一种露天矿无人运输系统的配矿调度方法与流程

1.本发明涉及一种露天矿无人运输系统的配矿调度方法，属于采矿或采石调度技术领域。


背景技术：

2.矿床形成与矿体再生的过程中，矿体中有用成分的分布规律与集中程度天然是易变动、不稳定的。随着深部开采富矿石工艺变得复杂，露天矿中贫矿石、难选矿石也逐渐被开采。为了保证开采的矿石能够达到利用部门要求的质量标准，就需要混合不同品味的矿石，配矿工作成为重中之重。
3.所谓配矿又称矿石质量中和/均衡，有计划有目的地将品位高低不同的矿石按比例混合，尽量使之均匀，旨在降低矿石质量的波动程度，实现矿床资源综合利用，降低生产成本，提高经济效益。
4.一方面，露天矿区地形复杂、环境恶劣、劳动强度大、危险系数高，司机老龄化明显，人力成本与生产安全问题严峻，因此，针对露天矿的无人化运输方案逐步应用于矿区作业中；另一方面，传统配矿是靠技术人员手工计算，操作复杂，受人员经验、责任心等人为因素影响过多，具有一定盲目性，混矿品位易产生较大波动，与调度系统关联不及时。
5.当前，配矿相关研究主要是针对有人运输的场景，该场景下司机个体经验、技术差异大，各项运输、作业时间难以准确估计。无人驾驶带来的不仅是标准化、规划化操作模式，这种模式为量化分析、精准调度提供了可能性。因此，如何构建紧密结合无人驾驶特点的、适用于露天矿无人运输系统的配矿调度是本领域面临的亟待解决的技术问题。
6.现有技术1通过对挖掘机作业的指导来实现矿山品位的控制，采掘只是矿山生产作业的一个环节，但是，配矿是一个综合工艺流程，现有技术1没有考虑出矿量、品位、设备生产能力、空间位置等约束条件，该方法还不足以胜任露天矿山无人运输这种复杂、自主运输的配矿场景。
7.现有技术2针对井下矿石开采的场景，以轨道机车方式运转，需要矿石装载点的操作人员或者电机车上的操作人员参与，现有技术2未明确讲述配矿模型，调度时矿石装载点的矿石品位是已知的(预设的矿石品味配矿调度参数包括编组列车号、与列车号对应的车皮序列号、矿石装载点号以及与矿石装载点对应的矿石品味及矿石容量跟踪曲线)，因此，现有技术2无法满足露天矿场景，以及露天矿无人运输情况下的配矿需求。
8.现有技术3采矿矿石动态配矿模型是针对特定矿石，矿石特指赤铁矿、磁铁矿和碳酸铁，配矿模型也是针对这三种矿石的比例为目标，然而，露天矿配矿是不限于一种或固定种类矿石的，现有技术3具有一定局限性，无法融入露天矿无人运输场景。


技术实现要素：

9.目的：为了克服现有技术中存在的传统配矿一般是靠技术人员手工计算，操作复杂，配矿效果很大程度受人员经验、责任心等人为因素影响，具有一定盲目性，混矿品位易
产生较大波动；当前配矿相关研究主要是针对有人运输的场景，对适配露天矿无人运输情况下的配矿方法的研究尚不足的问题。本发明提供一种露天矿无人运输系统的配矿调度方法，针对露天矿无人化运营场景，提供一种交互友好，操作简便，配矿计算耗时短，与无人驾驶系统紧密结合的支持灵活调整、动态配比的配矿调度方法。
10.技术方案：为解决上述技术问题，本发明采用的技术方案为：
11.一种露天矿无人运输系统的配矿调度方法，包括如下步骤：
12.获取参与配矿的爆堆信息、卸载点信息、配矿目标信息；
13.基于爆堆信息、卸载点信息、配矿目标信息，通过对预构建的配矿数学模型进行求解，得到配矿方案；
14.根据配矿方案，确定爆堆装矿车数比例；
15.根据爆堆装矿车数比例和预先设置的爆堆处铲装设备信息，配对露天矿无人运输系统的无人矿卡，产生配矿调度计划。
16.作为优选方案，还包括：获得当前配矿调度计划执行情况，如果执行过程出现异常情况或者与目标矿石质量指标偏离超过阈值，则增减无人矿卡，调整无人矿卡与铲装设备配对关系或者调整配矿方案。
17.作为优选方案，根据配矿调度计划生成无人矿卡作业任务；所述无人矿卡作业任务包括：根据破碎站采集当前时间段混矿实际比例，以实际比例值趋于目标品位指标为目的，调控下一时间段无人矿卡与铲装设备的配对关系，预先生成下一周期无人矿卡作业任务，直至到达配矿调度计划周期结束时间或者配矿调度计划作业执行完毕。
18.作为优选方案，还包括：预设出矿比例阈值，根据预构建的配矿数学模型求取出的两个爆堆的出矿比例，将两个爆堆的出矿比例与出矿比例阈值进行比较，选取满足出矿比例阈值的两个爆堆的出矿比例。
19.作为优选方案，通过调节爆堆的出矿比例系数对配矿方案进行调整。
20.作为优选方案，所述爆堆信息包括：爆堆矿石储量；爆堆矿石成分、品位；是否参与配矿。
21.作为优选方案，所述卸载点信息包括：卸载点名称；卸载点的卸载能力；卸载点要求各成分的目标品位值，误差值；是否参与配矿。
22.作为优选方案，所述配矿目标信息包括：配矿周期，包括：开始时间和结束时间；计划出矿量。
23.作为优选方案，所述配矿数学模型，包括：
[0024][0025]
其中，f
min
表示每个破碎站所得金属品位与目标品位偏差最小，ai表示第i个爆堆的出矿的第一矿石品位，si表示第i个爆堆的出矿的第二矿石品位；xi表示第i个爆堆计划出矿量，n表示爆堆的总数量，a表示第一矿石控制品位值，s表示第二矿石控制品位值；
[0026]
约束条件包括：
[0027]
爆堆出矿总量约束
[0028]
xi≤mi，i＝1，2，
…
，n；
[0029]
其中,xi为第i个爆堆计划出矿量，mi为第i个爆堆储矿量，n表示爆堆的总数量；
[0030]
卸载点卸载能力约束
[0031][0032]
其中，xi为第i个爆堆计划出矿量，n表示卸载点总卸载能力，n表示爆堆的总数量；
[0033]
配矿指标约束
[0034][0035][0036][0037][0038]
其中，ai表示第i个爆堆的出矿的第一矿石品位，si表示第i个爆堆的出矿的第二矿石品位；a表示第一矿石控制品位值，s表示第二矿石控制品位值；p表示第一矿石品位允许误差，q表示第二矿石品位允许误差，n表示爆堆的总数量。
[0039]
作为优选方案，所述出矿比例阈值初始默认值为0.5。
[0040]
有益效果：本发明提供的一种露天矿无人运输系统的配矿调度方法，其优点如下：
[0041]
(1)本发明的技术方案根据实际的配矿需求构建配矿数学模型，求解配矿数学模型后获得配矿方案，并将配矿方案与露天矿无人驾驶系统的派车调度系统进行关联，生成服务于配矿的具体的派车计划，从而将配矿方案转换为了派车计划，通过控制无人矿卡的调度即可实现预期的配矿指标，将配矿方案与露天矿的采-运-排调度紧密结合，实现了露天矿无人运输系统的自动化和智能化。
[0042]
(2)本发明的技术方案周期性将实际混矿比例与预期的混矿比例进行比较，检查实际混矿比例是否达标，如果实际混矿比例与预期的混矿比例之间的误差在误差阈值范围内，则确定达标，继续按照原来的派车计划执行；如果不达标，按照预期的混矿比例修正装矿车和铲装设备的派车计划，使得实际混矿比例无限接近预期的混矿比例，保证配矿方案的准确实施。
[0043]
(3)本发明的技术方案构建出的配矿数学模型适应性强、计算速度快、耗时短，可以有效提升配矿效率。
[0044]
(4)本发明的技术方案结合可动态调整或者默认设置的每个爆堆的出矿百分比对配矿数学模型进行求解，避免多爆堆之间出矿量偏离过大，以减少装载作业面无人矿卡排队时间，提升生产效率。
附图说明
[0045]
图1配矿调度流程示意图。
[0046]
图2是爆堆配置示意图。
[0047]
图3是新增爆堆示意图。
[0048]
图4车卸载点配置示意图。
[0049]
图5车新增卸载点示意图。
[0050]
图6配矿目标配置与配矿解算示意图。
具体实施方式
[0051]
下面结合具体实施例对本发明作更进一步的说明。
[0052]
如图1所示，一种露天矿无人运输系统的配矿调度方法，具体步骤如下：
[0053]
(1)通过爆堆配置单元，新增爆堆配置，首先从爆堆列表中选择爆堆，输入该爆堆矿石储量，然后输入该爆堆矿石成分、品位(支持一种或多种矿石种类)，最后确定该爆堆是否要参与配矿；
[0054]
(2)通过卸载点配置单元，新增卸载点，首先从卸载点列表中选择卸载点，输入该卸载点的卸载能力，然后输入该卸载点要求各成分的目标品位值，误差值，最后确定该卸载点是否要参与配矿；
[0055]
(3)通过配矿目标配置单元，选择开始时间和结束时间以确定配矿周期，输入计划出矿量；
[0056]
(4)通过配矿解算单元，根据多约束条件下的规划求解配矿数学模型，计算配矿计划，若能计算出，则会显示最终的配矿方案。若计算不出则会提示“没有配矿方案，请调整参数”，此时点击“上一步”重新修正爆堆参数和卸载点参数等再进行解算；
[0057]
多约束条件下的规划求解配矿数学模型是一个多目标规划问题，该模型应满足相关约束条件：
[0058]
①
爆堆出矿总量约束
[0059]
根据配矿周期、目标产量，计算出来每个爆堆拟出矿量必须为其储矿量所约束，
[0060]
xi≤mi(i＝1,2,
…
,n)，其中xi为第i个爆堆计划出矿量，mi为第i个爆堆储矿量。
[0061]
②
卸载点卸载能力约束
[0062]
从n个爆堆采掘的矿石将由无人矿卡运送至卸载点进行破碎配矿，卸载点卸载能力为n，则
[0063]
③
配矿指标(目标品位、允许偏差)约束
[0064]
以铝土矿为例，配矿元素有铝(al)、硅(si)两种，要求矿石的al品位控制在a
±
p％，si品位控制在s
±
q％。(其中a和s为需要控制的品位值，
±
p％和
±
q％为允许误差)，其中第i个爆堆的出矿铝品位为ai，硅品位为si，那么配矿指标约束应满足：
[0065][0066][0067]
[0068][0069]
建立的目标函数要求每个破碎站所得金属品位与目标品位偏差最小，即：
[0070][0071]
由于本方法面向的是露天矿无人运输场景，无人矿卡载重一般统一固定，因此，计算过程中将各爆堆拟出矿量进行取整，以具有直观、简明的配矿比例，进一步将配矿结果转换为装矿车数比例，便于矿区内组织无人矿卡运输。
[0072]
(5)生成有效的配矿方案后，则可以进行与露天矿无人驾驶系统关联步骤；或者通过配矿阈值配置单元，约束爆堆的出矿比例，从而调节配矿方案；
[0073]
(6)通过铲装配置单元，依照选定的配矿方案，为每个爆堆选择铲装设备，露天矿无人运输系统进行校验，如果没有发生作业冲突(比如铲装设备正在其他装载区作业)，则成功创建该配矿方案的调度计划；
[0074]
(7)根据配矿计划产生详细调度指令，通过配矿调度单元进入基于配矿方案的调度计划执行阶段，得到下一周期无人矿卡作业任务；
[0075]
(8)破碎站采集当前时间段混矿实际比例，反馈至配矿调度单元，以实际比例值趋于目标品位指标为目的调控下一时间段无人矿卡与挖掘设备的配对关系，预先生成下一周期无人矿卡作业任务，并返回执行步骤7，直至到达配矿计划周期结束时间或者配矿计划调度作业执行完毕；
[0076]
(9)通过配矿实况单元，获得当前配矿方案执行情况，如果执行过程出现异常情况或者与目标矿石质量指标偏离较大，则可以增减无人矿卡，调整无人矿卡与铲装设备配对关系(进入6开始下一循环)或者调整配矿方案(进入1开始下一循环)；
[0077]
实施例1：
[0078]
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
[0079]
(一)配矿数学模型
[0080]
在这里对配矿数学模型的构建进行说明。
[0081]
例如在铝土矿生成中，假设可出矿爆堆为2个，爆堆的矿石的成分如下：
[0082][0083]
其中爆堆1铝(a1)的品位＝铝元素质量/m1，硅(si)的品位＝硅元素质量/m1。
[0084]
要求：破碎站(卸料口)矿石的al品位控制在a
±
5％，si品位控制在s
±
2％。(其中a和s为需要控制的品位值，是已知量；
±
5％和2％为允许误差)
[0085]
该模型包括约束条件和目标函数。
[0086]
约束条件：
[0087]
①
爆堆出矿总量约束，每个爆堆拟出矿量必须为其储矿量所约束：
[0088]
xi≤mi(i＝1,2,
…
,n)，其中xi为第i个爆堆计划出矿量，mi为第i个爆堆储矿量。
[0089]
②
卸载点卸载能力约束
[0090]
从n个爆堆采掘的矿石将由无人矿卡运送至卸载点进行破碎配矿，卸载点卸载能力为n，则
[0091]
③
配矿指标(目标品位、允许偏差)约束
[0092]
以铝土矿为例，配矿元素有铝(al)、硅(si)两种，要求矿石的al品位控制在a
±
p％，si品位控制在s
±
q％。(其中a和s为需要控制的品位值，
±
p％和
±
q％为允许误差)，其中第i个爆堆的出矿铝品位为ai，硅品位为si，那么配矿指标约束应满足：
[0093][0094][0095][0096][0097]
建立的目标函数要求每个卸载点所得的混矿品位与目标品位偏差最小，即：
[0098][0099]
(二)配矿方案
[0100]
举一个具体的例子对整个配矿方案进行解释说明，如下：
[0101]
例如在铝土矿矿区，假设可出矿爆堆为2个，爆堆的矿石的成分如下：
[0102][0103]
要求：破碎站(卸料口)矿石的al品位控制在15％
±
5％，si品位控制在4％
±
1％。(其中15％和4％为需要控制的品位值，是已知量；
±
5％和1％为允许误差)
[0104]
s1：对爆堆参数进行配置
[0105]
具体地，根据出矿点检测员获取的数据，对爆堆参数进行配置。例如，通过服务器端的爆堆配置单元(如图2所示)，新增爆堆配置(如图3所示)，首先从爆堆列表中选择爆堆“750平台西-1”，输入该爆堆矿石储量“4200吨”，然后输入该爆堆矿石成分铝元素，品位12％，硅元素，品位3％，勾选该爆堆参与配矿；继续新增爆堆配置，首先从爆堆列表中选择爆堆“750平台南-2”，输入该爆堆矿石储量“2800吨”，然后输入该爆堆矿石成分铝元素，品位20％，硅元素，品位5％，勾选该爆堆参与配矿；录入爆堆数据后点击“下一步”，进入卸载点配置单元；
[0106]
s2：对卸载点参数进行配置
[0107]
具体地，根据卸载点质控员期望的数据，对卸载点的参数进行配置。例如，通过服务器端的卸载点配置单元(如图4所示)，新增卸载点(如图5所示)，首先从卸载点列表中选择卸载点“2号卸载点”，输入该卸载点的卸载能力50吨/小时，即每天能够处理1200吨矿石，然后输入该卸载点要求各成分的目标品位值，误差值，即al品位控制在15
±
5％，si品位控制在4
±
1％，最后勾选该卸载点参与配矿；录入卸载点信息后点击“自动配矿”，进入配矿解算单元；
[0108]
s3：对配矿生产目标进行配置(配矿周期 计划出矿量)
[0109]
具体地，通过配矿目标配置单元(如图6所示)，选择开始时间和结束时间以确定配矿周期，比如7天，输入计划出矿量5600吨；
[0110]
s4：出矿比例阈值进行配置
[0111]
具体地，通过服务器端的出矿比例阈值配置单元调节每个爆堆出矿百分比，本实施例中将爆堆的出矿比例阈值设置为0.7，并将其设置为默认值，当然也可以根据实际需要对其进行实时调整。设置出矿比例阈值的目的，是为了给s6提供计算约束。
[0112]
s5：构建配矿数学模型。
[0113]
下面举一个具体的例子进行解释说明，假设爆堆“750平台西-1”拟出矿量为x1，混矿后铝品位为a1，硅品位为s1；
[0114]
爆堆“750平台西-2”拟出矿量为x2，混矿后铝品位为a2，硅品位为s2。
[0115]
建立的目标函数要求每个卸载点所得的混矿品位与目标品位偏差最小，即：
[0116][0117]
满足的约束为：
[0118]
①
爆堆出矿总量约束
[0119]
x1≤4200,x2≤2800
[0120]
②
卸载点卸载能力约束
[0121]
从2个爆堆采掘的矿石将由无人矿卡运送至卸载点进行破碎配矿，“2号卸载点”每天能够处理1200吨矿石，则
[0122]
③
配矿指标(目标品位、允许偏差)约束，配矿指标约束应满足：
[0123]
[0124][0125][0126][0127]
s6：求解配矿数学模型
[0128]
具体地，本步骤的主要目的是求解配矿数学模型，即，计算配矿方案，得到出矿比例。
[0129]
计算配矿方案的步骤如下：
[0130]
设第一个爆堆(750平台西-1)出矿份额为1时，需要第二爆堆(750平台南-2)出矿份额为x，则根据第一种矿石al的品位需求得出公式1，根据公式1的定义，可求出x(参见公式2):
[0131][0132][0133]
同时根据第二种矿石si的品位需求得出公式3：
[0134][0135]
x需要同时满足公式2和公式3的约束。
[0136]
基于上述条件求解出x＝0.6，
[0137]
迭代公式2误差范围内的品位值(15％
±
5％)，并基于0.6在出矿比例阈值0.7之内，满足出矿比例阈值与公式3的约束，能够得到若干个第二个爆堆的候选出矿份额x；基于1：x的出矿比例，可以计算出每个爆堆的出矿量。基于爆堆出矿总量约束、卸载点卸载能力约束进一步筛选x值；
[0138]
从候选的x值推算矿石成分al与si的品位值，在目标函数的约束下从中选取与目标品位最为接近的作为最优解并输出至s7。
[0139]
s7：判断配矿解算是否成功。
[0140]
若是s6能够输出唯一的x值，则认为配矿解算成功。若是成功，执行s8；若是不成功，执行s1、s2、s3或者s4中的一个步骤，或者多个步骤同时执行，直到配矿解算成功为止。
[0141]
s8：获得配矿方案。
[0142]
具体地，根据s7中输出的每个爆堆的出矿比例，进一步生成具体的配矿方案，配矿方案指的是每个爆堆日均出矿量。
[0143]
例如，根据计划总日均出矿量是800吨，则通过s7计算出的出矿比例生成配矿方案为：需从750平台西-1平台出矿800/(1 x)＝500吨(注意要小于爆堆矿量)，750平台西-2平台出矿800/(1 x)*x＝300吨。
[0144]
s9：将配矿方案转换为装矿车数比例
[0145]
具体地，根据s8步骤中获得的配矿方案可知，两个矿的出矿量比例为5:3，根据该
比例，将两个矿的装矿车数比例设置为5:3。
[0146]
s10：关联露天矿无人驾驶系统的派车调度
[0147]
由于现有的露天矿无人驾驶系统的无人矿卡的派车调度是与每个爆堆的铲装设备的数量和类型关联配置的，因此，为了使得现有的露天矿无人驾驶系统的无人矿卡的派车调度与配矿方案相互关联，使得派车调度满足配矿需求，本发明的技术方案通过服务器端的铲装配置单元对每个爆堆的铲装设备的数量和类型分别进行设置，从而实现配矿方案与派车调度的关联。
[0148]
具体地，为了达到装矿车数比例为5:3，需要铲装设备数量的比例为2:1。如果相应爆堆处的铲装设备数量不达标(例如当前的铲装设备数量的比例为1:1)，则派车调度按照配矿需求进行铲装设备的调派。
[0149]
s11：生成配矿计划并执行
[0150]
配矿计划指的是服务于配矿的具体的派车计划，其是综合配矿方案和派车调度生成的。
[0151]
s12：周期性检查实际混矿比例是否达标。
[0152]
实际生产过程中是复杂的，具有随机性因素，如果实际派车调度的装矿车数比例与预期的存在偏差，例如，预期的装矿车数比例为5:3，但是由于装矿车故障或者道路维修，实际的派车调度的装矿车数比例为3:1，为了实现预期的装矿车比例，因此周期性检查实际混矿比例是否达标，以便进行进一步的纠正。
[0153]
具体地，接收卸载点系统输出的实际混矿比例，将实际混款比例与预期的混矿比例进行比较，如果实际混矿比例与预期的混矿比例之间的误差在误差阈值范围内，则确定达标，执行s13；如果实际混矿比例与预期的混矿比例之间的误差超出了误差阈值范围，则确定不达标，执行s10。
[0154]
s13：继续执行上述配矿计划。
[0155]
s14：达到配矿周期结束时间/调度作业执行完毕。
[0156]
实施例2：
[0157]
(1)本发明的技术方案构建出了一种露天矿无人运输系统的配矿方案，首先，根据爆堆参数、卸载点参数以及配矿品位指标分别构建约束函数，根据前述三个约束函数以及卸载点的混矿品位与目标品位偏差最小原则构建配矿数学模型；然后，根据配矿生产目标、预设的出矿比例阈值以及上述三个约束函数对配矿数学模型进行求解，获得每个爆堆的出矿比例，同时根据该配矿比例生成包括每个爆堆日均出矿量的配矿方案；再者，将该配矿方案转换为装矿车数比例，通过配置每个爆堆的铲装设备的数量和类型将装矿车比例与露天矿无人驾驶系统的派车调度系统进行关联，生成服务于配矿的具体的派车计划；当达到配矿周期结束时间或者调度作业执行完毕时，完成露天矿无人运输系统的配矿工作。可见，本发明的技术方案根据实际的配矿需求构建配矿数学模型，求解配矿数学模型后获得配矿方案，并将配矿方案与露天矿无人驾驶系统的派车调度系统进行关联，生成服务于配矿的具体的派车计划。
[0158]
(2)本发明的技术方案提出了一种基于配矿方案的动态调整派车计划的机制，周期性将实际混款比例与预期的混矿比例进行比较，检查实际混矿比例是否达标，如果实际混矿比例与预期的混矿比例之间的误差在误差阈值范围内，则确定达标，继续按照原来的
派车计划执行；如果不达标，按照预期的混矿比例修正装矿车和铲装设备的派车计划。
[0159]
(3)本发明的技术方案提出了一种新的配矿数学模型，获取爆堆的储矿量并根据该爆堆的储矿量构建爆堆出矿量约束函数；获取卸载点的矿石破碎量并根据该卸载点的矿石破碎量构建卸载点卸载能力约束函数；获取包括不同的目标品位及其允许误差阈值的配矿指标，根据该配矿指标构建配矿品位指标约束函数；根据前述三个约束函数以及卸载点的混矿品位与目标品位偏差最小原则构建配矿数学模型。
[0160]
(4)本发明的技术方案结合可动态调整或者默认设置的每个爆堆的出矿百分比对配矿数学模型进行求解。
[0161]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。