大型浮选机的过程检测和控制技术进展

刘国蓉 刘之能 孟 玮 方 昊

(北京矿冶研究总院)

大型浮选机的过程检测和控制技术进展

刘国蓉 刘之能 孟 玮 方 昊

(北京矿冶研究总院)

从影响浮选过程的基本参数入手，总结了国内外关于浮选过程的液位控制、充气量控制、矿浆流量控制、在线品位检测控制等基础控制技术以及工业应用的相关产品，总结了更高级别的浮选控制过程、控制策略及目前取得的相关进展，以及存在的问题，探讨了浮选过程控制的未来发展趋势。

大型浮选机 浮选 过程控制 液位控制

浮选是世界上矿物分选最主要的方法之一，世界上90%的有色金属、50%以上的黑色金属矿物均采用浮选法处理。使用浮选法每年分选的有用矿物数量达20亿t以上[1]。随着矿物资源的贫、细、杂化，浮选越来越重要、应用范围越来越广泛。随着选矿厂日处理量的增大，单槽容积大于100 m3的浮选设备大量进入工业应用。大型浮选机在提高选矿指标、减少占地面积、降低单位功耗、节约人力成本等方面有明显的优势。国内外知名的浮选机研发单位，如中国的北京矿冶研究总院、芬兰奥图泰、丹麦的FL斯密斯和芬兰的美卓公司均将浮选机的大型化作为研发重心。近年来，都相继开发并工业应用了300～500 m3的超大型浮选机。

浮选实践表明，使用大容积浮选槽可使单位能耗降低30～40个百分点[1]，随着大型浮选机技术的成熟，越来越多的矿山为节省成本和扩大产能选择了大型浮选机。然而，大型浮选机由于容积大，矿浆波动周期长，液面控制和充气量控制等要求更加精确，对浮选作业的过程控制和设备控制提出了更高的要求。浮选过程的自动化控制和大型浮选机技术的革新相互制约、相互促进，得到了快速的发展。针对国内外浮选机的发展历程和现状，北京矿冶研究总院的沈政昌教授[2-6]，马鞍山矿山研究院的赵昱东教授[7-8]和中国矿业大学的刘炯天院士[9]等做了详细的阐述，本文仅对大型浮选机的过程检测和控制技术进行综述。

1 浮选过程控制发展简介

一般认为，浮选过程控制可分为以下相互联系的4个层次。

(1)最基础的层次为仪器仪表本身，如各种控制阀、测量工具、传感器、X荧光衍射装置等，它们是过程控制的基础。

(2)第2层次为浮选的基础控制，主要是将浮选过程中一些基本变量维持在设定值附近，如矿浆液位控制、充气量控制和药剂量控制等，这类基础控制主要通过传统的单输入单输出(SISO)PID控制。

(3)第3和第4层次为高级控制和最优控制。高级控制可以排除给矿性质变化等干扰，保持稳定的精矿品位和回收率。最优控制体现在使选厂实现最大的经济价值，如综合精矿品位、回收率与生产成本之间关系的控制手段。高级控制和最优控制以较低级的控制为基础，通常将多个浮选槽或浮选作业联系起来协同控制，来弥补SISO PID控制的不足。

浮选过程控制技术的发展主要分为2个阶段。第一阶段从1915年普林斯顿大学的Louis Ricketts教授设计的亚利桑那州日处理量15 000 t的Inspiration选矿厂[10]开始，到20世纪70年代。这个阶段很多国内外的选矿厂都安装了简单的控制系统，但是由于当时仪器仪表等测量技术的欠缺，以及浮选机单槽容积过小，台数过多等因素，使得浮选过程控制技术一直无法取得较大突破[11]。第二个阶段从20世纪70年代大规模集成电路出现开始，该阶段浮选电气设备得到了快速发展，出现了载流分析仪、大规模集成电路，这为浮选过程控制提供了硬件上的帮助。与此同时，浮选机的大型化也取得突破，浮选流程中浮选机的台数大幅减少，流程更加简化，也促进了浮选过程控制的发展。另外，现场总线技术和图像分析技术以及能够提供浮选设备工作实时状态的设备自检技术，使浮选过程控制更加成熟。

2 浮选过程控制的重要参数

浮选过程是气—液—固三相中复杂的物理化学过程，有大约100种非线性的、相互影响的复杂因素能够影响浮选过程。Laurila等[12]总结了以下几种影响高级控制和最优控制的典型的浮选工艺因素，如矿浆性质(密度和固体含量)、矿浆流动速率(浮选时间)、电化学性质(pH、电位、以及导电性)、药剂制度、矿浆液位、充气速率、泡沫性质、物料性质、矿石的矿物组成、各产品的品位和回收率、冲洗水的速率等。另外，浮选机的配置也是影响浮选过程控制的重要因素，如浮选流程作业的数量，浮选设备的数量，中矿返回地点，各浮选作业对工艺性质(充气量、泡沫层厚度、矿浆液位等)的要求等。最后，选矿厂中各系统之间的相互制约也应当给予充分的考虑。例如：选矿厂的充气系统和浮选机之间的配合(充气量是矿物浮选分离的重要条件)，磨矿系统对浮选系统的影响。要达到高级控制和最优控制，各基础控制间必须建立有效的联系与协同。

3 浮选过程的基础控制

当前浮选厂的仪器仪表主要采用模拟信号技术，信号转化成数位格式来和自动化系统相互作用。随着现场总线技术的兴起，使选厂基础控制和仪器仪表进行完全数字交流成为可能，这在液位自动控制和充气量控制方面取得成功。现场总线技术使浮选过程中的基础控制在浮选机设计过程中就得到很好的集成，基础控制中控制回路的设计更加便捷。

3.1 液位自动控制

目前，选厂主要应用的液位检测装置为浮子组件(反射盘)与激光测距仪或超声波测距仪、浮子组件(角度悬臂)与电容式角度传感器、反射雷达等。另外，还有一些文献记载的方法[13]，如静压式测量、导电性和电容测量、微波雷达测量等，但是由于浮选槽内的复杂检测环境，检测精度差、维护量大和寿命短使得这些测量方法没有大规模工业应用。

传统的液位控制广泛采用结构简单、容易实现、调整方便的PID控制算法[14]。这在小型、单台浮选机液位控制上有很好的效果。随着浮选机的大型化，单位时间处理矿石量大幅上升，给矿的不稳定对浮选机液位带来较大扰动，同时液位的变化对放矿阀开度和给矿量波动的反应会更加滞后。北京矿冶研究总院的沈政昌教授[6]针对浮选机矿浆液位存在的非线性、迟滞大、多变量相互耦合的特点，开发了采用自适应迷糊PID控制策略的液位自动控制系统BFLC，有效的解决了这些问题。

国内外学者也充分考虑了多变量控制方法来解决单台浮选机液位变化对相邻浮选机液位的影响[15]，提出“解耦合控制器”模型，采用表示前一台浮选机对后一台浮选机依赖度的补偿参数来消除浮选机之间的相互影响；另一种方法是采用多变量模型反馈控制机制，同时控制多台浮选机的矿浆流量来达到控制浮选液位的目的。根据这些观点和基本原理，Mintek的FloatStar液位稳定器、奥图泰的CellStation以及北京矿冶研究总院的多作业系统控制策略BFLC[6]均开发成功并得到工业应用。

3.2 充气量控制

目前，常见的检测浮选过程充气量的方式有[12]：热式气体流量计(A)、文丘里管压差流量计(B)、皮托管或均速管压差流量计(C)，工作原理见图1。

图1 测量原理示意

热式气体流量计(A)：通过监控经过热传感器的空气的冷却效应来计算空气流量，其特点是安装简单、维护方便，但成本较高。文丘里管压差流量计(B)：逐渐变窄的文丘里管限制气体流速，通过检测气体通过时产生的压降来计算气体流速，该方法稳定可靠，能产生准确、可以接受的压降，但占用空间大和成本高。皮托管或均速管压差流量计(C)：通过比较内部管道压力和静态气体压力来计算气体流速，但压差流量计的缺点在于安装时需要较大的空间，需要很长的一截直管来保证测量的准确性。

充气量通常比泡沫层厚度更快的影响浮选行为，充气量控制常被归类在高级控制或最优控制体系中，与液位控制和加药控制联合作用来控制精矿产率。充气量控制相比浮选的其他过程控制更加容易，一个简单的前馈、反馈PI控制回路就能实现对充气量的调节。北京矿冶研究总院BFLC型充气量控制系统已经有了成熟的工业应用实例[6]。

3.3 矿浆流量控制

在浮选回路中，矿浆流量通常没有设定固定的值，只是用来辅助液位控制。然而，矿浆流量的测量对高级、最优控制体系中计算中矿返回载荷以及物料平衡非常重要。同时，矿浆流量对基础控制中药剂的添加控制也比较重要。根据法拉第电磁感应原理设计的电磁流量计是测量矿浆流量最常见的仪器。电磁流量计可每分钟测量30次，结果可信度高。但固体气泡含量的变化会影响测量结果，并且如有测量磁性强的矿浆，需要对矿浆进行降磁处理。

3.4 元素分析

在线品位分析是有效的浮选过程控制的关键，其结果是浮选过程控制的依据。在线品位分析仪能够直接从矿浆流中分析矿浆中矿物的品位，是大型浮选厂必不可少的组成部分。目前，在线品位分析仪分析主要采用X射线荧光分析技术或XRF与可见光和近红外光谱互相补充的分析技术。在线品位分析一个矿样的时间为15～60 s，取样时间为10～20 min，测量精度能够控制在3%～0.003%[16]。

自20世纪80年代以来，矿浆品位在线分析技术主要依赖于国外奥图泰的Courier系列产品为主，该产品最多可测量24个流道，每个流道最多可测量6种元素。近年来，我国载流X荧光品位分析仪的研发取得突破性成果。北京矿冶研究总院2008年开发成功的BOXA型载流X荧光分析仪系统取得了较好的工业应用[17]。该BOXA型分析仪采用了波长色散+能量色散的分析原理，在精度和灵敏度上有了很大提高，对于大多数元素，对于品位为1%的含量水平，能够检测出0.01%的变化，可信度为95%，该产品测量样品流道个数最多为24个流道。

3.5 矿浆电化学性质控制

矿浆电位、pH值和矿浆导电率的测量能够提供矿物颗粒表明化学性质，是最直接观测浮选过程中矿物-药剂-水-空气之间化学变化的方式。在国内外选厂中，pH值的控制检测最为常见，pH值的测量主要用于控制有效浮选的酸碱添加量。我国在矿浆酸碱度在线分析方面进行了较多的实践，以克服选矿过程的结钙、结垢等导致的电机被污染、毒化问题。北京矿冶研究总院自2007年升级开发了BPHM自清洗矿浆酸度计，该产品通过定时控制电极脱离介质进行泡洗，来达到降低或消除结钙可能性的目的，从而使得电极的维护量很少，寿命延长[17]。

3.6 浮选机泡沫图像分析技术

浮选机泡沫图像分析技术，即在浮选液面安装特殊摄像机，用计算机视觉代替人的视觉，获取浮选泡沫流动速度、大小和颜色等，从而实现浮选过程的自动控制。由于浮选泡沫的移动速度可表征浮选产率，泡沫大小和纹理能表征所给药剂量是否合适，泡沫的颜色和亮度可以描述精矿的品位等[18]，泡沫图像技术对选厂的高级控制和最优控制意义重大。

目前，国内外浮选泡沫图像分析已大规模运用于规模实践[17]，瑞典SGS公司开发的METcam-FC能实时采集和分析浮选泡沫的图像信息，可以测量泡沫的移动速度、泡沫稳定性、泡沫大小分布和6个图像色彩输出。METcam-FC是通过无线网络与控制系统进行传输的。美国的KSX公司开发的PlantVision系统中包括了浮选泡沫图像分析系统，该系统可以分析泡沫大小、泡沫颜色成分(红、绿、蓝及灰度)、泡沫纹理、泡沫稳定性、泡沫移动速度。该系统可以完成对浮选设备、浮选作业、浮选系列乃至浮选流程完整的泡沫图像在线分析，完全替代过去靠人工徒步往返观察的模式。北京矿冶研究总院2008年开发的BFIPS-Ⅰ型浮选泡沫图像分析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。

此外，浮选过程基础控制还包括加药控制、矿浆粒度、气体分散度检测与控制等，所有这些基础控制相互影响、相互协调，才能实现有效的浮选，达到选厂最优的控制目的。

4 浮选过程的高级控制

浮选过程的高级控制也称稳定控制，目的是为了消除工业生产过程中各种因素的干扰(如矿石性质、处理量等的变化)，使精矿品位和回收率保持稳定。高级控制建立在稳定、有效的基础控制之上，通过调节设定精矿产率、循环负荷以及流程矿浆中目的矿物的品位和回收率来实现。

精矿产率控制主要是通过测量溢流泡沫流速，通过调节泡沫层厚度和充气率来实现。目前主要工业应用的设备是美卓公司生产的VisioFroth和Mintek公司生产的FloatStart型流量优化器。中矿返回的循环负荷控制通常和产率控制一起实现。

浮选过程的高级控制最重要的目的是保持浮选精矿品位和回收率的稳定，但是由于浮选过程的复杂性，以及浮选流程设计的局限性，高级控制的工业化应用还需进一步探索。然而，在学术研究和工业实践过程中，形成了许多比较先进的控制策略，大体可以分为基于模型的控制策略和专家控制系统(人工智能等)2种。

基于模型的控制策略可以分为经验学模型和现象学模型[6]。经验学模型用统计学方法将测量的输入输出数据关联起来，构成多变量模型，并用于预测控制中。通过分析浮选回路数据并不断校正基于模型的预测控制器，从而实现自适应控制，以适应非线性、过程复杂的浮选控制。预测控制也可以通过现象学模型完成，现象学模型中最引人注目的是一阶浮选动力学模型，该模型假定矿浆颗粒的数量是决定颗粒与气泡相撞速度的第一要素，并且泡沫浓度保持恒定。这样，就可以使用化学反应类比法来为浮选机建模，即固体颗粒从矿浆中移除的过程由一阶速率方程来定义，国外很多学者对浮选速率常数进行了定义和测算[16]。这些控制策略相互结合，使得模拟诸如充气量、液位、搅拌速率等对浮选的影响成为可能。多变量的预测控制是实现高质量浮选控制的理想途径。专家控制系统是由人工智能专家发展起来的，运用到的技术有人工神经网络、归纳机器学习和模糊逻辑等智能控制算法。

5 浮选过程的最优控制

浮选过程最高级的控制称为最优控制，其根本功能是让选矿厂利用最少的资源来获得最大的效益，通过寻找最优的过程参数组合，使浮选指标达到最优。这个过程可通过在理论品位-回收率中确定最具经济效益的点，然后通过改变操作参数来实现。

影响品位-回收率曲线的因素有很多，大量研究表明[16]，浮选泡沫的稳定性的最大化能够使得品位-回收率曲线最优化，浮选泡沫的稳定性可以用进入精矿槽的未破裂泡沫的回收率表示(简称空气回收率)。对空气回收率的优化过程能够产生较高的精矿品位、或高的回收率，甚至二者兼得。因此，空气回收率是过程优化中可调节的唯一定量的参数。空气回收率可用α≈ζvfhw/Qa计算，式中，ζ为空气的体积分数；vf为泡沫的移动速率；h为泡沫层的厚度；w为溢流堰的长度；Qa为浮选机的充气量。

最优控制是一种理念，将浮选生产过程的各种技术参数(品位、回收率以及各种基础控制的参数等)和经济社会的参数(产品价格、成本等)相互联系，通过各基础控制的相互协调，甚至是各工段相互配合，寻求最优控制模式使选厂经济效益最大化。虽然科研工作者研究了较多最优控制策略，并且选厂也出现了较高级的自动控制模式，但仍需要通过经验、人工调节设定基础控制来优化选矿过程。

6 结 语

随着浮选机的大型化，浮选过程的自动化控制和大型浮选机技术的革新相互制约、相互促进，得到了快速的发展。20世纪70年代后，传感器技术的发展带动了浮选过程基础控制(液位、充气量、加药控制、在线品位检测、图像技术等)的快速发展，工业上成功应用了顺利实现浮选过程基础控制的产品。然而，浮选过程的高级控制，特别是最优控制策略还未完全实现。未来，不断引进计算机技术、网络技术以及自动化技术，多专业交叉融合于浮选过程控制技术是必然的发展趋势。

[1] 拉符利涅科.浮选设备的生产现状与主要发展方向[J].国外金属矿选矿，2007：4-12.

[2] 沈政昌，史帅星，卢世杰，等.浮选设备发展概况[J].有色设备，2004(S1):21-26.

[3] 沈政昌，史帅星，卢世杰，等.浮选设备发展概况(续一)[J].有色设备，2004(6):8-11.

[4] 沈政昌，史帅星，卢世杰，等.浮选设备发展概况(续二)[J].有色设备，2005(1):5-8.

[5] 沈政昌，史帅星，卢世杰，等.浮选设备发展概况(续三)[J].有色设备，2005(2):4-7.

[6] 沈政昌.浮选机理论与技术[M].北京：冶金工业出版社，2012.

[7] 赵昱东.金属矿用浮选设备的进展[J].矿业快报，2007(11):7-10.

[8] 赵昱东.金属矿用浮选设备的进展(续)[J].矿业快报，2007(12):4-7.

[9] 刘炯天，周晓华，王永田，等.浮选设备评述[J].选煤技术，2003(6):25-33.

[10] 宋晓明，杨保东，武 涛，等.浮选过程控制的历史发展和现状[J].有色金属:选矿部分,2011(增1)：223-228.

[11] McKee，D J. Automatic flotation control-a review of 20 years of effort [J]. Minerals Engineering，1991(4)：653-666.

[12] Laurila H，Karesvuori J，Tiili O. Strategies for instrumentation and control of flotation circuits[J].Mineral Processing Plant Design，Practise and Control， 2002(1):2174-2195.

[13] Hamilton J A，Guy P J.Pulp level control for flotation-options and a CSIRO laboratory perspective[J].Minerals Engineering，2000，1(14):77-86.

[14] 杨文旺，武 涛.微处理量浮选柱液位控制系统的设计与研究[J].有色金属：选矿部分，2011(6)：53-55.

[15] Stenlund B，Medvedev A. Level control of cascade coupled flotation tanks[J]. Control Engineering Practice，2000，10(4):443-448.

[16] Shean B J，Cilliers J J. A review of froth flotation control[J].International Journal of Mineral Processing，2011，100(3):57-71.

[17] 周俊武，徐 宁.选矿自动化新进展[J].有色金属：选矿部分，2011(增1)：47-53.

[18] 何桂春，黄开启.浮选指标与浮选泡沫数字图像关系研究[J].金属矿山，2008(8):96-101.

2015-01-16)

刘国蓉(1988—)，男，助理工程师，硕士，100160 北京市丰台区南四环西路188号总部基地十八区23号楼。