老司机在线精品视频网站

礦冶科技集團有限公司首席科學(xué)家、中國工程院院士沈政昌

數(shù)字孿生技術(shù)作為一種可以實現(xiàn)物理世界與信息世界交互融合的技術(shù)手段，是實現(xiàn)數(shù)字化轉(zhuǎn)型和促進智能化升級的重要途徑之一，也是全球新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量之一，廣泛應(yīng)用于制造業(yè)、航空航天、智慧城市、醫(yī)療健康、資源能源等領(lǐng)域。

6月4日，在2025年（第二十一屆）中國有色金屬礦業(yè)大會上，礦冶科技集團有限公司首席科學(xué)家、中國工程院院士沈政昌系統(tǒng)介紹了選礦數(shù)字孿生技術(shù)的開發(fā)與應(yīng)用，為選礦領(lǐng)域應(yīng)用推廣數(shù)字孿生技術(shù)提供了理論參考。以下摘編部分報告內(nèi)容與讀者共享。

數(shù)字孿生通用技術(shù)

數(shù)字孿生技術(shù)的發(fā)展歷經(jīng)了技術(shù)積累期、概念發(fā)展期和應(yīng)用萌芽期，當(dāng)前正處于快速發(fā)展期。

在2000年之前，CAM、PLM等工業(yè)軟件的問世為數(shù)字孿生技術(shù)的出現(xiàn)奠定了技術(shù)基礎(chǔ)。2010年11月，美國國家航空航天局（NASA）在其發(fā)布的技術(shù)路線圖報告《Draft modeling, simulation, information technology & processing roadmap》中首次使用了數(shù)字孿生一詞，并開始嘗試建立一個數(shù)字孿生系統(tǒng)。此后，數(shù)字孿生的概念不斷發(fā)展。2016年，美國密歇根大學(xué)教授Michael Grieves與美國國家航空航天局研究員John Vickers提出了數(shù)字孿生的基礎(chǔ)概念，并以一種數(shù)字孿生實例的方式定義了基本的數(shù)字孿生結(jié)構(gòu)：即數(shù)字孿生的類型（DTP）、數(shù)字孿生的實例（DTI）、數(shù)字孿生的集合（DTA）、數(shù)字孿生的環(huán)境（DTE）。

數(shù)字孿生技術(shù)的“物理實體、虛擬模型、數(shù)據(jù)流”核心三要素在不同階段不斷演進完善，為各領(lǐng)域應(yīng)用奠定了基礎(chǔ)。尤其是在2020年以后，數(shù)字孿生技術(shù)和產(chǎn)業(yè)生態(tài)迎來了爆發(fā)期，市場研究機構(gòu)Gartner就將其列為未來十大先進技術(shù)之一。

2020年，歐洲地平線項目《COGNITWIN》將流程工業(yè)數(shù)字孿生分為數(shù)字孿生、混合孿生和認知孿生。數(shù)字孿生通過數(shù)據(jù)驅(qū)動模型、數(shù)值模型等實現(xiàn)對工業(yè)系統(tǒng)的實時映射；混合孿生融合數(shù)據(jù)協(xié)調(diào)、復(fù)合數(shù)據(jù)模型服務(wù)等，增強系統(tǒng)的綜合性能；認知孿生則借助知識提取、專家知識等，提升系統(tǒng)的智能決策能力。

2021年，工業(yè)4.0研究院院長、數(shù)字孿生體聯(lián)盟理事長胡權(quán)在《數(shù)字孿生體——第四次工業(yè)革命的通用目的技術(shù)》一書中，將數(shù)字孿生技術(shù)抽象為“新一代通用目的技術(shù)”，并劃分為五級。第一級是幾何模型，以建立幾何模型為目標；第二級是數(shù)據(jù)描述，以仿真為目標的描述；第三級是數(shù)據(jù)融合，實現(xiàn)多尺度場景的數(shù)據(jù)融合；第四級為面向建造和運行的動態(tài)孿生；第五級為具有自適應(yīng)能力的自主孿生。

沈政昌介紹，從技術(shù)層面考量，幾何建模被用于構(gòu)建精確的物理實體虛擬模型，數(shù)據(jù)描述實現(xiàn)對各類信息的精準表達，數(shù)據(jù)融合解決多源異構(gòu)數(shù)據(jù)的整合問題，動態(tài)孿生確保模型與實際系統(tǒng)的同步變化，自主孿生使系統(tǒng)具備一定的自主決策和適應(yīng)能力。

選礦機理模型發(fā)展歷程和進展

選礦機理模型的發(fā)展可追溯至19世紀，經(jīng)歷了多個關(guān)鍵階段。

19世紀至20世紀60年代，Von Rittinger、Kick、Bond等學(xué)者提出了早期的破碎理論，為選礦機理模型研究奠定了基礎(chǔ)。20世紀60年代至80年代，Whiten、Lynch and Rao、Herbst and Fuerstenau等學(xué)者在浮選動力學(xué)、磨礦流程模型框架等方面取得重要進展，推動了選礦機理模型的初步形成。20世紀80年代至21世紀初，Austin、Leung、Napier-Munn、Morrell、Harris等學(xué)者進一步完善了磨礦、浮選等過程的模型，使其更貼近實際生產(chǎn)。

21世紀以來，隨著計算機技術(shù)和人工智能的發(fā)展，Gupta、Koh、Vallejos、Hilden等學(xué)者將數(shù)據(jù)驅(qū)動方法與傳統(tǒng)機理模型相結(jié)合，開發(fā)出了更智能、更精準的選礦模型，如聯(lián)合流程模擬模型和人工智能方法的選礦過程優(yōu)化與控制算法等。

20多年來，我國礦物加工流程建模仿真基礎(chǔ)研究已取得長足進步。2005年，原北京礦冶研究總院在國際科技合作計劃項目《CFD在BGRIMM浮選機建模中的應(yīng)用研究》中，與澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織聯(lián)合開展了CFD技術(shù)在浮選機研制過程中的應(yīng)用技術(shù)研究,此后陸續(xù)逐漸開展礦物加工流程建模研究，并成為AMIRA P9Q項目贊助商，與南非開普敦大學(xué)合作開展研究。

在軟件工具方面，從早期的MetSim simulator、JKSimMet、JKSimFloat，到后來的IES-Integrated Extraction Simulator等，不斷更新迭代，也為選礦機理模型的應(yīng)用提供了強大的技術(shù)支持。

選礦數(shù)字孿生關(guān)鍵技術(shù)

沈政昌介紹，選礦過程具有原料復(fù)雜，物料變化非線性；設(shè)備數(shù)量多，參數(shù)多，在線檢測難度大；設(shè)備尺度大，系統(tǒng)存在大滯后；流程參數(shù)關(guān)聯(lián)且存在返回通道，具有強耦合特征等特點。這使得選礦數(shù)字孿生技術(shù)面臨諸多挑戰(zhàn)。

針對料倉料位、磨礦產(chǎn)品粒度等孿生對象存在測量干擾多、測不準、周期長的問題，磨礦濃度、磨機填充率等孿生對象存在測量環(huán)境限制、無法直接測量的問題，以及磨礦流程循環(huán)負荷、浮選泡沫礦化程度等孿生對象存在測量對象抽象、無法通過單一傳感器測量的問題，可以分別采用數(shù)據(jù)補償模型、設(shè)備孿生模型、流程孿生模型等解決思路，通過建立數(shù)據(jù)驅(qū)動模型、質(zhì)量平衡模型、物料堆積模型等，實現(xiàn)對這些參數(shù)的智能補償和精確預(yù)測。例如，料位計數(shù)字孿生通過歷史布料過程數(shù)據(jù)分析和物料平衡原理，可解決料位計數(shù)據(jù)異常跳變問題；礦漿流量計數(shù)字孿生結(jié)合設(shè)備機理模型和歷史數(shù)據(jù)驅(qū)動模型，可以提高流量計數(shù)據(jù)的準確性。

沈政昌對數(shù)字孿生技術(shù)在應(yīng)用環(huán)境中存在的復(fù)雜工況多源干擾下的動態(tài)測量誤差補償、受限場景的間接變量建模與智能感知、流程級抽象參數(shù)的跨維度協(xié)同評價等科學(xué)問題進行了分類講解，并提出了相應(yīng)解決思路。

數(shù)字孿生技術(shù)應(yīng)用優(yōu)勢顯著。在設(shè)備故障診斷方面，基于數(shù)字孿生技術(shù)，通過對設(shè)備運行數(shù)據(jù)的實時監(jiān)測和分析，可建立設(shè)備故障特征模型，實現(xiàn)對設(shè)備故障的早期預(yù)警和精準診斷。

在礦石性質(zhì)分類方面，利用數(shù)字孿生技術(shù)對礦石的物理化學(xué)性質(zhì)進行實時分析和建模，可實現(xiàn)對礦石性質(zhì)的快速分類和識別，為選礦工藝的優(yōu)化提供依據(jù)。

在流程控制方面，針對磨礦、浮選、濃密等過程的特點，開發(fā)相應(yīng)的控制算法，可實現(xiàn)基于數(shù)字孿生的選礦閉環(huán)控制。其中，磨礦過程采用“數(shù)字孿生預(yù)測”+“專家控制”+“預(yù)測控制”算法，實現(xiàn)對磨機給礦量、給水、泵池補加水、泵速等參數(shù)的優(yōu)化控制；浮選過程采用“數(shù)字孿生預(yù)測”+“專家控制”+“解耦控制”算法，解決多變量強耦合問題，實現(xiàn)浮選設(shè)備安全、指標滿足工藝要求、流程穩(wěn)定、回收率和品位等多目標的優(yōu)化；濃密過程采用“濃密機內(nèi)部狀態(tài)建模”+“滾動優(yōu)化”算法，在保證濃密機安全的前提下，盡可能充分利用濃密機的重力沉降作用，協(xié)調(diào)濃密-壓濾脫水效率，提高生產(chǎn)效率和經(jīng)濟效益。

選礦數(shù)字孿生系統(tǒng)典型應(yīng)用

目前，我國先進的選礦數(shù)字孿生系統(tǒng)——BPM-G磨礦專家系統(tǒng)已在銅陵有色銅冠（廬江）礦業(yè)公司選礦廠、江銅集團德興銅礦大山選礦廠等企業(yè)的實際應(yīng)用中取得了顯著成效。該系統(tǒng)針對礦石硬度大/難磨、半自磨機控制難度大等問題，通過基礎(chǔ)自動化平臺、BPM選礦專家控制軟件和BPM Web數(shù)據(jù)可視化軟件等模塊的協(xié)同工作，實現(xiàn)了對磨礦過程的智能化控制，保障了生產(chǎn)的安全、平穩(wěn)、高效。除磨礦專家系統(tǒng)外，針對浮選和濃密流程的專家系統(tǒng)也已經(jīng)在工業(yè)實踐中得到檢驗。

專家控制系統(tǒng)應(yīng)用效果表明，在磨礦流程，電單耗減少2.8%以上，綜合臺時處理量提升5%；在浮選流程，捕收劑節(jié)省20%，關(guān)鍵指標波動減少10%以上，浮選回收率提高0.46%；在濃縮脫水流程，濃密機底流濃度穩(wěn)定性提高，低濃度運行時間減少。同時，智能布料控制系統(tǒng)減少了布料作業(yè)流程操作人員，提高了粉礦倉布料均衡性，降低了因料位異常導(dǎo)致的小車誤動作幾率。

在礦冶垂類大模型驅(qū)動的選礦智能專家系統(tǒng)研發(fā)中，科研人員在通用大模型底座的基礎(chǔ)上，通過多模態(tài)語義分析重組等訓(xùn)練，構(gòu)建了礦冶“大腦”。礦冶“大腦”整合了大模型接口、礦性智能自適應(yīng)等功能，能夠?qū)崟r感知格柵磨損、頑石狀態(tài)等信息，并結(jié)合科研文獻、技術(shù)報告等資料，為選礦生產(chǎn)提供智能化的決策支持，推動選礦行業(yè)向數(shù)字化、智能化方向發(fā)展。

選礦數(shù)字孿生技術(shù)通過整合數(shù)字孿生通用技術(shù)、優(yōu)化選礦機理模型、突破關(guān)鍵技術(shù)瓶頸，并在實際生產(chǎn)中進行典型應(yīng)用，為選礦行業(yè)帶來了顯著的經(jīng)濟效益和社會效益，展現(xiàn)了其在提升選礦生產(chǎn)效率、降低能耗、提高資源利用率等方面的巨大潛力。隨著技術(shù)的不斷發(fā)展和創(chuàng)新，選礦數(shù)字孿生技術(shù)將在未來的礦產(chǎn)資源開發(fā)中發(fā)揮更加重要的作用。