CN110458400A - 地下采矿智能派配矿系统 - Google Patents
地下采矿智能派配矿系统 Download PDFInfo
- Publication number
- CN110458400A CN110458400A CN201910607523.5A CN201910607523A CN110458400A CN 110458400 A CN110458400 A CN 110458400A CN 201910607523 A CN201910607523 A CN 201910607523A CN 110458400 A CN110458400 A CN 110458400A
- Authority
- CN
- China
- Prior art keywords
- ore
- drop shaft
- mine
- network
- intelligence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005065 mining Methods 0.000 title claims abstract description 19
- 238000002156 mixing Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims abstract description 13
- 230000008901 benefit Effects 0.000 claims abstract description 5
- 230000003137 locomotive effect Effects 0.000 claims description 48
- 238000003801 milling Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000004886 process control Methods 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 10
- 238000005456 ore beneficiation Methods 0.000 abstract description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 22
- 239000003016 pheromone Substances 0.000 description 12
- 229910052742 iron Inorganic materials 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 235000009827 Prunus armeniaca Nutrition 0.000 description 2
- 244000018633 Prunus armeniaca Species 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 241000616531 Dorylus orientalis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000009024 positive feedback mechanism Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种地下采矿智能派配矿系统，属于地下采矿智能生产调度技术领域。包括智能派配矿模块、设备位置检测模块、调度控制中心的计算机网络及终端计算机；其中，调度控制中心的计算机网络包括有线局域网络、无线通讯网络；终端计算机包括：网络交换机、调度管理计算机、数据库服务器、应用服务器。优点在于，消除传统生产工艺中潜在的、不可控的、影响矿石入选品位的各种因素，利用现有高新技术对传统生产工艺进行改造，实现管理过程精细化、控制过程数字化。
Description
技术领域
本发明属于地下采矿智能生产调度技术领域，特别是提供了一种地下采矿智能派配矿系统，是英语井下溜井智能配矿、电机车智能调度等。
背景技术
由于受到地下采矿地质品位的限制，现有的开采品位不能满足实际生产需求，采用人工计算方式形成的派配矿系统，受到人为因素影响较大，抗异常情况风险能力较低，不能保证最终的采出矿石品位十分贴近于入选的目标品位，而且，从日常生产组织角度来说，在溜井放矿环节出现异常状况时，生产部门也不能及时提供最优的生产组织方案，还需要耗费大量的人工时间去统计、分析数据，才能得出生产组织方案。为了消除传统生产工艺中潜在的、不可控的、影响矿石入选品位的各种因素，利用现有高新技术对传统生产工艺进行改造，实现管理过程精细化、控制过程数字化。
发明内容
本发明的目的是提供一种地下采矿智能派配矿系统，消除传统生产工艺中潜在的、不可控的、影响矿石入选品位的各种因素，利用现有高新技术对传统生产工艺进行改造，实现管理过程精细化、控制过程数字化。
本发明包括智能派配矿模块(或称智能派配矿)、设备位置检测模块、调度控制中心的计算机网络(包括有线局域网络、无线通讯网络)及终端计算机(包括：网络交换机、调度管理计算机、数据库服务器、应用服务器)。
安装位置：
智能派配矿模块安装在应用服务器上，首先调度管理计算机通过有线局域网络与数据库服务器建立连接，获取到溜井放矿量、溜井品位和入选矿石目标品位数据，再通过有线网络传输获取到的数据到应用服务器上的智能派配矿软件中进行计算，得到溜井卸矿的顺序，保存到数据库服务器中。设备位置检测模块安装在电机车运输水平溜井出矿口位置和各川脉出川口、入川口位置、卸矿站位置，智能派配矿软件通过无线通讯网络获取设备位置检测模块采集的电机车关键位置信息，并通过有线局域网络存储在数据库服务器中，检测到电机车在卸矿站卸矿完成后，按照溜井卸矿顺序分配电机车到指定溜井进行装矿，同时将电机车车号与溜井号通过有线局域网络保存到数据库服务器中；无线通讯网络是设备位置检测模块与应用服务器之间交换数据的载体；调度控制中心的计算机网络将数据库服务器、应用服务器、设备位置检测模块连接在一起，是智能派配矿软件运行的硬件环境。
各部分之间连接关系：
调度管理计算机、数据库服务器、应用服务器在调度控制中心的网络交换机物理相连，通过调度控制中心的计算机网络进行数据交换；应用服务器通过无线通讯网络与设备位置检测模块进行通讯，采集的数据通过有线局域网存储在数据库服务器中。系统结构(见图1所示)。
1.智能派配矿模块
智能派配矿模块安装在应用服务器上，负责获取溜井放矿量、溜井品位和入选矿石目标品位数据，通过软件计算后得到溜井卸矿顺序，同时连接到设备位置检测模块获取到电机车关键位置信息，对电机车进行下达派车任务。
智能派配矿模块主要分为两个模块：第一个模块是井下溜井智能配矿模块；第二个模块是电机车智能调度模块。
井下溜井智能配矿模块
溜井智能配矿模块用于根据目标品位和目标矿量，形成溜井卸矿信息；
i.数学模型的建立
结合国内外相应的研究和应用实例，选择了以数学和运筹学为理论依据来建立溜井配矿计划优化的数学模型。
波动值最小法是指生产计划值与目标计划指标值之间绝对值最小。此次建立的波动值最小优化模型，构造时主要考虑了如下影响因素：
(a)溜井储矿量
(b)溜井矿石质量分布情况
(c)电机车装载量
(d)目标计划指标与生产计划指标
波动值的大小,影响着矿石质量管理的综合应用、后续生产环节过程控制及企业经济效益。因此，波动值越小,企业效益越好,所以把波动值最小作为目标函数：
其中：
Ci—第i号溜井中矿石品位，％；
Xi—第i号溜井中计划放矿量，t；
C0—目标计划品位，％；
N—放矿溜井个数。
约束条件
(1)资源约束(各溜井计划放矿量为溜井贮存量所允许)：
Xi≤Qi+Qi'-q…………………………②
其中：
Qi—第i号溜井中矿石贮存量，t；
Qi'—第i号溜井上部采场甩矿量，t；
q—溜井最小存矿量，t。
(2)各溜井放矿能力约束(各溜井计算的矿量应满足放矿能力和任务条件)：
Ai≤Xi≤Bi………………………………③
Ai—第i号溜井必须安排的最小放矿量，t；
Bi—第i号溜井最大放矿能力，t。
(3)矿石生产能力的约束(全部溜井计划矿量之和必须满足所做计划的总体产量要求)
(4)非负约束：
Xi≥0(i＝1，2，3，4......N)………………………⑤
ii.井下溜井智能配矿模块流程图(见图1所示)
iii.基本功能：
井下溜井智能配矿模块主要包括蚁群算法的应用实现与异常情况处理两部分。
蚁群算法的应用实现
A.系统数据初始化，实现方法：
A1.初始化计划数据。通过数据接口的方式获取溜井放矿计划，设置装矿溜井以几号溜井开始、不以几号溜井开始、随机开始。
A2.设置系统参数。设置蚁群数量、循环次数、信息素因子、启发函数因子、溜井信息(品位、川脉、编号)。
其中参数选定规则如下：
蚂蚁数量：
设M表示点位数量，m表示蚂蚁数量。m的数量很重要，因为m过大时，会导致搜索过的路径上信息素变化趋于平均；m过小时，易使未被搜索到的路径信息素减小到0，这样可能会出现早熟，没找到全局最优解。一般情况上，在时间等资源条件紧迫的情况下，蚂蚁数设定为点位数的1.5倍较稳妥。
信息素因子：
信息素因子反映了蚂蚁在移动过程中所积累的信息量在指导蚁群搜索中的相对重要程度，其值过大，蚂蚁选择以前走过的路径概率大，搜索随机性减弱；值过小，等同于贪婪算法，使搜索过早陷入局部最优。
启发因子：
启发因子反映了启发式信息在指导蚁群搜索过程中的相对重要程度，其大小反映的是蚁群寻优过程中先验性和确定性因素的作用强度。过大时，虽然收敛速度会加快，但容易陷入局部最优；过小时，容易陷入随机搜索，找不到最优解。
信息素挥发因子
信息素挥发因子表示信息素的消失水平，它的大小直接关系到蚁群算法的全局搜索能力和收敛速度。
信息素常数：
这个参数为信息素强度，表示蚂蚁循环一周时释放在路径上的信息素总量，其作用是为了充分利用有向图上的全局信息反馈量，使算法在正反馈机制作用下以合理的演化速度搜索到全局最优解。值越大，蚂蚁在已遍历路径上的信息素积累越快，有助于快速收敛。
最大迭代次数：
最大迭代次数值过小，可能导致算法还没收敛就已结束；过大则会导致资源浪费。一般最大迭代次数可以取100到500次。一般来讲先取200，然后根据执行程序查看算法收敛的轨迹来修改取值。
A3.初始化系统参数。将溜井放矿计划进行拆分为最小单元，初始化任务矩阵，信息浓度矩阵，主要包括二维品位矩阵、三维品位矩阵、信息浓度矩阵、备选队列、选中队列。
B.蚁群算法应用，实现方法：
运用蚁群算法原理，通过外层多次循环搜索方式，内层多只蚂蚁并行搜索方式，运用分布式计算方法来实现。以下步骤以其中内层一只蚂蚁搜索方式描述。
B1.确定任务初始点。根据系统数据初始化中的初始化计划数据步骤，如指定起始溜井，则在此步骤中以指定溜井作为起始点，如没有指定溜井，则随机产生溜井作为起始点，如指定不以几号溜井开始，则排除限制溜井后，随机产生溜井作为起始点，将起始点加入到选中队列，并从备选队列中移除选中点。
B2.确定第二个点。计算除任务初始点外的其他点的被选概率，计算过程中，运用二维品位矩阵计算，计算过程涉及信息浓度矩阵，约束条件不能出现同溜井和同川脉，防止出现电机车等待情况。根据初始点与备选点之间的信息素的a(信息素因子)方* 差值(配完的目标品位与入选目标品位差值)的倒数的b(启发函数因子)方公式计算概率，通过轮盘赌方法选择，确定第二个点，如存在则从被选队列中排除，并在选中队列加入当前点作为第二个点，如不存在则在选中队列中插入终止标识，并清空备选队列。
B3.确定第三个以及后续点。计算第三个以及后续其他点，后续点的计算方式与第三个点计算方式类似。在计算过程中，运用三维品位矩阵，计算过程涉及信息浓度矩阵，约束条件尽量减少同溜井和同川脉出现情况，防止出现电机车等待情况。根据当前选中点与备选点之间的信息素的a(信息素因子)方*差值(配完的目标品位与入选目标品位差值)的倒数的b(启发函数因子)方公式计算概率，通过轮盘赌方法选择，确定第三个点，如存在则从被选队列中排除，并在选中队列加入当前点作为第二个点，如不存在则在选中队列中插入终止标识，并清空备选队列。
B4.汇总单次结果，更新信息浓度。对形成的结果进行数据分析，调整各个选中点之间的信息浓度。
B5.形成最优结果。通过B1-B4步骤的多次外层循环，得出多个最优解，按照一定的计算规则对最优解进行排序，形成最终的最优解。
C.电机车装卸矿控制，实现方法：
C1.电机车装矿控制。根据B步骤中得出的最优解，在指定的电机车运行点位，对电机车下发目的溜井的指令，同时调整电机车状态为重车状态。
C2.电机车卸矿控制。根据B步骤中得出的最优解，指定最先的电机车进行优先卸矿操作，同时调整电机车状态为空车状态。
异常处理
D异常处理，实现方法：
D1.电机车故障处理。
加入新的电机车替换故障电机车。智能派配矿系统中通过退回调整方式来更新电机车与溜井对应信息。
调整溜井装矿顺序，通过电机车故障位置来确定故障影响情况，在川脉故障时，可以调整当前川脉的其他溜井顺序，保证生产的不间断运行。
D2.溜井故障故障处理。
通过更换故障溜井到相同或相近品位的溜井来保证矿石产量和品位的稳定。智能派配矿系统中通过对计划进行调整，重新计算得出最新的溜井装矿顺序。
调整溜井顺序，当是短时间故障时，可以将当前故障溜井从使用队列中移除或者往后排列，当故障处理完成后，加入使用队列，并重新计算最新的溜井装矿顺序。
电机车智能调度模块
该模块功能主要负责下达几号电机车去几号溜井装矿信息，以及电机车装矿完毕后，传递电机车开停信号，倒入主溜井后传递完成信号。
通过无线网络获取设备位置检测模块采集的电机车位置信息，判断当前电机车状态，如电机车在卸矿站时，判断电机车为空车状态，按照溜井卸矿顺序分配电机车去指定溜井进行装矿，电机车到达指定溜井装矿时，电机车为重车状态，同时按照溜井卸矿顺序指定对应电机车的开停信号。
地采矿石智能派配矿系统与与自动化系统关系图(见图2所示)。
2.调度控制中心的计算机网络
调度控制中心的计算机网络由有线局域网络和无线通讯网络组成。有线局域网络采用100M以太网将相应的终端计算机物理相连，实现数据共享。无线通讯网络为井下运输水平内的移动设备(包括电机车等)提供信号覆盖，使需要控制的设备接收到调度控制中心的指令、数据以及为调度控制中心提供生产过程数据。
3.设备位置检测模块
设备位置检测模块安装在电机车运输水平溜井出矿口位置和各川脉出川口、入川口位置、卸矿站位置。设备位置检测模块主要用于采集设备位置信息，并能让智能派配矿系统通过无线网络获取到采集的数据。设备位置检测模块采用无线WIFI方式定位设备位置，实现高精度快速定位。
本发明的创新包括以下五方面：
蚁群算法
配矿计划的排序算法，采用蚁群算法，该算法是一种基于种群的进化算法，它在问题空间的多点同时开始进行解的搜索，不仅增加了算法的可靠性，也使得算法具有较强的全局搜索能力。
分布式计算
蚁群算法最优解的搜索过程采用分布式计算方式，多个个体同时进行并行计算，大大提高了算法的计算能力和运行效率，保证了算法在实际生产中的可靠性。
随着智能派配矿系统在首钢矿业公司杏山铁矿推广使用，使得首钢矿业公司杏山铁矿入选矿石品位得以稳定，回采率由79.53％提高到82.15％，多回收矿石7.49万吨，实现经济效益895万元；干选产率日达标率由78.65％提高到95.32％，保证了杏山铁矿的生产顺稳；日入选矿石品位达标率由78.07％逐步提高到95.91％，稳定了大石河选厂的经营生产。同时减少了大量人工工作量，提高工作效率。
本发明的优点在于，消除传统生产工艺中潜在的、不可控的、影响矿石入选品位的各种因素，利用现有高新技术对传统生产工艺进行改造，实现管理过程精细化、控制过程数字化。
附图说明
图1是智能算法流程图。
图2是地下采矿智能派配矿系统与无人电机车信集闭系统关系图。
图3是地下采矿智能派配矿系统架构图。
图4是主溜井品位与目标品位关系图。
具体实施方式
1.某铁矿简介
该系统在某铁矿试运行。该铁矿2003年启动露天转地下开采，2011年7月31日进行重负荷试车，40天以后达到设计能力。年产矿石稳定在270万吨以上，累计生产矿石1853.44万吨。
2.完善和改进现有的电机车运输生产组织模式
某铁矿智能派配矿系统架构图(见图3所示)
(1)自动形成溜井放矿顺序
当班计划(见表1)
形成当班溜井放矿顺序(见表2)和曲线(见图4所示)
某铁矿溜井每班大约需要放矿32列，通常情况下为满足溜井上部甩矿需求，通常需要做到采矿作业区使用的溜井较开拓作业区使用的溜井优先甩矿，同时还需要保证当班任务的完成，尽量减少不必要的等待时间，最终保证矿石入选品位的稳定。
结合溜井放矿计划，通过对溜井放矿计划进行分解，在软件系统中配置合理的应用参数，自动形成最优的溜井放矿顺序。通过实验，选定参数如下：
选中蚂蚁数量为列数*1.5。
信息素因子为2。
启发因子为4。
信息素挥发因子为0.5。
信息素常数为10。
最大迭代次数为200。
(2)异常情况处理
面对生产过程的复杂性，对生产过程中出现的各种故障情况，如电机车故障、溜井故障、采区甩矿等问题，在软件系统中给与合理的解决方案。
在当班生产任务开始时，用户可以根据自身需求，安排车辆对应到装矿溜井进行装矿任务。
车辆发生故障时，用户可以及时调整车辆设置，更新车辆再用和负重状态，当新的车辆加入时，通过调整优先级，可以很快分配到生产任务，避免影响生产效率。
在生产进行过程中，用户需要干预正在进行的生产计划时，可以通过退回或者完成操作，对正在进行的生产计划进行调整，避免影响下一计划的执行。
溜井发生故障时，用户可以手动调整当班计划，需要长时间处理的溜井，可以通过新增相近品位的溜井，移除故障溜井的方式进行重新排序，需要短时间处理的溜井，可以通过将故障溜井移动到序列后面进行装矿，避免因故障原因导致生产过程的阻塞。
(3)电机车自动运行
结合某铁矿电机车运输水平的实际线路，在修理硐室附近添加监测点，当电机车被监测到在此附近并空车运行时，下达电机车去指定溜井装矿任务。同时在1#川脉出川点添加监测点，监测到电机车出川时，系统指挥下一电机车开始运行，同时对监测到电机车进行卸矿操作，是电机车状态由重车变成空车状态。
表1班溜井放矿计划
表2班溜井放矿顺序
Claims (4)
1.一种地下采矿智能派配矿系统，其特征在于，包括智能派配矿模块、设备位置检测模块、调度控制中心的计算机网络及终端计算机；
其中，调度控制中心的计算机网络包括有线局域网络、无线通讯网络；终端计算机包括：网络交换机、调度管理计算机、数据库服务器、应用服务器；
智能派配矿模块安装在应用服务器上，首先调度管理计算机通过有线局域网络与数据库服务器建立连接，获取到溜井放矿量、溜井品位和入选矿石目标品位数据，再通过有线网络传输获取到的数据到应用服务器上的智能派配矿软件中进行计算，得到溜井卸矿的顺序，保存到数据库服务器中；设备位置检测模块安装在电机车运输水平溜井出矿口位置和各川脉出川口、入川口位置、卸矿站位置，智能派配矿软件通过无线通讯网络获取设备位置检测模块采集的电机车关键位置信息，并通过有线局域网络存储在数据库服务器中，检测到电机车在卸矿站卸矿完成后，按照溜井卸矿顺序分配电机车到指定溜井进行装矿，同时将电机车车号与溜井号通过有线局域网络保存到数据库服务器中；无线通讯网络是设备位置检测模块与应用服务器之间交换数据的载体；调度控制中心的计算机网络将数据库服务器、应用服务器、设备位置检测模块连接在一起，是智能派配矿软件运行的硬件环境。
调度管理计算机、数据库服务器、应用服务器在调度控制中心的网络交换机物理相连，通过调度控制中心的计算机网络进行数据交换；应用服务器通过无线通讯网络与设备位置检测模块进行通讯，采集的数据通过有线局域网存储在数据库服务器中；
调度管理计算机、数据库服务器、应用服务器在调度控制中心的网络交换机物理相连，通过调度控制中心的计算机网络进行数据交换；应用服务器通过无线通讯网络与设备位置检测模块进行通讯，采集的数据通过有线局域网存储在数据库服务器中。
2.根据权利要求1所述的地下采矿智能派配矿系统，其特征在于，智能派配矿模块安装在应用服务器上，负责获取溜井放矿量、溜井品位和入选矿石目标品位数据，通过软件计算后得到溜井卸矿顺序，同时连接到设备位置检测模块获取到电机车关键位置信息，对电机车进行下达派车任务；
智能派配矿模块分为两个模块：第一个模块是井下溜井智能配矿模块；第二个模块是电机车智能调度模块；
溜井智能配矿模块用于根据目标品位和目标矿量，形成溜井卸矿信息；
(1)数学模型的建立
结合国内外相应的研究和应用实例，选择了以数学和运筹学为理论依据来建立溜井配矿计划优化的数学模型；
波动值最小法是指生产计划值与目标计划指标值之间绝对值最小。此次建立的波动值最小优化模型，构造时考虑了如下影响因素：
溜井储矿量，
溜井矿石质量分布情况，
电机车装载量，
目标计划指标与生产计划指标，
波动值的大小,影响着矿石质量管理的综合应用、后续生产环节过程控制及企业经济效益，因此，波动值越小,企业效益越好,所以把波动值最小作为目标函数：
其中：
Ci—第i号溜井中矿石品位，％；
Xi—第i号溜井中计划放矿量，t；
C0—目标计划品位，％；
N—放矿溜井个数。
约束条件
(1)资源约束(各溜井计划放矿量为溜井贮存量所允许)：
Xi≤Qi+Q'i-q…………………………②
其中：
Qi—第i号溜井中矿石贮存量，t；
Q'i—第i号溜井上部采场甩矿量，t；
q—溜井最小存矿量，t；
(2)各溜井放矿能力约束：
Ai≤Xi≤Bi………………………………③
Ai—第i号溜井必须安排的最小放矿量，t，
Bi—第i号溜井最大放矿能力，t；
(3)矿石生产能力的约束
(4)非负约束：
Xi≥0(i＝1，2，3，4......N)………………………⑤
基本功能：
井下溜井智能配矿模块包括蚁群算法的应用实现与异常情况处理两部分。
3.根据权利要求1所述的地下采矿智能派配矿系统，其特征在于，调度控制中心的计算机网络由有线局域网络和无线通讯网络组成；有线局域网络采用100M以太网将相应的终端计算机物理相连，实现数据共享；无线通讯网络为井下运输水平内的移动设备提供信号覆盖，使需要控制的设备接收到调度控制中心的指令、数据以及为调度控制中心提供生产过程数据。
4.根据权利要求1所述的地下采矿智能派配矿系统，其特征在于，设备位置检测模块安装在电机车运输水平溜井出矿口位置和各川脉出川口、入川口位置、卸矿站位置。设备位置检测模块主要用于采集设备位置信息，并能让智能派配矿系统通过无线网络获取到采集的数据；设备位置检测模块采用无线WIFI方式定位设备位置，实现高精度快速定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910607523.5A CN110458400A (zh) | 2019-07-04 | 2019-07-04 | 地下采矿智能派配矿系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910607523.5A CN110458400A (zh) | 2019-07-04 | 2019-07-04 | 地下采矿智能派配矿系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110458400A true CN110458400A (zh) | 2019-11-15 |
Family
ID=68482342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910607523.5A Pending CN110458400A (zh) | 2019-07-04 | 2019-07-04 | 地下采矿智能派配矿系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458400A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112183968A (zh) * | 2020-09-14 | 2021-01-05 | 北京速力科技有限公司 | 一种露天采场智能配矿系统 |
| CN113359635A (zh) * | 2021-06-17 | 2021-09-07 | 中国水利水电第九工程局有限公司 | 矿石量化均质搭配智能控制方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103901862A (zh) * | 2014-04-11 | 2014-07-02 | 北京速力科技有限公司 | 井下电机车地面远程遥控系统 |
-
2019
- 2019-07-04 CN CN201910607523.5A patent/CN110458400A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103901862A (zh) * | 2014-04-11 | 2014-07-02 | 北京速力科技有限公司 | 井下电机车地面远程遥控系统 |
Non-Patent Citations (4)
| Title |
|---|
| 孙莹;连民杰;: "基于改进蚁群算法的地下矿车辆生产调度路径优化研究", 金属矿山 * |
| 徐建国;: "矿石出矿品位控制方法", 有色金属(矿山部分) * |
| 李国清;李宝;胡乃联;侯杰;修国林;: "地下金属矿山采掘作业计划优化模型", 工程科学学报 * |
| 陈彦亭;巩瑞杰;南世卿;宋爱东;陈越;: "露天矿智能配矿系统研发与应用", 现代矿业 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112183968A (zh) * | 2020-09-14 | 2021-01-05 | 北京速力科技有限公司 | 一种露天采场智能配矿系统 |
| CN113359635A (zh) * | 2021-06-17 | 2021-09-07 | 中国水利水电第九工程局有限公司 | 矿石量化均质搭配智能控制方法 |
| CN113359635B (zh) * | 2021-06-17 | 2023-03-14 | 中国水利水电第九工程局有限公司 | 矿石量化均质搭配智能控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11436546B2 (en) | Operation planning system, operation planning device and operation planning method | |
| CN109581980B (zh) | 一种井下矿智能开采设备调度系统与方法 | |
| CN110458400A (zh) | 地下采矿智能派配矿系统 | |
| CN108909514A (zh) | 基于自动电池更换的多agv电量管理系统及方法 | |
| DE112012001172T5 (de) | Produktionseffizienzverbesserungsvorrichtung,Produktionseffizienzverbesserungsverfahren und Computerprogramm | |
| CN104632280A (zh) | 一种基于无线传感器网络的井下设备监测系统及方法 | |
| CN116231696B (zh) | 基于负载预测的储能投切控制方法及系统 | |
| CN106154992A (zh) | 生产系统及生产系统的控制方法 | |
| CN109494877A (zh) | 海上风电场一体化监控方法、装置、计算机设备和介质 | |
| CN113110360A (zh) | 隧道施工智能装备集群协同管控系统、方法及边缘计算站 | |
| CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
| CN114239385A (zh) | 一种面向仓库资源配给的智能决策系统及方法 | |
| CN114757797B (zh) | 一种基于数据模型驱动的电网资源业务中台架构方法 | |
| CN102427253B (zh) | 电动汽车充放电监控中心与充电站当地监控之间的通讯方法 | |
| CN114819655A (zh) | 一种新建智慧电厂的管控架构 | |
| CN107598925A (zh) | 一种机器人集群控制方法 | |
| CN117875800A (zh) | 一种隧道低碳施工机械调度方法、装置、终端和存储介质 | |
| CN108154332A (zh) | 一种基于遗传算法的仓库货位分配方法及系统 | |
| KR101201022B1 (ko) | 원재료 저조로의 입조 계획 작성 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 | |
| CN112488343A (zh) | 一种基于超启发式算法的智慧城市智能感知终端选址方法 | |
| CN204794355U (zh) | 一种电能量计量装置现场作业移动监管系统 | |
| CN118381788B (zh) | 一种电能表模块化升级方法、介质及电子装置 | |
| Wu et al. | Intelligent Sensing Strategy of Terminal Equipment in Power Communication Network based on Intelligent Optical Connection Box | |
| CN109309024A (zh) | 基于人工智能的半导体制造执行系统 | |
| CN115934520A (zh) | 一种动态自组网的电力物联网测试系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191115 |
|
| WD01 | Invention patent application deemed withdrawn after publication |