基于蚁群—蚁周模型的大均化联合配矿及生产数据集成共享系统研究
Research on a Large Homogenized Joint Ore Blending and Production Data Integration and Sharing System Based on the Ant Colony-Ant Cycle Model
通讯作者:
收稿日期: 2022-10-30 修回日期: 2022-12-30
基金资助: |
|
Received: 2022-10-30 Revised: 2022-12-30
关键词:
Keywords:
本文引用格式
陈建宏, 赵亚坤, 杨珊, 钟旭东.
CHEN Jianhong, ZHAO Yakun, YANG Shan, ZHONG Xudong.
矿石管理工作是矿山企业创造效益、提高利润和扩大市场份额的主要途径,决定着矿产品的质量和价值(徐波等,2013)。随着矿山生产模式的升级和经营理念的更新,传统矿山矿石管理模式的弊端愈加明显,如:信息化程度低、配矿准确度差、数据“孤岛化”严重及手工计算精度低等,影响着矿石管理工作的技术革新,在一定程度上制约了矿山企业的可持续发展(涂鸿渐等,2019;孙铭辰等,2019;冯茜等,2022)。矿石管理工作的目标是满足矿石产量和品位要求,同时控制矿石品位的波动,使其稳定在一定范围内(黄宜卷,2017)。配矿和生产数据管理都是提高矿石管理质量的重要措施,配矿能够提高洗选效率、优化矿产品质量,从而使低品位矿石获得进一步利用(邬书良,2012;陈光木等,2022);生产数据管理是矿山合理编制生产计划的前提,可以有效提高矿石质量和生产效率(侯杰,2019;张兵兵等,2019;陈鑫等,2021)。
针对矿山配矿和生产数据管理工作,国内外学者进行了许多研究。在配矿优化研究中,顾清华等(2021b)针对石灰石露天矿的配矿多目标和难优化的问题,根据模糊多目标算法构建了配矿模型以解决实际需求,采用最大最小理论和优化遗传算法等工具进行解算,实现了减少品位偏差及降本增效的目标;王李管等(2017)针对多金属露天矿配矿时间长、精度低和品位不均匀等问题,提出了目标规划下的露天矿自动化配矿优化方法并建立了模型,借助C++编译和LPSlove求解器解算该模型,提高了配矿效率;熊涛(2018)通过应用线性规划方法,结合MATLAB软件求解目标函数,实现了露天矿山的合理配矿,稳定矿石产品的出矿品位,达到了运输成本最低及资源利用最大化的目的;黄麟淇等(2021)针对柿竹园矿地下露天协同开采后的矿石品位不均衡问题,在采矿和选矿流程下构建了多目标精细化配矿模型,采用自适应性遗传算法求解模型,通过优化配矿提高了选厂回收率。随着研究工作的不断深入,人工智能算法也被广泛应用于配矿领域,如D-PSO粒子间隔(武晓婧,2020)、专家系统(寇明银等,2022)和MOEA多目标进化算法(顾清华等,2021b)等。生产数据管理的研究是多角度的,包括数据的应用、数据平台和数据分析等。张蕾(2021)建立了基于B/S结构的煤矿企业数据信息报送系统,以解决煤矿生产调度信息报送模式陈旧和数据共享困难等问题,并对该系统的应用情况进行了分析;严忠新等(2021)以选矿的实时数据有效收集和应用为背景,介绍了一种基于矿山数据采集系统的标签化和可视化实践,探讨并肯定了实时数据的工业价值;丁辉等(2018)设计开发了露天矿山管理的数字化系统,搭建数据传输局域网系统、数据存储系统和调度系统,优化了矿山基础数据结构,提高了查询统计的效率。总体来看,目前配矿存在的问题主要是手工计算精度差、入选矿石品位波动大和矿量不均衡,而生产数据管理则存在数据碎片化和集成度低的问题。配矿的矿石品位与矿量之间的关系具有明显的多目标性和层级性(顾清华等,2021a),生产数据管理的数据流管控模式正在向系统化、平台化和集成化转变。
本文构建基于蚁群—蚁周模型的大均化联合配矿及生产系统集成共享系统,提出大均化联合配矿技术理论并建立其蚁群—蚁周模型,统筹采场、堆场和选厂的多级配矿,以全局视角优化配矿量和矿石品位,以大均化周期为迭代次数,在生产循环中通过模型输出的配矿自动指令单持续调整配矿质量;利用现代计算机技术,以ASP.NET低代码开发平台、B/S框架和SQL Server数据库技术为基础,引入大数据图表结合分析技术、集成数据接口技术等手段开发了大均化联合配矿及生产数据集成共享系统,实现了基础信息实时传输共享、一次采集全方位使用,推动了矿山配矿及整体生产工作的即时统计分析和集成一体化。
1 研究方法
1.1 蚁群算法原理
式中:
当蚂蚁完成一次循环的路线搜寻后,原本路线上的残留信息素不再具备寻路意义并旋即进行更新,因此信息素的更新模型是蚁群算法的关键所在(王磊等,2011)。在t+1时刻,信息素更新的公式为
式中:
根据信息素增量、更新路径和更新形式的不同,蚁群算法的信息素模型主要划分为3种:
(1)蚁周模型
每完成一次路径搜索后,整体线路上的全局信息素全部更新,路径上的信息素增量仅与整体线路有关而与节点路径无关时,表达式如下:
式中:
(2)蚁密模型
当信息素增量是固定值,与具体路径和整体路线均无关,并且每完成一次更新路径后更新信息素,表达式如下:
(3)蚁量模型
当信息素增量与具体路径有关,且在每完成一次更新路径后更新信息素时,表达式如下:
式中:
1.2 大均化联合配矿技术理论
从矿山的整体配矿流程来看,供矿品位的控制可通过采矿配矿、堆场配矿和选矿二次配矿来实现。结合配矿的工序环节,建立基于矿山全流程的大均化配矿理论,即从采场配矿、堆场配矿和选矿配矿3个方面出发,实现对矿石的全流程均化,最终使矿石品位和矿量均衡、稳定。其技术核心是针对矿山多目标、多阶段优化需求建立大均化配矿模型;整体技术思路是根据大均化配矿模型的科学解算结果自动制定并更新配矿指令单。具体技术路线如图1所示。
图1
图1
大均化联合配矿技术路线图
Fig.1
Road map of large homogenization joint ore blending technology
由图1可知,技术路线从3个方面理解,分别是模型准备、建立模型和模型结果转化。
(1)模型准备。全面分析配矿参数与基本流程、配矿工艺优缺点和矿山基本生产信息,在矿产品最低指标的前提下做好建模准备工作。
(2)建立模型。在准备工作的基础上进行大均化联合配矿模型的建模算法遴选,充分考虑矿山实际和算法特点,使得大均化联合配矿模型更科学。
(3)模型结果转化。大均化联合配矿模型的输出结果是配矿指令单,通过动态调整指令单来优化生产计划,并进一步转化以实现集成可视化。
1.3 大均化联合配矿函数
(1)目标函数
①矿石入选品位波动限制目标函数。由于矿体赋存的不均匀和生产中的外料掺入,矿石品位一般会存在波动(李伟,2019)。矿石品位波动限制目标函数是建立在大均化配矿合理分配采场、堆场、选厂的不均衡矿量和品位的基础上,根据矿场实际矿石品位情况多次调整混合比例以均衡入选矿石品位,目标函数如下:
式中:
②矿石量平衡目标函数。为实现流程工艺的矿石量平衡,需要限定相邻2个阶段受矿点矿量的差值最小化,以平衡采、堆和选之间的矿石量,在满足生产计划规定矿量的前提下辅助矿石品位达到产品标准。矿石量平衡目标函数如下:
在理想情况下,
(2)约束函数
根据大均化配矿目标函数和实际配矿流程参数,总结各目标函数的约束条件函数如下:
① 矿石品位波动约束函数
式中:
② 最低入选矿石品位约束函数
式中:
③ 基于生产能力约束的矿量约束函数
式中:
2 基于蚂蚁算法的大均化配矿蚁周模型
2.1 惩罚函数的无约束化处理
蚂蚁算法的路径搜索过程不考虑约束条件,因此整合实际生产约束函数至目标函数中时,需借助惩罚函数方法将大均化配矿的有约束问题转化为无约束问题(唐庆利等,2017)。由式(9)~
式中:e为惩罚因子。
在惩罚函数的不等式约束中,
经惩罚函数处理后的约束函数转化为新的整合目标函数:
在蚂蚁算法中,启发函数与节点之间的路径长度有关,启发函数公式为
2.2 蚁群—蚁周模型的大均化改造
(1)蚁群算法的大均化改造
通过
式中:信息素浓度
(2)信息素蚁周模型的大均化改造
当待优化样本
式中:
大均化联合配矿所包含的配矿矿量变化和矿石品位变动均可视为蚂蚁路径上的信息素更新参数,因此该过程是利用全局信息进行信息素增量调整。选取蚁周模型作为信息素更新模型,改造步骤如下:
根据
由
随着模型迭代次数的不断增加,作为“蚂蚁”的工序配矿矿量会被持续调节,最终在优化各环节矿量和矿石品位的基础上实现全流程的大均化联合配矿,模型的整体流程如图2所示。
图2
图2
大均化联合配矿模型流程图
Fig.2
Flow diagram of large homogenization joint ore blending model
在实际生产中,生成配矿指令单的频次和效率取决于模型参数迭代。在本模型中信息素的变化量时间函数对应大均化联合配矿的流程循环,当完成一次大均化联合配矿环节时,信息素更新迭代一次,同时生成配矿自动指令单并对照配矿底线指标以调整模型迭代参数。
3 大均化联合配矿及生产数据集成共享系统
3.1 生产数据集成共享一体化管理方法
图3
3.2 系统设计与开发
以生产数据集成共享一体化管理方法为基础,设计系统的主要功能模块如下:
(1)矿山生产基础信息数据库。基于SQL Server技术建立数据库模块,为矿石质量管理提供准确的资源储量和矿山基础数据。
(2)生产计划模块。根据矿山计划和配矿实际需求,编制整体及采场的时间生产计划。
(3)大均化配矿指令模块。根据蚁群—蚁周模型的配矿自动指令单、资源赋存情况及回采现状,综合确定大均化联合配矿方案,实现流程均衡出矿。
(4)系统集成可视化界面。对供矿管理方式和配矿现场调度模式进行上位端侧的适应性调整,内容包括现场调度模式、生产预测及配矿过程的矿石均化控制。
(5)大均化配矿计算模块。在蚁群—蚁周模型迭代计算结果的基础上,综合考虑生产计划的供矿品位、供矿量和矿堆库存矿品位,实现配矿量的自动计算及调整。
(6)大均化配矿管理模块。对供矿管理功能、数据查询功能及统计报表功能等进行开发,引入大数据图表结合分析技术。
(7)生产调度信息管理模块。将生产调度信息进行实时采集、共享及动态发布,借助集成数据接口技术完成多源数据流与数据库的高效对接。
采用ASP.NET开发工具和SQL Server数据库技术,以低代码开发平台和浏览器载体设计B/S框架。通过B/S框架的浏览器交互能力,集成和提取SQL Server数据库中的数据流,并借助浏览器WEB端系统界面集中展示矿山配矿生产的界面、数据和功能,一体化整合大均化联合配矿模型和生产数据管理功能,开发大均化联合配矿及生产数据集成共享系统。
3.3 系统应用
本系统研发成功后即在广东省大宝山多金属矿进行了应用。大宝山多金属矿原有的配矿技术方法是根据采场资源数据进行手工计算来实现配矿管理,入选品位偏差较大,工作精度和效率较低。
图4
图5
图5
系统大数据图表结合分析效果图
Fig.5
Effect diagram of system big data chart combined with analysis
4 结论
(1)通过对矿山配矿生产的深入研究,在采场、堆场和选厂一体化的条件下,基于流程均化配矿提出了大均化联合配矿技术理论,并根据各工序配矿矿量和矿石品位指标的技术要求,建立了大均化联合配矿函数并选取蚁群算法构建了大均化联合配矿蚁群—蚁周模型,通过迭代优化后的配矿自动指令单,控制了矿石入选品位和矿量优化,实现了矿产品质量的均衡和稳定。
(2)全面分析了数据管理在矿山生产中的重要角色,基于实际生产数据管理问题和现状提出生产数据集成共享一体化管理办法,并整合大均化联合配矿模型和矿山生产过程,确定了一体化管理的具体内容和功能。
(3)通过ASP.NET开发工具和SQL Server数据库技术,以B/S框架为载体研发了大均化联合配矿及生产数据集成共享系统。采用集成数据接口、大数据图表结合分析等技术保证了多数据源条件下的系统数据实时性、动态性和集成性,实现多界面和多数据的分析、联动和共享。
(4)以本系统在大宝山多金属矿的应用效果为例,矿山实现了控制矿石入选品位波动、提高资源综合回收率等技术要求,通过本系统的配矿优化和生产调整,矿区境界内低品位资源得到了充分利用,提高了矿山服务年限和矿产品质量。
http://www.goldsci.ac.cn/article/2023/1005-2518/1005-2518-2023-31-2-292.shtml
参考文献
Dabaoshan mine homogenization intelligent ore matching system research
[J].
Development and application of collaborative platform for mine production technology
[J].
Research and application of production efficiency improvement of digital mine management in open-pit mine
[J].
Application of constrained multi-objective particle swarm optimization to sinter proportioning optimization
[J].
The intelligent bionic model—Ant colony
[J].
Research on multi-metal and multi-objective intelligent ore blending in open-pit mine based on evolutionary algorithm MOEA/D-AU
[J].
Optimization model of ore blending of limestone open-pit mine based on fuzzy multi-objective
[J].
Optimization Model of Mining Scheme for Underground Metal Mine Based on Block Value
[D].
Optimization research on the polymetallic multi-objective ore blending for unbalanced grade in Shizhuyuan mine
[J].
Study on the production of ore quality management
[J].
Research progress on optimization technology and its model of ore-blending for sinter process
[J].
Ore Mixing Characteristics and Regulation of Released Ore Grade during the Ore-drawing in the Main Ore-pass of Jinshandian Iron Mine
[D].
Practice of improving the selected ore quality in large complex strip mine
[J].
Research on intelligent optimization of large area coordination allocation in multi-mining areas
[C]//
Comparative analysis on methods and algorithms for optimization of raw materials blending in sinter process
[J].
Ore grade control blending in open-pit mine based on mixed integer programming
[J].
Research on elevator group control system based on ant colony algorithm
[J].
Analysis on three parallel models of ant colony algorithm
[J].
Optimization of open pit multielement ore blending based on goal programming
[J].
Ore Matching Model of Establishment of Underground Bauxite Ore and Optimizational Research
[D].
The Research on Sintering Ore Optimization Model and Sinter Quality Prediction
[D].
Application of linear programming in a metal open pit mine
[J].
Management system of accurate ore costing for gold mines
[J].
Real-time data acquisition of mineral processing process based on service
[J].
Digital and fine management practice of open-pit mining and stripping construction
[J].
Research and application of data information reporting system in coal mine enterprises
[J].
Application of ant colony algorithm in intelligent coal preparation process of dense medium
[J].
大宝山矿大均化智能配矿系统研究
[J].
矿山生产技术协同平台研发与应用
[J].
露天矿数字化矿山管理生产效率提高研究与应用
[J].
约束多目标粒子群算法在烧结配矿优化中的应用
[J].
新型智能仿生模型——蚁群模型
[J].
基于进化算法MOEA/D-AU的露天矿多金属多目标智能配矿研究
[J].
基于模糊多目标的石灰石露天矿配矿优化模型
[J].
基于块体价值的金属地下矿山开采规划优化模型研究
[D].
柿竹园矿非均衡品位多金属多目标配矿优化研究
[J].
生产矿山矿石质量管理研究
[J].
铁矿粉烧结优化配矿及其模型研究进展
[J].
金山店铁矿主溜井放矿过程中矿石混合特性及放出矿石品位调控
[D].
大型复杂露天铁矿提高入选矿石质量实践
[J].
针对多采区大区域协调配矿智能优化研究
[C]//
烧结配料优化方法及算法对比分析
[J].
基于混合整数规划法的露天矿配矿品位控制
[J].
基于蚁群算法的电梯群控系统研究
[J].
蚁群算法的三种并行模型分析
[J].
基于目标规划的露天矿多元素配矿优化
[J].
地下铝土矿配矿模型的建立及优化研究
[D].
烧结配矿优化模型及烧结矿质量预测研究
[D].
线性规划在某金属露天矿山中的应用
[J].
黄金矿山矿石生产成本精细化管理系统
[J].
一种基于服务的选矿流程实时数据采集
[J].
露天矿山采剥施工的数字化精细管理实践
[J].
煤矿企业数据信息报送系统的研究应用
[J].
蚁群算法在重介质智能化选煤过程中的应用
[J].
/
〈 |
|
〉 |
