选矿流程矿浆采样主动巡检系统设计与实现

2020-10-09张海峰王锐邱波朱磊

物联网技术 2020年9期

张海峰王锐邱波朱磊

摘要：为实现选矿流程矿浆采样远程主动巡检，文中提出一种可用于选矿流程矿浆采样巡检系统的NB-IoT物联网架构模型，详细阐述了复杂工况下微量流量检测方法，并根据矿浆采样特性对现有物联网CoAP协议进行改进，解决物联网模式下采样流量快速传输存在的丢包率问题。根据工业现场流程依据采样趋势统计分析结果，对采样流量特征峰值进行基于数据驱动的自动抽取，并在此基础上实现了被动式矿浆采样周期自主识别。矿浆采样巡检系统结合采样工艺需求，构建了基于设备工况、测量参数和设备连接状态的巡检系统故障分类模型，应用于采样告警事件的主动推送，为巡检人员现场维护提供决策参考，现场实施结果数据证明了该系统的有效性。

关键词：NB-IoT;矿浆采样;巡检系统;主采样周期;批量传输;APP

中图分类号：TP301.6文献标识码：A文章编号：2095-1302（2020）09-00-04

0 引言

选矿生产流程矿浆采样及其化验结果是衡量选矿过程工况状态的最直接指标，其在一定程度上反映出选矿厂的经济效益。选矿流程矿浆采样方式和采样均匀度直接影响着矿浆化验结果及代表性，现有选矿厂流体浆料的采样方式[1]主要为气动取样器采样和机械式水斗采样。由于气动采样方式的取样器安装在工艺管线上，且需进行二次缩分采样，当系统出现故障，尤其是取样器发生故障时流程停产才能检修[2]。机械式水斗采样结构简单，无精密电子元件，可在连续生产条件下维修，其被广泛应用在矿山、选矿等流程计量系统复杂工况下流体矿浆的采样环节中。

选矿流程采样矿浆浓度高[2-5]，质量浓度可达28%～45%，采样管细长（内径10 mm，长度一般大于500 mm），矿浆采样为微流量（单次采样量小于40 mL），采样环境高湿（湿度大于90%RH）、高温（温度高于40 ℃），选矿药剂具有腐蚀性，工况复杂，极易出现采样管道堵塞、采样机卡死等影响流程正常进行的异常事件发生，为保证选矿流程各采样点采样机均匀采样，真实反映选矿作业的生产指标，绝大多数选矿企业制定采样人工定/周期现场巡检制度。定/周期人工巡检在一定程度上保证了采样矿浆的代表性，但由于采样点在选矿流程的空间布局较为分散，以及采样机和其采样管故障发生的随机不确定性，为及时发现并处理采样机故障，一线巡检操作人员需要对所有在用采样机（无论是否发生采样故障）进行排查，这无疑大大增加了员工的劳动强度。

窄带物联网（Narrow Band Internet of Things，NB-IoT）是物联网的一个分支，与LoRa，ZigBee等相比，具有覆盖广、支撑海量连接、高性价比和接入安全等特性[6-9]，国内电信、联通、移动三大运营商先后推出专属物联网接入平台，阿里、华为和部分行业部委也相继构建了企业公有云平台，面向用户提供基于物联网架构的数据存储、计算应用等定制化服务[10-11]。窄带物联网已在智慧城市、智慧制造、智慧农业、智能家居等领域中被广泛应用[12-16]，并取得了显著的经济效益和社会效益。

1 矿浆采样巡检系统架构

矿浆采样自动巡检系统主要对矿浆采样过程中流入样盒的矿浆进行实时感知，将流量检测信号采用NB-IoT技术，借助物联平台通道转存至企业云平台服务器。由矿浆采样巡检系统对流量信息进行分析处理并提取矿浆采样特征，在此基础上统计采样点的采样次数、采样均匀度、故障告警提示及采样异常事件，通过WebService服务功能和移动APP分别进行主动推送，协助采样操作人员完成现场巡检。针对选矿采样点和流量检测装置相對分散、现场环境复杂等特点，矿浆采样远程巡检系统采用典型物联网模型的感知层（传感检测层）、网络层、应用层三层物联网网络架构。其中网络层又分为平台层和传输层，其网络基本结构如图1所示。

应用层的作用在于基础数据信息存储、数据决策分析、应用程序开发及管理、网络用户终端查询及参数设置、移动终端APP信息推送等。网络层传输部分包括NB-IoT模块设备获取数据并解析，封装数据并主动推送至物联网平台通道，本地数据与云平台数据信息传输，将来自现场的检测数据经NB-IoT模块发送至平台通道，保证数据的实时性和有效性，降低丢包及误码率。感知层通过流量计感知检测采样机状态信息并上传至无纸记录仪和NB-IoT模块设备。

矿浆检测及分析处理数据借助电信运营商物联平台提供的通道接入模式存储在企业云数据服务器中，终端查询客户机和APP终端通过互联网访问企业云平台数据服务器。矿浆采样流量检测传感器通过隔离模块信号接入NB-IoT装置，经由物联网平台转存至本地服务器，另一路检测信号在就地控制箱内的无纸记录仪进行显示，为采样点维护和故障排查提供数据服务功能。矿浆采样移动终端APP通过4G网络接口接入互联网，接收本地服务器的数据信息推送服务。

1.1 采样流量检测设计

为防止采样矿浆受到外界污染，采样流程处于如图2所示的高温高湿密封环境中。采样流程：采样水斗固定在采样支架上，在近似梯形的水斗一端悬挂配重块，在另一端上方设置可调冲水阀，当水斗内冲水液位达到一定高度时两端平衡被打破，连接水斗的采样杆做切割矿浆瀑布面运动进行采样，水斗内水流出后水斗和采样管复位，采样矿浆从采样管（1）自漏斗（2）进入采样盒（3）内。

矿浆采样为间歇式工作，单次采样量约30 mL。根据采样浓度的不同，其采样周期范围为10～60 min。通常为保证采样干矿量满足化验系统的制样要求，浓度越高，采样周期设定越长。试验结果表明，采样时间为3～5 s，从测量方式、测量精度、响应时间、测量原理等方面综合考虑，非接触式多普勒流量传感器在满足测量要求的同时具有明显优势，其工业现场实测精度为0.2 mL（可以感知一滴水的流量变化），响应时间为0.1 s。

1.2 数据采集传输系统设计

根据矿浆采样系统采样点无需移动、单点数据量小及对采样流量时延不敏感的特性，数据采集和传输系统选择NB-IoT设备，它支持低功耗、低带宽工况下广域网内的蜂窝数据连接方式。为精确捕捉和分析采样点流量信息、降低传输误码率和丢包率，采集传输设备的数据采集粒度为1 s（采样周期），选用CoAP协议[3-4，16]进行封装后批量上传。采样点数据采集传输流程如图3所示。

流量传感器输出4～20 mA模拟量信号，其经输出信号隔离器输出后，其中一路接入采样点现场控制箱内的无纸记录仪，另一路接入NB-IoT设备的模拟量输入通道，经数模转换后的流量为队列数组对应的元素，是队列中当前存储元素的编号。矿浆采样巡检系统利用物联网平台数据通道转发服务将采样流量数据由CoAP服务器推送至企业云服务器进行储存，并在此基础上进行数据分析处理业务等应用程序的部署，为Web查询客户端和终端APP应用提供数据服务功能。

2 系统功能设计与实现

矿浆采样巡检系统主要是对采样点采样流量进行动态监测，根据流量数据统计分析，在此基础上依据功能需求构建管理层、应用层、数据层和推送层四层架构模型，如图4所示。

管理层对系统操作管理级别进行划分，主要包括操作员和管理员两类。具备管理员身份的用户可以访问应用层内查询、故障告警和通道管理的所有功能;操作员身份用户可以访问查询故障告警中存在的异常信息，但无法对通道进行管理和操作故障告警信息的查询。应用层包括信息查询、故障告警提示和采样数据通道管理，其中故障告警分为异常告警和操作告警。

矿浆采样巡检系统中采样次数及其采样持续时间是衡量采样是否具有代表性及分析单次采样异常的重要标准，采样点状态是判断采样流量监测及通信链路是否正常的前提，接收采样数据数量则决定着采样次数特征参数提取能否反映真实的状态，系统对上述关键数据提供查询功能。表1以一选二原采样点为例，在Web服务客户端，巡检系统在设定待查询采样通道及时间段后，即可得到查询采样点每次采样统计的采样起始时刻、终止时刻、采样持续时间及当班累计采样次数等相关参数。

3 应用效果分析

基于NB-IoT物联网架构的矿浆采样巡检系统在金川大型选矿企业的一选、二选、三选、渣选及尾矿5个车间开展工业化应用试验，采样监测点在20 km2的广阔区域内分布，数据传输稳定可靠，现场运行效果良好。

（1）为适应采样点流量采集数据量大、快速且低漏包率的要求，本文对现有CoAP协议进行改进，采用NB-IoT设备端自主唤醒、批量上传的模式，具体见表2所列。对19个采样点的监测数据以日为单位进行统计，取流量采集周期为1 s，每天应收数据为86 400，实收数据即为对应采样点实际接收的数据，丢包率是应收数据与实收数据之差与应收数据的比值，实测数据表明丢包率小于1%，可以满足采样流量监测及采样特征提取的要求（单次采样峰值持续3～5 s）。

（2）在采样流量检测开关设定参数和安装位置一定的情况下，矿浆采样次数和采样峰值决定着采样量的大小，其中采样次数是决定采样量大小的主要因素。因此，采样点采样次数直接反映了采样量的多少，该矿浆巡检系统提出的被动式矿浆采样自主采样特征识别算法可以在复杂工况下提取采样峰值，准确统计采样次数，系统识别准确率超95%，见表3所列。一选一原和三选一原采用定时气动采样机，在不发生管道堵塞时，其采样次数识别率均为100%。其他采样点均存在不同程度的采样识别误差（正误差和负误差，正误差即统计次数大于实际次数;负误差即统计次数小于实际次数）。产生正误差的原因在于采样点进行采样管道维护流量检测次数被计算在统计次数之内。形成负误差的原因在于矿浆中未达分级粒度要求的粉矿大颗粒進入采样管，导致采样流量过小而未在统计次数之内。由表3中的数据看出，采样统计次数识别率满足工艺要求的95%，可以为巡检维护提供作业指导。

（3）矿浆采样巡检系统将之前人工逐点排查巡检方式升级为巡检维护人员在不受时空地域限制条件下根据APP终端各采样点运行状态进行故障原因分析判断和采样周期调整问题，有目的性地针对具体采样点开展维护工作，在降低劳动强度的同时将工作效率提高到70%以上。

4 结语

本文给出了一种采用NB-IoT技术实现选矿生产流程的矿浆采样主动巡检方法，通过采样特征流量识别提取，完成采样点以班次为单位的采样次数统计。该方法在实际工业生产过程中得到了应用并取得了显著的经济和社会效益，现场使用效果良好。该矿浆采样巡检系统数据感知层采用多普勒流量计对微流量进行测量，其依据流体中固形物含量及其移动速度原理检测流体流量。下一步将扩展积分因子插值标定的采样累积流量算法研究，并将其应用于根据采样点检测流量信号至采样干矿量之间的状态空间变换。

参考文献

[1]张涛，黄鹤.选矿厂矿浆流量测量方案剖析[J].铜业工程，2018，152（4）：89-91.

[2]乔晓辉.矿浆流量、浓度、粒度实时在线一体检测仪表研究与设计[D].昆明：昆明理工大学，2009.

[3] Dimitrios Glaroudis，Athanasios Iossifiddes. Survey，comparison and research challenges of IoT application protocols for smart farming [J]. Computer networks，2020，168：1-13.

[4] Kun Liu，Yunrui Bi，Di Liu. Internet of things based acquisition system of industrial intelligent bar code for smart city applications [J]. Computer communications，2020，150：325-333.

[5]张吉军，孟祥卿，申钦，等.非满管流量测量仪的设计[J].仪表技术与传感器，2015（10）：40-42.

[6]余刚.窄带物联网下的应用与发展趋势[J].信息与电脑，2019（23）：141-142.

[7]毕君平，孙大鹏，黄永明，等.窄带物联网（NB-IoT）的研究与应用[J].山东通讯技术，2017，37（4）：1-5.

[8]杨观止，陈鹏飞，崔新凯，等.NB-IoT综述及性能测试[J].计算机工程，2020，46（1）：1-14.

[9]郑志彬，陈德，吴昊.新兴窄带物联网技术NB-IoT[J].物联网学报，2017，1（3）：24-32.

[10]汪飞，王伟伟，汪敏华.面向物联网技术的电力设备状态检修探索[J].电声技术，2019，43（8）：35-38.

[11]叶文超，马涛.物联网平台发展分析及建议[J].广东通讯技术，2018（12）：17-20.

[12]朱起源.基于物联网的大型车库停车管理系统设计[J].电子技术，2019（23）：70-72.

[13]党红强，唐飞龙.基于物联网技术的油气管道安全监测可视化管理系统探索[J].化学工程与装备，2019（10）：296-297.

[14]王伟峰，韩非，彭超，等.基于NB-IoT的土壤墒情监测系统设计与应用[J].自动化与仪表，2020，35（2）：104-108.

[15]翟凌宇，孙凯旋.基于云计算的智慧农业物联网平台[J].软件，2020，41（1）：258-262.

[16] XU Jun，YAO Junmei，WANG Lu，et al. NB-IoT： evolutions，technologies，and open isues [J]. IEEE internet things journal，2018，5（3）：1449-1462.