НИТУ «МИСиС», Москва, Россия:

В. В. Морозов, профессор кафедры органической и неорганической химии, докт. техн. наук, эл. почта: dchmggu@mail.ru

Предприятие «Эрдэнэт», г. Эрдэнэт, Монголия:
Хурэлчулуун Ишгэн, ведущий специалист по автоматизированным системам управления технологическим
процессом технического отдела, канд. техн. наук, эл. почта: эл. почта: khurelchulun@erdenetmc.mn
Дэлгэрбат Лодой, советник, докт. техн. наук, эл. почта: delgerbat@erdenetmc.mn

Разработанная методика визиометрического анализа гранулометрического состава дробленой руды использует процедуры гистограммной обработки изображений, пороговой бинаризации полутоновых участков, пространственной фильтрации изображений, выделения контуров, визуализации результатов сегментации и расчета гистограмм распределения крупности с применением гамма-функции. Методика позволяет с достаточной точностью определить массовую долю заданных классов крупности в дробленой руде. Определены связи основных выходных параметров процесса — выхода готового класса крупности и эффективности грохочения от основных входных параметров: производительности дробилки, ширины разгрузочной щели и затрат энергии на дробление. Полученные зависимости описаны многопараметрическими регрессионными уравнениями второго порядка, которые были использованы для установления коэффициентов пропорциональности между отклонениями управляющего сигнала (ширины разгрузочной щели и производительности) и измеряемых параметров (выхода надрешетного продукта, эффективности грохочения, затрат энергии). Разработанная система оперативного управления процессами дробления и грохочения включает установленные на конвейерах весы и визиометрические анализаторы крупности руды, датчик потребляемой мощности привода дробилки, блок управления, регуляторы ширины разгрузочной щели, а также расхода руды. Для оптимизационного управления процессами дробления и грохочения использованы: критерии «эффективность грохочения по классу –12+10 мм» и «выход продуктивного класса +2–10 мм в дробленой руде». Для автоматизированного управления применен метод нечеткой логики, определяющий направление и размер изменения управляемого параметра в зависимости от изменения значений измеряемых параметров процесса дробления. Результаты промышленных испытаний показали, что разработанный способ оптимизации позволяет получить дробленый продукт заданной крупности (95 % класса –12 мм), увеличить производительность передела на 5,7 % и снизить общий расход энергии на операцию рудоподготовки на 2,8 %.

1. Газалеева Г. И., Цыпин Е. Ф., Червяков С. А. Рудо подготовка. Дробление, грохочение, обогащение. — Екатеринбург : ОАО «Уралмеханобр», 2014. — 912 с.
2. Вайсберг Л. А., Демидов И. В., Иванов К. С. Механика сыпучих сред при вибрационных воздействиях: методы описания и математического моделирования // Обогащение руд. 2015. № 4. С. 21–31.
3. Sbárbaro D., Villar R. Advanced control and supervision of mineral processing plants. — London : Springer-Verlag London Limited, 2010. — 332 p.
4. Guyot O., Monredon T., LaRosa D., Broussaud A. Visiorock, an integrated vision technology for advanced control of comminution circuits // Minerals Engineering. 2012. Vol. 17. P. 1227–1235.
5. Jayson T., Carl D., Gianni B. A machine vision approach to on-line estimation of run-of-mine ore composition on conveyor belts // Minerals Engineering. 2011. Vol. 20. Р. 1129–1144.
6. Korniienko V. I., Matsiuk S. M., Udovyk I. M. Adaptive optimal control system of ore large crushing process // Radio Electronics, Computer Science, Control. 2018. No. 1. Р. 159–165.
7. Maiti Abhik, Chakravarty Debashish, Biswas Kousik, Halder Arpan. Development of a mass model in estimating weight-wise particle size distribution using digital image processing // International Journal of Mining Science and Technology. 2017. Vol. 27. Р. 435–443.
8. Круглов В. Н., Лисиенко В. Г. Анализ промышленных испытаний бесконтактной гранулометрической компьютерной системы «Индикатор крупности» // Международный журнал экспериментального образования. 2010. № 1. С. 90–94.
9. Хурлчулуун Ишген, Морозов В. В. Исследование и оптимизация замкнутого цикла дробления медно-молибденовой руды // Горные науки и технологии. 2018. № 4. С. 18–24.
10. Favorskaya M. N., Jain L. C. Computer vision in advanced control systems-5: advanced decisions in technical and medical applications. — Springer, 2020. — 329 p.
11. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. — М. : «Ай-Эс-Эс Пресс», 2009. — 518 с.
12. Самойлова Т. А., Струнин И. М. Сегментация изображений методом маркерного водораздела // Системы компьютерной математики и их приложения. 2019. № 1. С. 250–255.
13. Морозов В. В., Улитенко К. Я., Ганбаатар З., Дэлгэрбат Л. Разработка и применение автоматизированных систем управления процессами обогащения полезных ископаемых. — М. : ИД «Руда и Металлы», 2013. — 512 с.

14. Пелевин А. Е. Сепарационная характеристика грохота // Обогащение руд. 2011. № 2. С. 45–48.
15. Zhang Z., Yang J., Dou D. A surface probability model for estimation of size distribution on a conveyor belt // Physicochemical Problems of Mineral Processing. 2014 . Vol. 50, Iss. 2. P. 591–605.
16. Морозов В. В., Рапшис В. В., Дэлгэрбат Л, Хурэлчулуун Ишгэн. Развитие методик визиометрического анализа руды на ГОКе Эрдэнэт // Горный информационно-аналитический бюллетень. 2016. № 12. С. 279–292.
17. Суэтина Т. А., Кочетков А. В., Толмачев А. Г., Ли Чжой, Пэн Линь. Особенности автоматического управления дробилками первичного дробления // Интернет-журнал «Науковедение». 2015. Т. 7, № 5. С. 2–11.