基于物联网的赤铁矿选矿厂智能化实践_百科知识_行业资讯

技术难点

(1) 矿石粒度分布图像识别技术。如何获得矿石颗粒的图像, 并在提取颗粒、分析图形相关信息的基础上, 实现原矿检测信息实时在线传递, 及时反馈原矿生产部门相关信息。

(2) 赤铁矿矿石流预报模拟系统的搭建。赤铁矿矿石流预报模拟系统是指将矿石由开采、运输、选矿等生产过程中的关键信息进行采集, 并与物联网相连接, 以实现智能化监督、预测、管理, 从而达到提高生产精细度、实现节能降耗的目的。

赤铁矿矿石流预报模拟系统的搭建主要存在以下几个技术难点: (1) 采集采场矿石数据和检测矿石开采点矿石性质信息以获得准确的原矿信息, 并预测矿石开采运输过程中的矿石性质信息; (2) 准确有效的数据采集及合理的调控是物联网平台运行的关键。采集选矿工艺关键参数, 根据矿石组成、品质智能调控选矿设备关键参数来实现工业物联网的实时调控; (3) 物联网信息的交互及实时智能化处理技术。工业物联网中传递的信息具有很强的实时性, 怎样建立各生产工艺装备之间信息交互, 实现物联网设备的自动化控制是一个关键性的技术难点。

(3) 大数据与数据挖掘方法。赤铁矿矿石流预报模拟系统在进行数据挖掘与研究之前, 应首先对生产过程中可采集到的数据信息进行组织分类, 形成大数据, 选择合适的存储及运算处理方法以保证所采集到的数据能够有组织地存储与调用。根据智能赤铁矿选矿厂生产特点和采集的生产数据的类型及组织存储方式, 选择适用性强的数据挖掘方法对生产过程数据进行分析, 并结合预测模型及智能控制系统的自学习功能实现选矿过程的智能化、自动化以及高效化。因此, 如何进行大数据的组织、存储及数据挖掘是采选联动智能化研究的技术难点。

(4) 建立预测模型, 具备自学习能力。赤铁矿智能选矿系统以物联网平台为核心, 为不断提高原矿质量、确保选矿指标稳步上升, 关键是建立智能控制系统预测模型并使之具有自学习能力, 以实现其智能化改造。采矿场矿石分布及性质等相关数据已较为齐全, 但多个开采点的矿石在运输、储存、选矿过程中会进行不同程度的混合, 实际选矿过程中的矿石组成和性质很难预测。因此在研究矿区的整个采矿、运输、储存及选矿各工艺流程特点的基础上, 建立预测模型。赤铁矿智能选矿系统中的控制系统在工程应用中需要根据实际运行效果对预测模型及设备关键参数控制进行适当调整, 以提高精矿产品质量。如何建立智能控制系统自学习的调控机制及预测模型参数的优化调整, 是保证产品质量不断提升的关键。

技术路线

赤铁矿矿石流预报模拟系统能够实时获取采选生产线上的矿石性质信息, 掌握采场的矿石分布数据、采选生产线各工艺流程的时间节点及工艺特点, 使得矿石流预报模拟系统能够自动匹配矿石关键特征信息, 预测矿石性质, 并实时对生产设备的关键参数进行调整。

在现有工作的基础上, 依据赤铁矿矿石流预报模拟系统的组建特点对采场的采矿设备、转运设备、选矿设备进行改造, 增加多点矿石性质检测装置, 实时获取各关键生产过程中矿石的相关信息, 并将采集的数据有组织地储存至数据库中, 供智能控制系统调用。赤铁矿智能选矿系统将智能调控后的决策信息存储至数据库中, 并通过数据对比对智能调控效果进行评价。在大数据分析的基础上智能调控系统, 使之逐渐形成深度自学习能力, 自动组织数据的存储、分析以及数据挖掘, 实现真正的采选联动智能调控及系统的深度自学习。

根据智能赤铁矿选矿厂的自动化控制需求, 需要对选矿过程中关键工艺过程进行研究分析, 构建基本的预测模型, 用于矿石采选联动智能控制及自动化生产的数据预测, 使得相应的工艺生产参数能够实现提前调控, 提高智能控制系统的实时性。同时利用大数据与预测模型的深度自学习能力, 使预测模型能实现自我优化, 并自动组织数据分析, 不断地提高预测模型的准确性, 从而实现采选联动智能控制。

技术路线集成了两套系统间的智能控制, 即矿石预测模型和智能选矿模型。矿石预测模型作为智能控制系统的重要组成部分, 通过将物联网实时采集的数据输入到预测模型中, 得到指导原矿生产部门生产的决策信息流。利用该信息流不断修正原矿预测模型, 使其具备自学习能力, 以适应复杂的选矿环境。智能选矿模型在选矿过程中通过分析产量、品位等动态因素, 实现原矿生产和运输过程中检测信息的实时闭环反馈, 改善控制系统的动态性能, 最大限度地提高生产效率;建立选矿生产线自动化智能控制平台, 通过构建实时数据采集层, 实时在线反馈原矿检测信息, 及时指导原矿生产部门的生产。