您当前的位置: 浮选机 »机器视觉的矿物浮选
 

机器视觉的矿物浮选

发布时间:2017-12-13    文章来源:山东浮选机厂家    作者:lynn

在线检测与分析技术是实现自动化、智能化的基础。在过去的十年里,选矿过程的流量、物位、压力、温度、酸碱度等单一参数的检测应用的十分普及和成熟,这里就不再赘述。

选矿过程在线分析技术的开发与应用不仅从未止步,而且越来越被行业所重视。尤其是随着应用基础研究的快速发展,促进了高端分析系统等智能装备的开发与应用。这类装备通过一个或者多个参数的物理测量和数学建模,能够感知、预测生产中的矿物特征、设备状态、生产指标等复杂的、综合的、关联的过程信息。这些装备使得生产操作智能化成为可能,改变了选矿自动化传统的含义和任务,缩短了选矿自动化技术与生产成本、效益、安全、环保、管理、知识储备、人才培养等经济效益和社会效益之间的距离。

在诸多选矿设备中,磨机运行成本最高、能源消耗最大,磨机运行状态和效率的控制是实现磨矿过程节能优化的关键。决定磨机工作效能的三个因素:磨机筒体尺寸、提升衬板的状态和磨机的装载量及物料分布情况。如果能够及时掌握磨机内物料装载量、磨机内物料浓度粒度状态、衬板磨损程度等设备、状态信息,就能够及时调整磨机操作条件,使得磨机处理量最佳、运转效率最优、维护保养及时。因此,磨机状态监测技术一直是矿业技术研究的焦点和热点,国外的AMIRA、CSIRO、Outotec、COREM、JKMRC等研究机构都在这方面做了大量的研究工作。

磨机电耳检测是采用声响法,将磨机工作过程中产生的噪音,通过麦克采集,转变成仪表信号的方法。据文献报道,该方法被用于南京银茂铅锌矿有限公司选矿厂、中国黄金集团内蒙古矿业有限公司乌努格吐山铜钼矿选矿厂等的磨矿控制系统中,起到了良好的应用效果。我国在较长一段时间内采用电耳方法预测磨机负荷状况,该方法在一定程度上能够反映磨机负荷状况,但是由于干扰信号种类众多、信号分析处理手段比较简单,准确度受到了一定影响。

2006年我国开始基于磨机筒壁振动信号检测与分析的“磨机/半自磨机负荷检测技术”研究,成功开发“基于振动测量的磨机负荷监测”系统,实现了振动信号采集和信号实时处理,设备在工业现场长期可靠运行。但是,磨机振动信号受衬板磨损程度的影响严重,随着时间的推移,信号会出现长期漂移。十二五期间,通过增加衬板磨损测量传感器,在线测量衬板磨损情况,对振动信号进行修正,极大地改进了系统的适用性,同时,可以预测衬板磨损,合理安排检修计划。目前,磨机振动信号的特征参量Beta可用于磨矿控制系统中,并已经成功应用于三山岛金矿、焦家金矿等选矿厂的磨矿给矿控制回路。

综合国内外的研究成果与应用实践看,磨机状态特征具有多参数耦合、时变、大滞后、多样化等特征,依靠单一检测技术或者方法的局限性很大,因此需要具体对象具体分析,根据被监测对象和具体磨矿工艺的特点,将动力学仿真、数据建模、多变量统计监控等多种技术有机整合,才能取得较好的效果。另一方面,这些年我国磨机设备自带的自动化系统比较成熟了,包括功率、电流等参数,润滑、液压等装置的临界操作和联锁控制等。从生产实践来看,这些看似简单的变量和信息,对磨机运行状态的分析也是非常重要的。

目前浮选泡沫状态分析技术以分析浮选泡沫表面视觉特征为主,是浮选工况和工艺指标的直接指示器,在实际矿物选别生产中,浮选泡沫表面视觉特征,如颜色、大小、流速、纹理等依靠人工观察,主观性强、误差大、效率低,无法实现浮选状态的客观评价与认知,造成生产过程不稳定,矿物原料流失严重,药剂消耗量过大,为此将机器视觉应用到矿物浮选过程的监控中,可以提高浮选过程的回收率。

近年来,基于机器视觉的浮选泡沫表面特征监测技术已引起了工业发达国家科研机构的高度关注并推出相应产品。C. Aldrich等、Ivana Jovanović等以及南非Mintek中共提及16款国外的泡沫图像产品。但相关文献较少,其中Visio Froth(Metso),FrothMaster(Outotec)已在国外的矿山企业有了广泛的应用。国内北京矿冶研究总院、中南大学、中国矿业大学等也开展了浮选泡沫图像处理及检测技术的研究,取得了一定的研究成果。

J.F. Reddick等使用SmartFroth尝试通过颜色预测品位,并认为单独的颜色信息不能用来准确的预测精矿品位。A. Supomo等在印尼PT Freeport的粗选槽上,使用VisioFroth测量泡沫溢流速度,通过修改液位控制设定值,配以其他限制条件,调整产率,并宣称提高了粗选流程回收率2.4%。J. Leiva等使用VisioFroth测量泡沫输运估计空气回收率,I. Rojas等使用VisioFroth测量泡沫输运特性。

北京矿冶研究总院2008年开发出了BFIPS-I型浮选泡沫图像分析系统,该系统根据获取的浮选泡沫图像可以计算出浮选泡沫大小、个数、稳定性、速度、颜色、纹理等特征参数,该系统在德兴铜矿大山选矿厂铜钼混合浮选作业进行的工业应用,并实现了利用泡沫特征参数对精矿泡沫品位进行的预测。2014年BFIPS-II型浮选泡沫图像分析系统在黄金集团焦家金矿选矿厂中使用,通过联合调解锥阀以及充气量,控制浮选泡沫速度,实现了浮选过程的自动控制并取得显著效果。

中南大学也在基于机器视觉的矿物浮选过程监控技术方面取得了相应的研究成果,研发了铝土矿、铜矿、金锑矿等多种矿物浮选泡沫图像处理系统,其铝土矿浮选泡沫图像处理系统能够自动提取出表示泡沫颜色、大小、速度、纹理、稳定性、流动性等泡沫特征,并提供泡沫图像实时显示、特征曲线及工艺参数曲线实时显示,实现浮选泡沫状态的分类、识别与综合评价和自动生成生产报表等功能,该系统有效改善工人工作环境和劳动强度,对现场浮选操作提供指导信息,提高了浮选过程的自动化技术水平。

其他基于泡沫图像处理技术的方法,还包括统计树型小波变换后的小波系数来提取精选泡沫图像纹理特征参数,利用ARMA(自回归滑动平均)动态纹理模型描述泡沫图像之间的相关性,以及提出基于旋转分类的模糊纹理谱纹理特征提取方法、基于局部特征贝叶斯概率模型的泡沫图像分类方法、基于改进LBP 算子的精选泡沫图像表面纹理粗细度特征提取方法、多分辨率下的小波变换方法、基于SIFT的速度特征提取、凸壳二叉树的SVM多类图像分类算法、小波变换结合ARMA的动态纹理建模方法、自适应分数阶微分图像增强方法、基于颜色共生矩阵(CCM)的纹理特征提取算法、基于PSO的混合尺寸泡沫图形分割方法。

浓密机负荷主要指的是储泥量,通过测量耙架扭矩、耙架电流、泥床压力、泥层厚度等手段均可以间接反映。泥床压力检测通常需要预先在浓密机锥底进行安装时预埋压力传感器,泥层厚度可以通过超声波物位计或浸入式红外浊度仪来实现,这两种方式的优点是反应储泥量更直接,缺点是需要做大量的标定工作。利用耙架扭矩、耙架电流判断浓密机储泥量很简洁实用,但是反应的设备状态信息很有限,失真率也很高。

近年来,软测量技术被应用到浓密机的研究领域。例如北京矿冶研究总院根据浓密机的工作原理,输入输出物料、浓密机电流/扭矩等信号实现了泥床厚度的预报。

利用图像分割技术实现皮带运输机上的矿石粒度(块度)测量,测量对象包括粗碎、细碎的给矿矿石和破碎后矿石,自磨/半自磨机给矿矿石,以及皮带上的钢球、球磨机给矿等,以此为指导进行碎磨控制,能够提高碎矿和磨矿的生产效率和处理量。

美国SPLITENGEINEERING公司开发的Split-online Rock® Fragmentation Analysis system,KSX公司研发的PlantVision系统已在国外矿山用于生产实践。国内在这方面的研究起步较晚,尚处于工业试验研究阶段。

磨矿过程的粒度是直接关系到选矿生产精矿品位和金属回收率的重要指标,粒度的在线检测对磨矿过程的优化控制、提高精矿品位和金属回收率具有重要意义。国内外相关公司和科研机构已经研发出采用超声波衰减、直接测径、激光衍射等多种测量原理的稳定的检测方案和产品。

超声波粒度仪主要由取样装置、空气消除器、传感器(超声波探头)、电子处理装置以及显示仪表部分组成。来自工艺流程的矿浆经过取样装置进入空气消除器,除去混入矿浆中的空气泡后,流进传感器进行检测,为了克服矿浆浓度的影响,传感器同时需要检测浓度引起的超声波衰减对测量结果进行校正。

采用超声波衰减原理的包括德国SYMPATEC GmbH生产的在线超声波衰减粒度仪OPUS(On-line Particle size analysis by Ultrasonic Spectroscopy),美国热电公司的PSM-400型粒度仪,国产设备包括东方测控公司研发的DF-PSM在线超声波粒度分析仪等,这些产品在国内的矿山企业都有应用案例。

直接测径式粒度仪(也称机械式粒度仪)一般由取样装置、流量稳定装置、标定取样器、测量头,电子控制显示单元等组成。其核心检测部件测量头部分由马达、减速机构、凸轮、测量柱塞、差动变压器、测量槽组成。通过马达、减速机构、凸轮、柱塞将马达的旋转运动转换为柱塞在测量槽中的上下垂直运动,带动陶瓷测量头完成测量动作。直接测径式粒度仪不需要除气装置,不受矿浆磁效应和矿浆中杂质的影响,浓度变化的影响也不敏感,从相关报道可见其推广应用的数量远大于其它测量原理的粒度仪产品。

上一篇 已经是第一篇了! 浮选理论与工艺 下一篇
版权所有©山东浮选机厂家地址:山东省烟台市