Компания «РИВС» провела на обогатительной фабрике, перерабатывающей медные руды, опытно-промышленные испытания системы машинного зрения с опробованием технологического процесса для её обучения.
В результате разработаны алгоритмы, которые поддерживают оптимальный уровень пеносъёма, прогнозируют содержание ценного компонента в пенных продуктах и управляют процессом, позволяя получить концентрат заданного качества как через оператора/флотатора с выдачей рекомендаций, так и в автоматическом режиме.
Поддержание пеносъёма стало возможным за счёт оснащения видеоузлов системы машинного зрения датчиками пены, измеряющими высоту пенного слоя от границы перелива. Данный функционал отсутствует в продуктах других производителей. Он настраивается на стадии пуско-наладочных работ, не требует обучения. Функционал в комплексе с показаниями уровня пульпы оценивает наличие пеносъёма и процент снимаемой пены от общей её толщины.
Прогнозирование качества концентратов по цветовым характеристикам пены, крупности и распределению в ней пузырьков стало возможным за счёт анализа всей поверхности пены в зоне видимости камеры, а не выделенного её участка.
Интеллектуальная система оптимизации флотационного процесса испытана на межцикловых медных операциях флотации с получением концентратов, кондиционных по содержанию меди, при переработке медных руд. В процессе внедрения системы машинного зрения было сделано уже несколько ревизий компонентов, улучшающих эксплуатационные характеристики. Компания «РИВС» гарантирует работу интеллектуальной системы управления флотацией в подобных операциях при переработке медно-цинковых и полиметаллических руд. Область применения прогнозирования содержания компонентов актуальна для флотации минералов, имеющих особенности цветовых характеристик, а также затруднения в применении систем АСАК для определения качества концентратов в оперативном режиме (определение лёгких элементов).
Для обеспечения наилучшей точности прогнозирования создаются индивидуальные прогнозные модели для каждого типа перерабатываемых руд, если их несколько. Система позволяет работать с несколькими моделями, выбирая нужную из них для текущей руды. Для каждой модели прогнозирования проводится опробование.
Внедрение интеллектуальной функции системы машинного зрения — это следующий шаг после её установки и интеграции в АСУТП. Задача интеллектуальной функции — собрать данные, которые построят прогноз и создадут управляющее воздействие.
Что даст предприятию внедрение системы машинного зрения с управлением процесса флотации?
Продукт управления процессом системой машинного зрения — не замена существующих систем аналитического контроля (АСАК), а их мощное дополнение. Он закрывает «слепые зоны» традиционных методов с помощью машинного зрения, предоставляя оперативный и детальный контроль над процессом флотации, что напрямую ведет к повышению извлечения и снижению технологических потерь полезных компонентов, а, значит, уменьшению недополученной прибыли.
Ключевые преимущества внедрения интеллектуальной системы управления процессом флотации на основе машинного зрения
Повышение эффективности:
⋎ Снижение потерь металла, циркуляции промежуточных продуктов
⋎ Улучшение технологических показателей по операциям
⋎ Улучшение качества продуктов за счёт своевременных корректировок нарушений в нужной точке процесса
⋎ Оптимизация расходов реагентов (своевременная коррекция реагентного режима)
⋎ Оптимизация технологических показателей (содержание флотируемого компонента в пенном продукте и извлечение в него)
Снижение затрат и рисков:
⋎ Снижение влияния человеческого фактора (ошибки, ручное регулирование, потеря времени)
⋎ Снижение вероятности технологических сбоев и связанных потерь
⋎ Снижение затрат на установку/обслуживание АСАК, проведение дополнительных анализов
⋎ Оперативность реагирования на изменения процесса
Улучшение данных и анализа:
⋎ Непрерывный мониторинг параметров пенного слоя по всему фронту флотации (камера за камерой или каскад за каскадом)
⋎ Результаты в реальном времени без запаздываний
⋎ Гибкое усреднение данных с нужной дискретностью
⋎ Удобное архивирование и анализ исторических данных
⋎ Возможность анализа архивов для выявления новых закономерностей и улучшения алгоритмов
Адаптивность:
⋎ Модели можно дообучать (например, при смене руды провести дополнительное обучение с опробованием)
Прогнозирование качества снимаемой пены (при возможности реализации) с автоматическим управлением по алгоритму с получением концентрата нужного качества. Модели прогнозирования содержания компонентов возможны при наличии корреляции между параметрами цветности и распределением пузырьков по крупности с содержаниями в концентрате флотируемого компонента (флотация золотосодержащих сульфидных руд, руд чёрных металлов, медных, полиметаллических, медно-молибденовых и прочих руд). Разработка подобных моделей наиболее актуальна в случаях, где сложно или невозможно определение содержаний оперативно системами АСАК (при извлечении золота, ассоциированного с сульфидами — определение уровня серы и появления угля, при обратной флотации оксидов кремния — определение уровня кремния и т.д.). Для разработки моделей требуется опробование
Как внедряется продукт?
⋎ Внедрение на фабрику системы машинного зрения, шеф-монтажные и пусконаладочные работы
⋎ Разработка плана мероприятий по обучению, проведение опытно-промышленной эксплуатации и испытаний системы машинного зрения с отбором проб на химический анализ
⋎ Обучение системы машинного зрения сопоставлением зафиксированных параметров пены (размер пузырей, структура, цветовые характеристики, скорость схода пены и т.д.) и химических анализов отобранных проб. При необходимости дополняется обучением по данным АСАК
⋎ Прогнозирование: после накопления достаточного объёма данных формируется модель, прогнозирующая содержание в реальном времени флотируемого компонента (или нескольких) в оперативном режиме
⋎ Автоматизация процесса флотации на основе выявленных закономерностей и при наличии необходимых средств автоматизации, после исследования возможностей для конкретного предприятия осуществляется автоматическое регулирование параметров флотации для поддержания оптимального технологического режима
