平均品位為 51.00%。

采用智能控制系統后，精掃選段的浮選流速平均值有所提高，但并未影響最終的精礦品位，現場要求精礦品位為 50%～ 52%。

從圖 12、13 可以看出，人工控制時，精選給礦平均品位為 8.96%，精選回收率平均為 98.50%；智能控制時，精選給礦平均品位為 8.54%，精選回收率平均為 99.02%，精選段整體金屬回收率提高 0.52%。

精掃選段僅是選廠浮選精選段的一部分，通過泡沫流速控制，精掃段的泡沫流速平均值有所提高，浮選過程更加穩定，精掃尾礦品位有所下降，同時并沒有影響最終精礦的品位，而是在一定程度上提高了精選段的整體鉬金屬的回收率。

4 結語

浮選過程復雜多變，影響因素多，依靠人工經驗調整滯后，浮選指標波動大。采用基于泡沫圖像分析儀的智能控制系統，智能調整泡沫層厚度以及充氣量，實現了泡沫流速控制，提高了浮選過程的穩定性，明顯降低了精掃尾礦品位，精選段整體回收率提高了 0.52%，取得了較好的效果。同時，采用泡沫圖像分析儀代替人工觀察并分析泡沫特性，極大地改善了操作人員的工作環境，降低了工人的勞動強度，實現了泡沫層厚度以及充氣量的自主調整，有效避免了人為因素的干擾。

泡沫流速控制是浮選智能控制的初級階段。隨著在線品位分析儀的廣泛應用，泡沫圖像分析儀結合礦漿在線分析儀，可以更好地監控浮選工藝流程。浮選智能控制的高級階段即品位-回收率控制，結合泡沫圖像分析儀、在線品位分析儀實現浮選藥劑自主調整，根據品位數據自主設定泡沫流速，在保證精礦品位的前提下，最大效率地提高金屬回收率，實現浮選過程效益最大化。