基于數字孿生的離子型稀土礦水冶工藝數據動態可視化研究

吳傳松 ,高志江 ,楚金旺 ,郝亮鈞 ,王要武 ,邱海濤

(1.廣東風華高新科技股份有限公司,廣東肇慶 526000;2.中國恩菲工程技術有限公司,北京 100038;3.平遠縣華企稀土實業有限公司,廣東平遠 514600)

0 引言

離子型稀土礦采用原地浸采工藝,即用特定的浸礦液從自然賦存條件下的非均質含礦層中把呈離子吸附態的稀土金屬元素置換浸出并進一步分離、回收稀土元素的采礦方式[1]。通過在礦體表面布置注液孔,形成注液管網來完成浸礦劑的持續注入。產出的稀土浸出母液,通過提前建設的集液系統進行收集,包括:集液巷道、導流孔和集液溝,然后通過管網將收集到的浸出母液輸送至水冶車間進行相應的富集處理[2]。

因此,可以將水冶車間簡化為離子型稀土礦開采過程中生產稀土產品的一個工段。離子型稀土礦水冶車間浸出母液處理過程的工藝流程相對較短、操作運行直接明了、勞動強度較低。主要的特點是由于離子型稀土礦含礦層的水文地質參數和礦石的賦存形態存在一定差異,導致收集到的浸出母液中稀土離子的濃度存在差異,所以水冶車間各個工段的工藝參數的控制對經驗具有較強的依賴性[3]。而且,水冶車間的自動化程度較低,無法實現相關生產數據的精準統計、高效處理和實時共享。

目前,數字孿生技術的應用可以突破眾多復雜物理條件限制,通過模型和數據雙驅動,以數字化的形式在虛擬空間中構建與物理車間一對一映射的孿生車間[4]。一方面,通過孿生車間與物理車間的雙向真實映射,實現從設計到運維的全要素、全流程、全生命周期數字化仿真,推進工程管理、流程控制、決策驗證等,從而大大提升設計、生產、運維等各環節的質量與效率[5]。另一方面,通過孿生車間與物理車間的雙向實時交互,對物理車間的運行狀態進行動態優化調控,使生產過程持續優化,實現具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式,最終完成以虛仿實、以虛映實、以虛控實、以虛預實、以虛優實、虛實共生,通過與物理車間不間斷的閉環信息交互反饋與數據融合,能夠模擬物理生產過程,監控生產過程變化,反映生產運行狀況,評估生產運行狀態,診斷異常故障,預測生產趨勢[6]。

1 水冶車間工藝流程

離子型稀土礦采用特定的浸礦劑實現原地浸礦,通過沉淀富集的生產工藝實現對浸出母液的處理,母液處理工藝過程主要包括母液預處理除雜、沉淀、壓濾脫水三個工序。

原地浸出的稀土母液,經過收液系統進入中轉池,調節母液的質量和流量,再通過泵打入除雜池。向除雜池中加入對應的化學藥劑進行除雜反應后,上清液自流進入沉淀池,渣頭自流進入沉渣池。進入沉淀池的上清液經過進一步的沉淀反應后,上清液返回浸礦劑配液池,而沉淀物進入孵化池,經過壓濾機壓濾脫水處理后,廢水進行廢水處理,而產品被運送至分離廠進一步進行分離加工。配液池中的清液,通過進一步調配保證其維持在一定濃度范圍和pH 范圍內,然后泵入高位池,再通過注液孔注入礦體中。

圖1 水冶車間工藝流程圖

2 數字孿生水冶車間

數字孿生水冶車間采用機理模型、數據模型耦合迭代的方法,實現水冶流程全要素、全過程、全生命周期的數字化建模[7]。其中,機理模型為基于內在化學反應和水冶機理的建模方法,該類方法與先驗知識相結合,具有可解釋性。數據模型為基于數據驅動的建模方法,包括深度學習、人工神經網絡、集成學習、強化深度學習、遷移學習等,該類方法適用于非線性、多約束、復雜的生產系統[8]。通過兩種建模方法的耦合迭代,實現數字孿生水冶車間不同層級、不同功能系統的數字化建模。

按照離子型稀土礦水冶車間生產工藝流程,包括:母液-除雜中轉-除雜-沉淀中轉-沉淀-孵化-壓濾,將相關的全部生產過程數字化,建立離子型稀土礦水冶車間全流程動態模型,實現物質流、信息流等多要素數字化無縫連接。

2.1 設備智能體構建

根據離子型稀土礦水冶車間各個工序所用設備的能力、屬性、運行操作機制、能耗、故障規律等特點,建立除雜中轉池、除雜池、沉淀中轉池、沉淀池、孵化池、壓濾機、配液中轉池、配液池等主要環節的智能體模型。同時,基于已有的物性數據庫、工藝數據庫、生產信息庫等,實現物理水冶車間各種生產要素在數字孿生工廠的全面集成和融合。

2.2 生產全流程建模

基于所構建的設備智能體和工藝流程邏輯,建立從浸出母液輸入到稀土產品輸出整個離子型稀土礦水冶車間生產過程的數字化工藝模型,將物質流、信息流等多要素數字化耦合銜接,并針對生產監控需求和過程優化目標,在流程模型上設置相應的參數控制器,實現對物理生產全過程的一對一虛擬數字化映射,為水冶車間數字孿生功能應用提供底層數字化模型,將離子型稀土礦水冶車間數據動態可視化以“一張圖”的方式呈現[9],如圖2 所示。

圖2 水冶車間生產全流程建模

2.3 工藝參數數據讀取和展示

立足于離子型稀土礦水冶車間的生產工藝流程,以及基礎自動化改造,通過對接和讀取DCS 系統的各類檢測數據,包括:母液中轉池的母液流速、稀土離子濃度、雜質濃度,除雜池的液位值、pH 值、稀土濃度數據,沉淀池的液位值、pH 值、稀土離子濃度,孵化池的液位值、稀土產品質量以及配液池的液位值、pH 值,形成相應的數據庫。通過設備智能體模型和數據雙驅動,以數字化的形式構建了與物理設備一對一映射的監測模型。

2.4 工藝參數數據動態監測

1)生產輔助分析

對水冶生產過程中,主要生產設備(除雜池、沉淀池、配液池、孵化池等)的關鍵工藝控制參數,主要包括:液位和酸堿度,設定相應的上限值和下限值,進行實時監控和預測預警,如圖3 所示。通過此功能模塊,能夠對生產異常情況,如反應池異常排液、酸堿度超出閾值等進行預警分析,輔助生產穩定運行。基于數據的動態交互,可準確監控各個工段生產設備的實時運行狀態,各關鍵技術參數的變化情況,設備的啟停情況、設備儀表實時數據等。匯總相關信息生成設備運行記錄,按預設規則可自動生成報表。

圖3 生產輔助分析界面-沉淀池

2)稀土產品監測

對水冶生產過程中,任一生產階段(設定起始時間、終止時間)內的浸出母液輸入、稀土產品輸出進行統計分析計算,進而得到稀土的母液注入、產物產量以及回收率的動態變化分析值,如圖4 所示。通過此功能模塊,能夠對水冶生產過程中,任一時間階段內的稀土生產情況進行分析掌握。通過匯總稀土產品的實際生產結果,進行自動數據統計,并與實際生產排班計劃進行對比,為后續生產計劃的制定和安排提供數據支撐。同時對收集到的數據,進一步進行量化、衡量、跟蹤、統計,實現生產計劃與浸采工序、中間物料、原輔料、庫存的數據交互。

圖4 稀土產品監測界面

3)原料消耗監測

對水冶生產過程中,各種輔助原料的動態消耗狀況,以及每種原料在各種生產設備的動態消耗占比等進行計算分析,同時對任一時間階段內的各種原料的消耗總量進行統計分析,如圖5 所示。通過此功能模塊,能夠對生成過程中的各種輔助原料消耗情況進行動態實時掌握,同時對任一時間階段內的累計消耗情況進行統計分析。統計分析以趨勢、條形圖、餅圖、報表等方式表現,及時、準確、全面地反應各種輔助原料的存貨狀況和存貨資源占用情況。

圖5 原料消耗監測界面

3 結論

通過應用數字孿生技術構建離子型稀土礦水冶車間動態數據可視化展示系統,基于工業互聯網平臺應用,鏈接設備傳感器,對接自動化數據,實現對水冶車間各個工序/工段進行全方位、多種類立體數據監測,進一步促進多源數據的互通融合,包含由生產數據、傳感器數據、設備數據等為主的基礎數據,形成龐大的、可復用的數據資產庫,解決由于缺少數字化賦能而導致的數據采集碎片化、數據內容不完整、數據格式不一致、數據傳輸孤島化等問題。通過構建水冶車間生產運營“一張圖”,實現水冶時空動態監測,融合浸采、除雜、沉淀、壓濾四大生產流程,一張圖繪到底,支撐對多個工序/工段的業務實時全局管理,實現多要素的動態場景監測。通過數據來驅動動態場景,映射物理水冶車間,形成有效的、精細化的管理模式,賦能離子型稀土礦水冶車間實現生產、設備、物流、質量全數字化管控,讓動態數據產生價值,輔助智能決策。