Dalam beberapa tahun kebelakangan ini, kecerdasan buatan (AI) telah digunakan secara beransur-ansur pada pelbagai peringkat pemprosesan mineral, seperti analisis dan pengenalpastian harta bijih, kawalan pintar pengasingan graviti, pengasingan magnet, pengapungan dan pengoptimuman proses penghancuran dan pengisaran.
Berbanding dengan teknologi kawalan tradisional dan kaedah-berasaskan komputer, AI mempamerkan kelebihan ketara dalam menyelesaikan masalah yang kompleks, mensimulasikan tingkah laku manusia dan menyesuaikan diri dengan perubahan dalam persekitaran luaran. Ia dianggap sebagai laluan yang tidak dapat dielakkan untuk kemajuan industri pemprosesan-dalam mineral.
Analisis dan pengenalan pintar
Dalam analisis dan pengenalpastian bijih, pembelajaran mendalam cemerlang terutamanya dalam pemprosesan imej. Digabungkan dengan algoritma seperti rangkaian neural convolutional (CNN), ia boleh menganalisis imej mikroskopik atau data pengimbasan bijih dengan cekap. Dengan memproses data spektrum mineral, rangkaian saraf secara automatik boleh mengenal pasti komposisi kimia dan struktur mineral yang berbeza, menghapuskan langkah analisis manual yang membosankan.
Pengiktirafan automatik jenis bijih yang berbeza memainkan peranan penting dalam penilaian sumber mineral dan penggredan kualiti bijih. Penyelidik juga telah menggabungkan model pembelajaran-dalam untuk mengekstrak ciri penyebaran mineral secara automatik daripada imej mikroskopik dan mengimbas imej mikroskop elektron (SEM), supaya dapat mengira saiz pembebasan mineral.
Pemisahan graviti pintar
Kelebihan pemisahan graviti pintar terletak pada fakta bahawa peralatan itu sendiri tidak melibatkan penambahan reagen dan mempunyai kos operasi yang rendah. Kawalan berbantukan AI-boleh meningkatkan lagi ketepatan pemisahan dan tahap automasi, menjadikannya amat sesuai untuk bahan pukal seperti arang batu, ilmenit dan kromit.
Walau bagaimanapun, batasan pemisahan graviti pintar juga agak jelas. Kebanyakan kajian kekal di peringkat makmal atau{1}}skala perintis, dengan kekurangan pengesahan dalam talian industri yang teruk. Kaedah pengecaman antara muka berasaskan mesin-penglihatan-amat dipengaruhi oleh kekeruhan buburan, liputan buih dan keadaan pencahayaan, mengakibatkan kebolehsuaian yang tidak mencukupi. Mekanisme interaksi hidrodinamik dan berbilang-zarah dalam pemisahan graviti adalah kompleks dan penderia sedia ada tidak dapat memberikan maklumat keadaan masa sebenar-sebenar yang cukup, yang mengekang dimensi input model-didorong data. Tambahan pula, ciri-ciri pemisahan sangat berbeza antara jenis bijih dan pecahan saiz yang berbeza, menjadikan penghijrahan model sukar.
Pada masa hadapan, pembangunan pintar pemisahan graviti akan memerlukan teknik pengesanan dalam talian yang lebih maju (cth, velocimetry Doppler ultrasonik, tomografi rintangan elektrik) dan penyepaduan hasil simulasi dinamik bendalir pengiraan (CFD) ke dalam rangka kerja pemodelan hibrid.
Pemisahan magnet pintar
Penyelidikan mengenai pemisahan magnet pintar bermula agak lewat tetapi telah berkembang pesat, terutamanya memfokuskan pada pengoptimuman parameter operasi, ramalan gred dalam talian dan sistem kawalan pintar.
Kelebihan pengasingan magnet pintar termasuk: pembolehubah input proses pengasingan magnetik secara relatifnya-ditakrifkan dengan baik, dengan ketaklinearan yang lebih rendah daripada pengapungan, membolehkan kaedah didorong data-mencapai hasil yang memuaskan dengan lebih mudah; instrumen konvensional (ammeter, flowmeter, densitometer) menawarkan ketepatan yang tinggi dan penyelenggaraan yang mudah, menyebabkan kos pemerolehan data yang rendah; dan pengasingan magnet selalunya disusun dalam siri-berbilang peringkat, jadi pengoptimuman setempat boleh menghasilkan faedah yang ketara.
Kelemahannya adalah seperti berikut: untuk mineral magnet yang lemah, ciri-ciri kemagnetan dan kelakuan pengagregatan zarah adalah kompleks, dan kebanyakan model sedia ada jarang menggabungkan faktor mikroskopik (seperti taburan kerentanan zarah dan magnetohidrodinamik). Dalam-pemisah magnet kecerunan tinggi, matriks cenderung tersumbat selepas operasi yang berpanjangan, yang membawa kepada penurunan kecerunan medan magnet, tetapi penderia semasa menghadapi kesukaran memberikan amaran awal. Apabila berbilang pemisah magnet beroperasi dalam penyelarasan, pengoptimuman tempatan bagi satu unit tidak semestinya menyamai pengoptimuman global, memerlukan-rangka kerja pengoptimuman kolaboratif luas loji. Selain itu, tingkah laku pemisahan magnet bagi pecahan kasar dan halus sangat berbeza, menjadikannya sukar bagi model empirikal bersatu untuk merangkumi semua kes.
Pengapungan pintar
Penyelidikan AI paling maju dalam bidang pengapungan, terutamanya menumpukan pada tiga bidang: analisis imej buih, ramalan prestasi pengapungan dan kawalan pintar dan pengoptimuman.
Kelebihan teras pengapungan pintar ialah: mengurangkan pergantungan pada pengalaman manusia dengan ketara, meningkatkan daya tahan proses terhadap gangguan dan mencapai peralihan daripada "bergantung pada pengalaman untuk membaca buih" kepada "peraturan tepat-data". Ia mampu mengendalikan perhubungan bukan linear berbilang-dimensi dan mendedahkan corak tersembunyi yang sukar dikesan oleh manusia. Selepas-kawalan gelung tertutup, varians penunjuk prestasi utama dikurangkan dan kestabilan produk dipertingkatkan.
Dari segi faedah sebenar, kes yang dilaporkan menunjukkan bahawa selepas penggunaan AI, gred pekat boleh meningkat sebanyak 3-6%, pemulihan boleh bertambah baik sebanyak 2-5% dan penggunaan reagen boleh berkurangan sebanyak 8-15%. Namun begitu, aplikasi industri berskala besar pengapungan pintar masih menghadapi cabaran yang serius.
Pengoptimuman proses
Pengoptimuman berasaskan AI-proses penghancuran dan pengisaran termasuk: menggunakan model seperti hutan rawak, mesin vektor sokongan dan rangkaian saraf konvolusi untuk mengenal pasti kekerasan bijih, menganggar saiz zarah dan taburan saiz, mengoptimumkan operasi penghancuran, meramalkan kebolehkisaran bijih dalam talian dan melakukan pengoptimuman berbilang{1}}parameter pengisaran. Usaha ini mengubah penghancuran dan pengisaran daripada kawalan manual kepada operasi pintar dan kolaboratif, menaik taraf proses daripada "pelarasan pasif" kepada "ramalan aktif".
Dalam aplikasi praktikal, pengesanan dalam talian saiz zarah pengisaran dan ketumpatan pulpa telah mencapai pelaksanaan perindustrian, dengan teknologi seperti -ukuran zarah anjakan-laser dan pengesanan kepekatan Na-22 dikecualikan-sumber digunakan secara komersil.