露天煤矿破碎站作业效率分析

鲍海明，张瑞新,2

(1.中国矿业大学(北京)能源与矿业学院，北京 100083；2.华北科技学院，河北 三河 065201)

0 引 言

露天煤矿破碎站作业是连续流，在破碎站必须设置一定容量的受料仓以满足物料缓冲的需要，物料由卡车载运至破碎站卸车台位并卸入受料仓，通过板式给料机驱动端给入破碎机，最后物料经破碎后推送至排料皮带或下游带式输送机系统，整个过程实现了卸料、堆料、运料、碎料和排料的作业循环。破碎站作为露天开采半连续工艺系统的核心装备，直接决定了该串联系统的效能、可靠性和技术经济性。然而就国内破碎过程控制现状而言，对破碎过程的控制大部分是凭借人工经验判断，严重影响了破碎站生产效率的发挥[1-2]。当前关于破碎站效率的研究主要有：刘国杰[3]根据破碎理论改变破碎机结构实现效率的提高；刘煜等[4]基于离散元素法对破碎机破碎效率进行仿真研究，得出了物料块度以及物料硬度对破碎效率的影响；胡纯[5]对破碎机机仓进行料位控制进而实现破碎过程优化。但对于露天矿各环节生产参数如煤炭质量、给料频率、受料仓料位高度、入料粒度对于破碎站破碎效率的影响分析甚少。

伴随着智慧矿山发展的浪潮，实现破碎站破碎过程的智能控制与无人值守是必经之路，问题的关键是需要全面分析生产过程中影响破碎站运行效果的主要因素。本文基于露天矿山生产参数对破碎效率影响的差异性，运用多元线性回归的统计方法综合分析破碎效率的影响因素。

1 破碎站运行情况

我国原煤运输系统普遍采用半连续工艺，即电铲-卡车-半固定破碎站-带式输送机组合式工艺系统[6]，但破碎站的运行效果并未达到额定生产能力，甚至低于设计能力的60%。以中煤平朔安家岭露天矿7 d各班次的平均小时破碎量为例分析影响破碎效率的因素(表1)。

表1 安家岭露天矿各班次的平均小时破碎量Table 1 Average hourly crushing capacity of each shift of Anjialing open pit mine

露天矿生产运行为每天三个班次：夜班(A班)、白班(B班)、晚班(C班)各8 h，安家岭露天矿破碎站采用2台MMD1000破碎机(一破、二破)，额定生产能力为2 500 t/h。表1中各数据代表该班次的平均小时破碎量。破碎效率大都处于1 000～1 800 t/h之间，有时甚至低于1 000 t/h，与2 500 t/h的额定生产能力相距甚远，严重影响了矿山生产任务的完成。导致破碎站实际生产能力较低的原因是多方面的。

1) 环节匹配。半连续是串联连接的生产工艺系统，任何环节的故障都会对系统造成严重影响，前端的卡车运输能力不足及后端的带式输送机的工况限制将导致破碎站长时间处于空转或停机状态。

2) 组织管理。卡车调度的不合理性，经常造成严重的卡车排队现象，物料供给量不稳定导致破碎站长期处于空载、低载或重载的运行状态。与此同时，白天卡车检修以及生产爆破是白班(B班)生产效率最低的主要原因。

3) 设备工况。破碎站破碎机工况作为主机设备，其生产能力直接决定了破碎系统的生产能力，但并不是唯一决定因素，还有破碎站系统的布置、料仓及出口形状等[7]。

4) 人工操作。破碎站给料速度的控制方法是通过操作人员积累实践经验进行手动调节，当卡车集中向受料仓倾倒物料后，操作人员会根据经验适当提高给料频率，当料仓料量不足时再降低给料频率。不同的操作人员在频率的调节次数与幅度上往往差距很大。

5) 物料性质。坑下毛煤入料粒度、煤炭质量等物料性质都会影响破碎站破碎效率[8]。

在露天矿日常生产过程中，环节匹配、组织管理以及设备工况相对稳定。因此，本文就煤炭质量、受料仓料位高度、入料粒度、给料频率对破碎站破碎效率的影响进行多参数耦合分析。

通过在白音华某露天矿现场实测采集相应数据：2台并联式工况相同的破碎站(破碎机型号为MMD1000)分别破碎加权灰分为25%的优质煤与36%的劣质煤；利用经验法和图像观测受料仓料位高度，以满仓为1、半仓为0.5进行数据统计；根据爆破效果和采装过程分析记录破碎口毛煤入料粒度，以毛煤一维尺寸的最大值作为入料粒度；通过原煤运输监测系统读取给料频率数值；破碎效率可直接由皮带秤反馈读数。 统计得到54组数据，见表2。其中，每组数据均是在相同测试条件进行10次统计取平均值求得，计算见式(1)。

(1)

表2 破碎效率统计数据Table 2 Crushing efficiency statistics

2 单因素分析

为了研究破碎站破碎效率与煤炭质量、受料仓料位高度、入料粒度、给料频率之间的耦合关系，首先分析单个因素对破碎站破碎效率的影响。通过各影响因素与破碎效率之间的对应关系最终确定选择何种方法进行多因素耦合分析[9]。

2.1 煤炭质量对破碎效率的影响分析

为了研究煤质对破碎效率的影响，利用控制变量法选取相同受料仓料位高度、入料粒度、给料频率下的优质煤和劣质煤16组破碎效率数据进行线性拟合，从而得到煤炭质量对破碎效率的影响规律，如图1所示。 由图1可知，线性拟合方程斜率为0.86，说明在同等条件下劣质煤的破碎效率是优质煤的86%，随着煤炭质量的提高，破碎效率也逐渐提高。

图1 煤炭质量与破碎效率的变化关系Fig.1 Relationship between coal quality and crushing efficiency

2.2 给料频率对破碎效率的影响分析

为了研究给料频率对破碎效率的影响，利用控制变量法选取优质煤、入料粒度为500 mm、受料仓料位高度为1的8组数据进行分析对比，从而得到给料频率对破碎效率的影响规律，如图2所示。由图2可知，随着给料频率的提高，破碎效率也逐渐提高。

2.3 受料仓料位高度对破碎效率的影响分析

为了研究受料仓料位高度对破碎效率的影响，利用控制变量法选取优质煤、入料粒度为500 mm、给料频率为35 Hz的4组数据进行分析对比，从而得到受料仓料位高度对破碎效率的影响规律，如图3所示。由图3可知，随着受料仓料位高度的增加，破碎效率也逐渐提高。

图2 给料频率与破碎效率的变化关系Fig.2 Relationship between feed frequency and crushing efficiency

图3 料位高度与破碎效率的变化关系Fig.3 Relationship between material level height and crushing efficiency

2.4 入料粒度对破碎效率的影响分析

为了研究入料粒度对破碎效率的影响，利用控制变量法选取优质煤、给料频率为35 Hz，受料仓料位高度为1的7组数据进行分析对比，从而得到入料粒度对破碎效率的影响规律，如图4所示。 由图4可知，随着给料频率的增加，破碎效率也逐渐提高。

图4 入料粒度与破碎效率的变化关系Fig.4 Relationship between feed size and crushing efficiency

由上述分析可知，破碎站破碎效率随着煤炭质量、给料频率和受料仓料位高度的增加而提高，且各影响因素与破碎效率之间均为线性关系。因此，在分析破碎站破碎效率与各影响因素之间的耦合关系时，可以利用SPSS统计分析软件对其进行多元线性回归分析，从而得到破碎效率与各影响因素之间的多元线性回归方程。

3 多元线性回归分析

3.1 多元线性回归分析

通过对单因素影响进行分析可知，每组数据中破碎站破碎效率与煤炭质量、给料频率和受料仓料位高度、入料粒度之间均为线性关系，可以使用多元线性回归分析方法对数据进行统计分析，得到多元线性回归方程。因多元线性回归分析法无法对非数值型数据进行处理，将虚拟变量引入模型中，把优质煤和劣质煤分别定量化的表示为1、2。为保证回归分析效果，随机选取第3、7、12、17、24、28、35、42、46、51这10组数据进行误差分析，其余数据进行多元线性回归分析，结果见表3～5。

本文采用逐步回归法来选取自变量。通过考虑全部自变量对因变量的大小、显著程度大小或贡献大小，由大到小逐个引入回归方程，最终结果见表3，模型中自变量为给料频率X1、受料仓料位高度X2、入料粒度X3及煤炭质量X4。

表4为模型总结摘要，给出了多元线性回归模型选取的自变量分别为a、b、c、d时，各变量间的相关系数R、回归模型的拟合系数以及调正后的拟合系数，并给出标准错误。从分析结果可以发现，当回归模型均为自变量d时相关系数R、拟合系数R2及调正后的拟合系数最大，标准错误最小，回归模型调整后的拟合系数Adj-R2为0.968，大于0.95，说明回归模型可解释数据变动的96%，模型的拟合度很高。

表5为多元线性回归模型的系数部分，给出了参数估计及相关的t检验，从该部分的t统计量看，回归模型的各组相关系数所对应的显著性Sig.均小于0.05，因而应拒绝原假设，各组回归系数是显著的，即X1、X2、X3及X4对Y有显著影响。此外，逐步回归过程中各自变量进入模型的先后次序依次是给料频率、受料仓料位高度、入料粒度和煤炭质量，由此说明给料频率对破碎效率的影响最大，相对而言煤炭质量对破碎效率的影响最小。

表3 已输入/已除去变量aTable 3 Entered/removed variablesa

注：a为预测变量：(常量)、给料频率

表4 模型摘要Table 4 Model summary

注：a为预测变量：(常量)、给料频率；b为预测变量：(常量)、给料频率、受料仓料位高度；c为预测变量：(常量)、给料频率、受料仓料位高度、入料粒度；d为预测变量：(常量)、给料频率、受料仓料位高度、入料粒度、煤炭质量

表5 系数aTable 5 Coefficientsa

注：a为预测变量：(常量)、给料频率；因变量：破碎效率

于是得到以破碎效率为因变量，给料频率、受料仓料位高度、入料粒度和煤炭质量为自变量的破碎站破碎效率预测的多元线性回归方程，见式(2)。

Y=1 021.4+41.6X1+550X2-

1.8X3-194.5X4

(2)

式中：Y为破碎站破碎效率，t/h；X1为给料频率，Hz；X2为受料仓料位高度，以满仓1、半仓0.5为标准；X3为入料粒度，mm；X4为煤炭质量，包括优质煤和劣质煤。

3.2 误差分析

利用上述两组多元线性回归方程对实验数据随机选取的10组数据进行误差分析。通过与测试得到的破碎效率进行对比后得到了回归模型的误差，误差分析结果见表6。由表6可知，回归方程的预测误差均小于12%，误差值均在合理范围内，回归方程的预测结果比较准确，可以应用于破碎站破碎效率的预测分析。

表6 误差分析数据Table 6 Error analysis data

3.3 破碎站运行过程分析

在露天矿生产运行过程中，坑下毛煤质量、粒度是由开采过程中爆破和采装工序决定的，在进入破碎站时已是确定的。因此，破碎站需要控制给料频率、受料仓料位高度以及破碎效率三者协同关系。对于破碎站生产过程需要注意避免受料仓在卡车卸载物料时是空仓状态，卡车卸载时，物料冲击对输送机产生的动载荷可能达到物料自身重力的数倍，导致刮板输送机链条断裂[10]，降低破碎站运行可靠性，此外还需要考虑带式输送机生产能力以及终端储煤仓的容量。由此可知，在破碎站运行过程中并不是给料频率越大越好、受料仓料位高度越高越好，控制破碎站运行稳定高效需要考虑半连续串联系统的各个环节。对于在优质煤入料粒度为500 mm条件下，给料频率X1、受料仓料位高度X2以及破碎效率Y进行统计分析可得三者关系见式(3)。

Y=-60.5+495X1+41X2

(3)

式中：Y为破碎站破碎效率，t/h；X1为给料频率，Hz；X2为受料仓料位高度，以满仓1、半仓0.5为标准。

4 结 论

1) 本文系统地分析了影响露天煤矿破碎站生产效率的因素，将给料频率、受料仓料位高度、入料粒度和煤炭质量与破碎效率建立多元线性回归模型，为破碎站给料频率及料仓料位控制提供理论依据。

2) 破碎效率影响因素的分析对于提高半连续工艺系统的可靠性，实现整个运输系统的配置优化以及破碎站智能控制与无人值守有重要意义。

3) 半连续生产工艺系统中的间断工艺子系统将含有处理能力和卸载容量都有限的破碎站作为物料运输的终点，并且破碎站是连续工艺系统子系统的起点。需要进一步研究卡车与带式输送机对于破碎站破碎效率的影响。