中国有色金属科技信息网

数字要闻 > 数字要闻

沈政昌：选矿数字孪生技术的开发与应用

来源:中国有色网日期:2025-06-17

数字孪生技术作为一种可以实现物理世界与信息世界交互融合的技术手段，是实现数字化转型和促进智能化升级的重要途径之一，也是全球新一轮科技革命和产业变革的重要驱动力量之一，广泛应用于制造业、航空航天、智慧城市、医疗健康、资源能源等领域。

6月4日，在2025年（第二十一届）中国有色金属矿业大会上，矿冶科技集团有限公司首席科学家、中国工程院院士沈政昌系统介绍了选矿数字孪生技术的开发与应用，为选矿领域应用推广数字孪生技术提供了理论参考。以下摘编部分报告内容与读者共享。

数字孪生通用技术

数字孪生技术的发展历经了技术积累期、概念发展期和应用萌芽期，当前正处于快速发展期。

在2000年之前，CAM、PLM等工业软件的问世为数字孪生技术的出现奠定了技术基础。2010年11月，美国国家航空航天局（NASA）在其发布的技术路线图报告《Draft modeling, simulation, information technology & processing roadmap》中首次使用了数字孪生一词，并开始尝试建立一个数字孪生系统。此后，数字孪生的概念不断发展。2016年，美国密歇根大学教授Michael Grieves与美国国家航空航天局研究员John Vickers提出了数字孪生的基础概念，并以一种数字孪生实例的方式定义了基本的数字孪生结构：即数字孪生的类型（DTP）、数字孪生的实例（DTI）、数字孪生的集合（DTA）、数字孪生的环境（DTE）。

数字孪生技术的“物理实体、虚拟模型、数据流”核心三要素在不同阶段不断演进完善，为各领域应用奠定了基础。尤其是在2020年以后，数字孪生技术和产业生态迎来了爆发期，市场研究机构Gartner就将其列为未来十大先进技术之一。

2020年，欧洲地平线项目《COGNITWIN》将流程工业数字孪生分为数字孪生、混合孪生和认知孪生。数字孪生通过数据驱动模型、数值模型等实现对工业系统的实时映射；混合孪生融合数据协调、复合数据模型服务等，增强系统的综合性能；认知孪生则借助知识提取、专家知识等，提升系统的智能决策能力。

2021年，工业4.0研究院院长、数字孪生体联盟理事长胡权在《数字孪生体——第四次工业革命的通用目的技术》一书中，将数字孪生技术抽象为“新一代通用目的技术”，并划分为五级。第一级是几何模型，以建立几何模型为目标；第二级是数据描述，以仿真为目标的描述；第三级是数据融合，实现多尺度场景的数据融合；第四级为面向建造和运行的动态孪生；第五级为具有自适应能力的自主孪生。

沈政昌介绍，从技术层面考量，几何建模被用于构建精确的物理实体虚拟模型，数据描述实现对各类信息的精准表达，数据融合解决多源异构数据的整合问题，动态孪生确保模型与实际系统的同步变化，自主孪生使系统具备一定的自主决策和适应能力。

选矿机理模型发展历程和进展

选矿机理模型的发展可追溯至19世纪，经历了多个关键阶段。

19世纪至20世纪60年代，Von Rittinger、Kick、Bond等学者提出了早期的破碎理论，为选矿机理模型研究奠定了基础。20世纪60年代至80年代，Whiten、Lynch and Rao、Herbst and Fuerstenau等学者在浮选动力学、磨矿流程模型框架等方面取得重要进展，推动了选矿机理模型的初步形成。20世纪80年代至21世纪初，Austin、Leung、Napier-Munn、Morrell、Harris等学者进一步完善了磨矿、浮选等过程的模型，使其更贴近实际生产。

21世纪以来，随着计算机技术和人工智能的发展，Gupta、Koh、Vallejos、Hilden等学者将数据驱动方法与传统机理模型相结合，开发出了更智能、更精准的选矿模型，如联合流程模拟模型和人工智能方法的选矿过程优化与控制算法等。

20多年来，我国矿物加工流程建模仿真基础研究已取得长足进步。2005年，原北京矿冶研究总院在国际科技合作计划项目《CFD在BGRIMM浮选机建模中的应用研究》中，与澳大利亚联邦科学与工业研究组织联合开展了CFD技术在浮选机研制过程中的应用技术研究,此后陆续逐渐开展矿物加工流程建模研究，并成为AMIRA P9Q项目赞助商，与南非开普敦大学合作开展研究。

在软件工具方面，从早期的MetSim simulator、JKSimMet、JKSimFloat，到后来的IES-Integrated Extraction Simulator等，不断更新迭代，也为选矿机理模型的应用提供了强大的技术支持。

选矿数字孪生关键技术

沈政昌介绍，选矿过程具有原料复杂，物料变化非线性；设备数量多，参数多，在线检测难度大；设备尺度大，系统存在大滞后；流程参数关联且存在返回通道，具有强耦合特征等特点。这使得选矿数字孪生技术面临诸多挑战。

针对料仓料位、磨矿产品粒度等孪生对象存在测量干扰多、测不准、周期长的问题，磨矿浓度、磨机填充率等孪生对象存在测量环境限制、无法直接测量的问题，以及磨矿流程循环负荷、浮选泡沫矿化程度等孪生对象存在测量对象抽象、无法通过单一传感器测量的问题，可以分别采用数据补偿模型、设备孪生模型、流程孪生模型等解决思路，通过建立数据驱动模型、质量平衡模型、物料堆积模型等，实现对这些参数的智能补偿和精确预测。例如，料位计数字孪生通过历史布料过程数据分析和物料平衡原理，可解决料位计数据异常跳变问题；矿浆流量计数字孪生结合设备机理模型和历史数据驱动模型，可以提高流量计数据的准确性。

沈政昌对数字孪生技术在应用环境中存在的复杂工况多源干扰下的动态测量误差补偿、受限场景的间接变量建模与智能感知、流程级抽象参数的跨维度协同评价等科学问题进行了分类讲解，并提出了相应解决思路。

数字孪生技术应用优势显著。在设备故障诊断方面，基于数字孪生技术，通过对设备运行数据的实时监测和分析，可建立设备故障特征模型，实现对设备故障的早期预警和精准诊断。

在矿石性质分类方面，利用数字孪生技术对矿石的物理化学性质进行实时分析和建模，可实现对矿石性质的快速分类和识别，为选矿工艺的优化提供依据。

在流程控制方面，针对磨矿、浮选、浓密等过程的特点，开发相应的控制算法，可实现基于数字孪生的选矿闭环控制。其中，磨矿过程采用“数字孪生预测”+“专家控制”+“预测控制”算法，实现对磨机给矿量、给水、泵池补加水、泵速等参数的优化控制；浮选过程采用“数字孪生预测”+“专家控制”+“解耦控制”算法，解决多变量强耦合问题，实现浮选设备安全、指标满足工艺要求、流程稳定、回收率和品位等多目标的优化；浓密过程采用“浓密机内部状态建模”+“滚动优化”算法，在保证浓密机安全的前提下，尽可能充分利用浓密机的重力沉降作用，协调浓密-压滤脱水效率，提高生产效率和经济效益。

选矿数字孪生系统典型应用

目前，我国先进的选矿数字孪生系统——BPM-G磨矿专家系统已在铜陵有色铜冠（庐江）矿业公司选矿厂、江铜集团德兴铜矿大山选矿厂等企业的实际应用中取得了显著成效。该系统针对矿石硬度大/难磨、半自磨机控制难度大等问题，通过基础自动化平台、BPM选矿专家控制软件和BPM Web数据可视化软件等模块的协同工作，实现了对磨矿过程的智能化控制，保障了生产的安全、平稳、高效。除磨矿专家系统外，针对浮选和浓密流程的专家系统也已经在工业实践中得到检验。

专家控制系统应用效果表明，在磨矿流程，电单耗减少2.8%以上，综合台时处理量提升5%；在浮选流程，捕收剂节省20%，关键指标波动减少10%以上，浮选回收率提高0.46%；在浓缩脱水流程，浓密机底流浓度稳定性提高，低浓度运行时间减少。同时，智能布料控制系统减少了布料作业流程操作人员，提高了粉矿仓布料均衡性，降低了因料位异常导致的小车误动作几率。

在矿冶垂类大模型驱动的选矿智能专家系统研发中，科研人员在通用大模型底座的基础上，通过多模态语义分析重组等训练，构建了矿冶“大脑”。矿冶“大脑”整合了大模型接口、矿性智能自适应等功能，能够实时感知格栅磨损、顽石状态等信息，并结合科研文献、技术报告等资料，为选矿生产提供智能化的决策支持，推动选矿行业向数字化、智能化方向发展。

选矿数字孪生技术通过整合数字孪生通用技术、优化选矿机理模型、突破关键技术瓶颈，并在实际生产中进行典型应用，为选矿行业带来了显著的经济效益和社会效益，展现了其在提升选矿生产效率、降低能耗、提高资源利用率等方面的巨大潜力。随着技术的不断发展和创新，选矿数字孪生技术将在未来的矿产资源开发中发挥更加重要的作用。