矿石质量智能控制系统研究与应用

李小帅，郭连军，徐振洋，王雪松，宁玉滢，孙铭辰

(1.辽宁科技大学矿业工程学院，辽宁 鞍山 114051；2.鞍钢集团鞍千矿业有限责任公司，辽宁 鞍山 114001)

矿石质量的优劣直接影响整个矿山乃至采选联合企业的生产效率和经济效益。长期以来，矿山企业在制定采矿生产任务时，往往只考虑品位和生产量，忽视企业整体效益和效率。以致矿石质量难以得到有效控制，生产中经常出现入选矿石达不到最优品位、生产不稳定、生产成本高等问题，因此必须着眼于矿石质量控制。对于存在多品位矿石供货来源的采选一体化企业来说，配矿优化[1-3]是实现精矿稳定生产、降低生产成本的重要内容。

近年来众多学者在配矿优化方面开展大量研究。王李管等[4]利用地质统计法对出矿点品位进行精细化预测，并建立配矿优化模型，通过C++语言编程实现多元素多卸矿点矿山快速配矿计算；杨驰等[5]通过二次开发3DMine软件，并结合线性规划单纯形大M法，实现配矿入选品位的稳定；徐铁军等[6]提出基于语言偏好和满意度的两步式模糊优化算法，有效地解决了复杂配矿问题。鉴于前人相关研究，本文针对多采区大区域协调配矿问题，借助车辆路径问题(vehicle routing problem，VRP)求解中的两阶段构造启发式算法，利用C++开发多采区配矿软件，对多采区协同配矿进行控制，提供矿石质量控制的关键技术。

1 基于VRP的配矿优化模型构建

1.1 VRP算法研究现状

1959年DANTZIG和RAMSER研究了汽车配送汽油的路径优化问题，最早提出了车辆路径问题(VRP)以及线性规划模型求近似最优解的方法[7]。此后，大量学者针对不同的VRP开展了相关研究[8-10]，经过几十年的发展，VRP已经成为运筹学与最优化研究热点。由于VRP求解过程较复杂、处理时间较长，目前针对VRP求解方法往往采用启发式算法。

矿山配矿优化问题可以描述为多个出矿点安排电铲、卡车向多个破碎站运送矿石，破碎站位置和处理量固定，卡车载重量一定，通过合理调配卡车使目标函数达到最优，即生产成本或总体做功最小，并满足所有约束条件。采矿环节配矿流程如图1所示。

图1 采矿环节配矿流程图Fig.1 Ore-blending flow in mines

1.2 目标函数建立

由于不同企业具体生产要求与条件各不相同，目标函数建立也略有差异，一般以经济利润、生产成本、能源消耗、生产质量、出矿量等因素建立目标函数居多。根据鞍千矿业有限责任公司(以下简称鞍千矿)生产实际，以生产成本最低为目标建立函数关系。鞍千矿现有3个采区，3个破碎站，共有待出矿点50个左右，设第i个出矿点参与配矿计算，第i个出矿点到第j个破碎站的距离为lij，由第i个出矿点运送到第j个破碎站的矿石量为xij，生产成本用V表示。目标函数表示为式(1)。

n=50，j=1，2，3

(1)

式中：m为是否选择该出矿点参与配矿，m=0不选择，m=1选择；a为单位矿石铲装成本，元/t；b为单位矿石每公里运输成本，元/(t·km)；d为每辆卡车的运输量，取80 t；c为每辆空车返回时每千米运输成本，元/km。

1.3 配矿约束条件分析

1) 各出矿点出矿量约束。一般情况下矿山为了降低损失、贫化率，各出矿点矿石保有量一般可供电铲铲装2～3 d，在计算出矿量时不可超过该出矿点最大可出矿量，也不可超过电铲最大生产能力。因此各出矿点出矿量上限约束计算见式(2)。

m(xi1+xi2+xi3)≤min(Ac,Mi)，

i=1，2，3，…，50

(2)

式中：Ac为电铲最大生产能力；Mi为第i个出矿点最大可出矿量。

铲装作业时，频繁地移动电铲会降低其工作效率，通过约束出矿点最小出矿量来减少电铲频繁移动，使铲装效率最大化，见式(3)。

m(xi1+xi2+xi3)≥Ci，i=1，2，…，50

(3)

式中,Ci为出矿点最小出矿量。

2) 目标品位约束。在鞍千矿实际生产中，3个采区不同出矿点的矿石品位及元素种类差距较大，通过协调不同出矿点出矿量进行配矿工作，使总体全铁、亚铁品位满足规定目标品位，计算见式(4)和式(5)。

(4)

(5)

式中：gi为第i个出矿点全铁品位；fi为第i个出矿点亚铁品位；G为全铁目标品位；F为亚铁目标品位；X为计划出矿总量。

3) 计划出矿总量约束。配矿方案中，各出矿点出矿总量需满足设计生产能力，即计划出矿总量X，见式(6)。

(6)

4) 破碎站处理量约束，计算见式(7)～(9)。

(7)

(8)

(9)

式中，y1、y2、y3分别为1号破碎站、2号破碎站、3号破碎站日最大处理量。

5) 出矿点数量约束。采区内电铲数量有限，配矿方案中的出矿点数目过多时，电铲数量不足，无法满足出矿点同时出矿，因此最终选取出矿点的数量不能大于可供生产的电铲数量，计算见式(10)。

Nk≤Nc

(10)

式中：Nk为选定的出矿点数量，即m=1时所对应的出矿点数；Nc为可供生产的电铲数量。

1.4 两阶段算法流程

两阶段算法具体步骤如图2所示。

1) 确定现阶段矿山基本参数信息，如待出矿点全铁品位gi、亚铁品位fi、生产运输成本a、b、c等。

3) 在原约束条件下求解，若人工变量均为0转步骤4继续进行第二阶段求解，否则无最优解。

4) 以步骤3求得的基可行解为初始解，采用单纯形法对目标函数进行求解。

5) 求出最优解xij，输出成本最低的配矿方案。

图2 算法流程Fig.2 The arithmetic flow chart

2 应用实例

2.1 矿山概况

鞍千矿业有限责任公司为大型铁矿石采选联合企业，拥有许东沟、哑巴岭、西大背三个采区，年设计采剥总量为3 140万t，年出矿能力为1 400万t，日设计矿石产量41 320 t，境界内平均品位28.58%，其中全铁平均含量28.20%，亚铁平均含量2.03%，目前实际揭露品位为24.5%；三个采区用于出矿的运输设备50余台，铲装设备10余台(均不含正在维修设备)；该公司共有哑巴岭粗破、许东沟粗破、北破粗破三个破碎站，每个破碎站日最大处理量20 000 t左右；不同时期选矿厂要求全铁、亚铁入选品位会有所调整，目前全铁、亚铁目标品位分别为26.8%和9.3%。

2.2 矿山三维模型建立

通过C++独立开发三维建模软件，根据鞍千矿3个采区最新开采现状测量数据及品位信息建立可视化三维采区现状模型、出矿点品位模型，为下一步配矿计算和配矿方案可视化显示提供基础。鞍千矿采区现状三维模型如图3所示。

图3 鞍千矿采区三维模型Fig.3 3D geological model of Anqian mine

2.3 配矿参数录入

鞍千矿现阶段实际参与生产出矿点9个，其中，许东沟采区4个出矿点、哑巴岭2个出矿点、西大背3个出矿点。经分析现场实际生产需要后，通过矿石质量智能控制系统在这9个原出矿点附近人工圈定出16个待出矿点进行配矿计算，其中，许东沟5个，哑巴岭4个，西大背7个，系统根据圈定区域炮孔品位信息，可自动估算区域内平均品位信息，并计算出圈定区域矿石总量。利用人机交互功能绘制出待出矿点到破碎站基础线路，通过系统自带测量工具便可自动给出由待出矿点到3个破碎站的运距。设定全铁和亚铁目标品位分别为26.8%和9.3%，设定出矿总量为24 000 t，求解步为1 000步，品位上下限误差分别为+3%和-1%。表1为待出矿点信息，图4为配矿操作界面。

2.4 配矿结果分析

通过系统计算共得到10种配矿方案，表2为经济最优配矿方案。该配矿方案最终确定7个出矿点，数量低于矿山可用电铲数量，符合生产要求；哑巴岭粗破、许东沟粗破、北破粗破处理量分别为9 000 t、15 000 t、0 t，均低于破碎站最大处理量；全铁最终品位为26.789%，误差-0.0079%；亚铁最终品位为9.422%，误差+0.0131%。实际应用结果表明：此算法在满足经济最优目标情况下，出矿总量以及两种元素品位指标均符合设定要求，且整体误差率较低，基本满足矿山实际生产要求。

表1 待出矿点信息Table 1 Data of the blasted muck pile

表2 配矿方案Table 2 Scheme of stope ore blending

图4 配矿界面图Fig.4 Ore blending operation interface

系统实现了配矿计算结果三维可视化显示，能够自动标定出矿点，显示运输线路、出矿量、品位等信息，不但使配矿结果更加直观，也极大地提高了工作效率。配矿方案及线路规划如图5所示。

图5 配矿方案三维显示Fig.5 3D display of scheme of stope ore blending

3 结 论

1) 针对鞍千矿多采区、多破碎站、多元素的复杂配矿问题，在充分分析矿山实际生产约束条件后，以采矿过程生产成本最优为目标函数，构建了基于VRP两阶段算法的配矿数学模型，并结合自主开发的矿山三维建模软件，实现了出矿点自动选择并圈定、配矿信息显示以及线路规划，最终配矿方案符合矿山实际生产要求，为解决多采区协同配矿问题提供了一定方法和手段。

2) 以采矿过程生产成本为目标函数，可以充分根据现阶段矿石价格及油价等经济因素，编制符合矿山经济利益的短期配矿方案，有利于降低矿山生产成本。

3) 配矿数学模型构建过程中仅考虑了采矿过程并未将选矿过程融入其中，没有做到真正的系统化、一体化，并且忽略掉了一些次要的约束条件，今后的研究中可在这些方面加以改善，进一步提升配矿效果。