Оценка перспектив применения технологии искусственного интеллекта для отбойки пород гидромонитором при наличии в его струе тонкодисперсных частиц

Abstract

Актуальность. Гидромониторы нашли широкое применение при разработке россыпных месторождений в технологических схемах с оборотным водоснабжением. В настоящее время в отработку вовлекают месторождения с более сложными горногеологическими условиями залегания. Для россыпей это, прежде всего, весьма значительное содержание глины во вмещающих породах и песках. Гидравлический способ разработки месторождений, в частности гидромониторная отбойка пород, подразумевает оборотное водоснабжение, когда технологическую воду забирают из специальных прудов-отстойников. Однако высокое содержание глины в размываемых породах, тонкодисперсные частицы которой имеют весьма длительный период осаждения в воде отстойника, значительно усложняет применение этой технологии. Известны решения для отработки месторождений в подобных условиях с управляемым содержанием тонкодисперсных грунтовых частиц в напорной воде гидромонитора, где расчет параметров отбойки пород гидромонитором предложено производить при помощи разработанной математической модели. Дальнейшее развитие предложенных решений возможно за счет внедрения в технологический процесс элементов автоматизации, в частности искусственных нейронных сетей. Цель: оценить перспективы применения технологии искусственного интеллекта для отбойки пород гидромонитором при наличии в его струе тонкодисперсных частиц. Методы: внедрение технологий искусственного интеллекта на основе искусственных нейронных сетей в технологический процесс разработки россыпных месторождений с содержанием глины во вмещающих породах и песках. Результаты. Выполнена оценка перспектив применения технологии искусственного интеллекта для управления процессом отбойки с использованием многослойной нейронной сети. Выводы. Предложенная технология позволяет оперативно управлять производительностью отбойки пород гидромонитором, регулировать расход электроэнергии, а также улучшать качество гравитационного обогащения полезного ископаемого за счет подачи на шлюзы воды с допустимым содержанием тонкодисперсных частиц, что в итоге ведет к сокращению потерь полезного ископаемого и уменьшению себестоимости процесса отбойки пород гидромонитором и всей технологии в целом, а также к улучшению показателей извлечения полезного компонента.

Relevance. Hydraulic monitors are widely used in the development of alluvial deposits in technological schemes with circulating water supply. Currently, deposits with more complex mining and geological conditions of occurrence are involved in mining. For placers, this is, first of all, a very significant content of clay in the host rocks and sands. When using the hydraulic method of field develo pment, in particular, during hydromonitor breaking of rocks, during circulating water supply, process water is taken from special settling ponds. However, due to the high content of clay in eroded rocks, fine particles of which have a very long period of settling in the water of the sump, this technology is experiencing significant difficulties. There are known solutions for the development of deposits in similar conditions with a controlled content of fine soil particles in the pressurized water of the hydromonitor, where the calculation of the parameters of rock breaking by the hydromonitor is proposed to carry out using the developed mathematical model. Further development of the proposed solutions is possible through the implementation of automation elements into the technological process, in particular, artificial neural networks. Purpose: to assess the prospects for using artificial intelligence technology for breaking rocks with a hydromonitor with fine particles in its jet Methods: implementation of artificial intelligence technologies based on artificial neural networks in the technological process of developing alluvial deposits with clay content in host rocks and sands. Results. This article assesses the prospects for using artificial intelligence technology to control the breaking process using a multilayer feed-forward neural network. Conclusions. The proposed technology allows quickly managing the productivity of rock breaking with a hydraulic monitor, regulating power consumption, and improving as well the quality of gravitational enrichment of a mineral by supplying water with an acceptable content of fine particles to the locks, which ultimately leads to reduction in the loss of the mineral and decrease in the cost of rock breaking with a hydromonitor and the entire technology as a whole, as well as to improvement of useful component recovery.