论文部分内容阅读
近十几年来,随着我国经济的迅速发展,对矿产资源的需求量也与日俱增,大批矿产开采项目也相继建成投产,矿石产量大幅度增长,但矿产资源的利用率普遍较低,仍然无法满足日益增长的市场需求,加上矿产资源的有限性和不可再生性,我们必须高度重视矿产资源的保护和合理开发利用,以创造最大的经济效益和社会效益。而金属矿山企业作为矿产资源的生产经营单位,其生产经营水平直接反映着我国矿产资源的开采利用水平。目前提高金属矿山企业的生产经营水平的主要途径有两个:其一是从硬件方面着手,即提高生产技术装备水平,但需要投入大量的资金,且时间长、见效慢;另一个更为现实的途径就是从软件方面着手,即提高矿山经营管理水平,其中一项行之有效的措施就是优化矿山的经营参数,这样做投资少、见效快并且能及时地进行调整。
金属矿山经营参数的优化是一项复杂的系统工程,主要目标是使矿山的经济效益和社会效益综合最大化,当生产技术设备和工艺流程等条件不变时,实现这两个目标的关键经营参数是:放矿阶段的截止品位和选矿阶段的入选品位。截止品位和入选品位通过与其他一系列参数之间的相互作用,最终影响金属矿山企业的经济效益和社会效益。由于生产环境的特殊性、放矿方式的高危性和矿山经营的粗放性,其截止品位和入选品位一般是由现场操作人员的经验来确定。随着资源的日趋紧缺以及科技水平、管理水平的提高,这种基于经验的截止品位和入选品位已经不能满足企业的发展要求,需要进行优化。
本文综合分析整个矿山生产系统全过程,运用过程模拟、BP神经网络、遗传算法(GA)对采选过程中的两个关键参数(截止品位和入选品位)进行动态优化,并以程潮铁矿进行实证研究。主要内容如下:
(1)构建各经营参数之间的函数关系,为截止品位和入选品位的优化奠定基础。首先,考虑到截止品位数据的不确定性和缺失性,对截止品位进行数值模拟,并分别建立了截止品位与损失率、贫化率之间的函数关系式:φ(aj)和ρ(aj);接着,运用BP神经网络分别建立地质品位at、地质储量qt、截止品位aj、入选品位ar与金属回收率和采选总成本的函数关系:ε(at,qt,aj,ar)、C(at,qt,aj,ar)及入选品位ar与精矿品位β和选比xb的函数关系:β(ar)、xb(ar);最后,根据市场矿产品价格规律,建立了精矿品位β和精矿价格J的函数关系:J(β)。
(2)以截止品位和入选品位为优化决策变量,分别建立以经济效益最大的单目标优化模型和兼顾经济效益、资源利用效益和节能效益的多目标优化模型。对多目标模型,首先确定各目标的权重系数和目标隶属度函数,将隶属度的加权和作为遗传算法的适应度函数,再进行全局搜索,使适应度函数最大的决策变量值即为最优截止品位和入选品位。
(3)将整个矿山系统分为采、配、选三个阶段,根据(1)中的建立的各经营参数的函数关系来建立三个阶段的矿石量和矿石品位之间的函数关系,根据确定的截止品位和入选品位计算三个阶段的矿石量和品位值,对生产过程的各个环节进行控制和管理。
(4)以武钢程潮铁矿为研究实例,运用上述理论方法对2007年1月到2009年11月的截止品位和入选进行动态优化。以净现值最大为单目标来优化截止品位和入选品位时,优化后的方案(截止品位为16.2%,入选品位为43.7762-44.1387%)比现有方案(截止品位为18%,入选品位为41-43%)的净现值增加1971-2014万元。以净现值、资源利用率和能耗为多目标来优化截止品位入选品位时,优化后的方案(截止品位为15.5%,入选品位为42.6%)比现有方案(截止品位为18%,入选品位为41%)净现值增加2390万元,精矿量增加11.083万吨,资源利用率提高了5.52%,能耗节约了28.37万度,优化效果明显。根据优化确定的截止品位和入选品位计算采、配、选三个环节的矿石量和矿石品位来指导矿山生产,当计划可采储量为240万吨,地质品位为52%时,对于单目标阶段:
a.采矿阶段:全年全矿的损失率为26.26%,贫化率为21.32%,采出矿量为224.931万吨,混岩石量为51.168万吨,毛矿量为276.099万吨,毛矿品位为45.2%,可以根据采出矿量来控制放矿,指导采矿生产;
b.选矿阶段:全年入选矿量为356.927万吨,外购矿石量为80.828万吨,选比在1.98左右,全年的精矿总量为180.266万吨,精矿品位为65%。
对于多目标阶段:
a.采矿阶段:全年全矿的损失率为25.35%,贫化率为22.3%,采出矿量为219.422万吨,混岩石量48.861万吨,毛矿量为268.238万吨,毛矿品位为46.52%,可以根据采出毛矿量来控制放矿,指导采矿生产;
b.选矿阶段:全年入选矿量为353.745万吨,外购矿石量为85.507万吨,选比在2.01左右,全年的精矿总量为173.664万吨,精矿品位为65%。最后为了计算和管理决策方便,开发了“程潮铁矿品位优化系统”软件一套。