基于启发式遗传算法的地下采场作业计划优化模型

doi:10.11872/j.issn.1005-2518.2023.04.023

摘要/Abstract

摘要：

针对地下矿山空间受限、设备资源有限以及生产任务重的特点，从相邻工序时间间隔最短及生产总时间最短的角度，构建了预控顶中深孔分段空场嗣后充填采矿法的生产计划优化模型，并采用启发式算法加速的遗传算法求解该模型。以赞比亚某铜矿的实际数据为例，对启发式遗传算法和普通遗传算法求出的染色体适应度进行比较分析。结果表明：相比普通遗传算法启发式遗传算法的求解收敛速度更快，经优化后矿山设备平均利用率为64.8%，平均出矿量为3 631.19 t/d，既能满足开采需求，又能有效缩短作业时间间隔，保证作业安全要求。该算法能够快速有效地解决井下多设备协调问题。

关键词: 地下金属矿山, 分段空场法, 嗣后充填, 多目标优化模型, 启发式算法, 遗传算法, 设备优化

Abstract:

With the rapid development of digital economy in the world，how to realize the rapid optimal allocation of underground mine production equipment has become the key to the continuous advancement and in-depth application of digital mine.In view of the characteristics of underground mines such as limited space，limited equipment resources，and large production tasks，an optimization model was constructed for production planning of the follow-up filling mining method in the open pit using pre-controlled roof medium-and deep-hole and sublevel open-stopping and subsequent filling method.The model aims at minimizing the interval time between adjacent processes and the total production time，and the above issue is solved using genetic algorithms.The genetic algorithms used for solving the problem include traditional genetic algorithms and optimized genetic algorithms.Taking the actual data of a copper mine test stope in Zambia as an example，it can be seen from the iterative results that all genetic algorithms can solve the model，and the optimized genetic algorithm converges faster than the ordinary genetic algorithm.The genetic algorithm accelerated by heuristic algorithm has the fastest convergence speed.Therefore，the heuristic genetic algorithm is used to solve the multi-objective optimization model and the results are visualized.After analyzing the solution results，it is found that the average utilization rate of equipment is only 49.16%，and the utilization rate of some equipment is low，so the number of equipment is optimized.After the number of equipment was optimized and solved again，the average utilization rate of mine equipment increased to 64.8%，basically meeting the requirements of the mine.In terms of production，the daily average ore output is 3 631.19 t/d，which meets the mining demand and effectively shorts the operation time interval to ensure the requirements of mining safety.In addition，copper and cobalt sunrise ore grade fluctuation is small，easy to concentrate.Therefore，the algorithm and model can quickly and effectively solve the problem of multi-equipment coordination in a copper mine in Zambia，improve production efficiency and safe mining.

Key words: underground metal mines, sublevel open-stoping method, subsequent filling, multi-objective optimization model, heuristic algorithm, fenetic algorithm, equipment optimization

中图分类号:

TD85-9

黄爽, 贾明涛, 鲁芳. 基于启发式遗传算法的地下采场作业计划优化模型[J]. 黄金科学技术, 2023, 31(4): 669-679.

Shuang HUANG, Mingtao JIA, Fang LU. Optimization Model of Underground Stope Working Plan Based on Heuristic Genetic Algorithm[J]. Gold Science and Technology, 2023, 31(4): 669-679.

图/表 15

图1

图2

表1

多目标优化模型参数"

参数	参数含义
$M A n$	盘区编号
$O n$	矿带编号
$S n$	采场编号
$P n$	工序编号
$α$	设备工作能力折减系数， $α ∈ [0.80,0.85]$
$β$	用于确定工作 $j$ 开始工作时间的变量
$S T j$	工作 $j$ 开始工作时间
$O T j$	工作 $j$ 作业时间，包含设备移动到采场工作面的时间和设备在工作面工作的时间
$B w$	工作 $j$ 作业期间包含爆破窗口的个数
$C T j$	工作 $j$ 作业结束时间
$S T m j$	设备 $m$ 可以在工作 $j$ 开始工作的最早时间
$M S o$	矿带 $O n$ 开采状态， $M S o ? = 0$ 表示矿带 $O n$ 未开采， $M S o ? = 1$ 表示矿带 $O n$ 已开采
$S T o$	矿带 $O n$ 开始开采的时间， $S T o ? = ? S T j, j = [? M A n, O n, 1,1]$
$C T o$	矿带 $O n$ 结束开采的时间，若矿带未开采，则 $C T o = 0$ ，若矿带已开采，则 $C T o = C T j, j = [? M A n, O n, S n, 7]$
$T S o$	矿带 $O n$ 工序时间间隔

表1

表2

多目标优化模型数据集"

数据集	数据集含义
j	工作编号集合， $j = [? M A n, O n, S n, ? P n]$
$J p i$	采场工序生产信息集合，包括工序工作量，位置坐标等
$M p i$	设备生产信息集合，包括设备生产能力，移动速度等
$J w i$	采场工序工作信息集合，包括工序使用设备的编号，开始工作时间，结束工作时间等
$M w i$	设备工作信息集合，包括设备开始工作时间，结束工作时间，工作地点等
$O w i$	所有矿带工作信息集合，包括该矿带开采状态，开始开采时间，结束开采时间等

表2

表3

图3

图4

图5

表4

表5

图6

图7

图8

图9

表6

参考文献 0

	Ahmadi M R， Shahabi R S，2018.Cutoff grade optimization in open pit mines using genetic algorithm［J］.Resources Policy，55：184-191.
	Anna G， Michael L， Hakan S，et al，2014.Development of a Markov model for production performance optimization.Application for semi-automatic and manual LHD machines in underground mines［J］.International Journal of Mining Reclamation and Environment，28（5）：342-355.
	Åstrand M， Johansson M， Zanarini A，2020.Underground mine scheduling of mobile machines using Constraint Programming and Large Neighborhood Search［J］.Computers and Operations Research，123：1-13.
	Cai Min， Wang Yan， Ji Zhicheng，2021.Hybrid particle swarm optimization for solving fuzzy flexible job-shop scheduling problem［J］.Journal of Nanjing University of Science and Technology，45（3）：352-360.
	Cheng R W， Gen M， Tsujimura Y，1999.A tutorial survey of job-shop scheduling problems using genetic algorithms：Part II.hybrid genetic search strategies［J］.Computers &Industrial Engineering，37（1/2）：51-55.
	Feng Yangyang，2013.Optimization model of vehicle arrangement based on multi-objective programming［J］.Electronic Design Engineering，21（10）：21-23.
	Fu Xuan， Huang Linqi， Chen Jiangzhan，et al，2022.Meeting the challenge of high geothermal ground temperature environment in deep mining—Research on geothermal ground temperature simulation platform of rock true triaxial testing machine［J］.Gold Science and Technology，30（1）：72-84.
	Hou J， Li G Q， Wang H，et al，2020.Genetic algorithm to simultaneously optimise stope sequencing and equipment dispatching in underground short-term mine planning under time uncertainty［J］.International Journal of Mining，Reclamation and Environment，34（5）：307-325.
	Khan A， Niemann-Delius C，2015.Application of particle swarm optimization to the open pit mine scheduling problem［C］// Proceedings of the 12th International Symposium Continuous Surface Mining-Aachen 2014.Berlin：Springer International Publishing.
	Li Guoqing， Hou Jie， Hu Nailian，2018.Integrated optimization model for production and equipment dispatching in underground mines［J］.Chinese Journal of Engineering，40（9）：1050-1057.
	Li Guoqing， Li Bao， Hu Nailian，et al，2017.Optimization model of mining operation scheduling for underground metal mines［J］.Chinese Journal of Engineering，39（3）：342-348.
	Li J Q， Duan P Y， Cao J D，et al，2018.A hybrid Pareto-based tabu search for the distributed flexible job shop scheduling problem with E/T criteria［J］.IEEE Access，6：58883-58897.
	Li Ning， Ye Haiwang， Wu Hao，et al，2017.Ore blending for mine production based on hybrid particle swarm optimization algorithm［J］.Mining and Metallurgical Engineering，37（5）：126-130.
	Li Rui， Hu Nailian， Li Guoqing，et al，2017.Optimization of mining operation plan based on multi-objective 0-1 programming［J］.Metal Mine，46（2）：102-108.
	Liu Xiaohui， Zeng Xiantao， Tan Wei，2019.Optimization and application of pre-controlling roof and sublevel open-stope mining with subsequent filling method［J］.China Mining Magazine，28（3）：87-92.
	Matamoros M E V， Dimitrakopoulos R，2016.Stochastic short-term mine production schedule accounting for fleet allocation，operational considerations and blending restrictions［J］.European Journal of Operational Research，255（3）：911-921.
	Pathak P， Samanta B，2022.A genetic algorithm-based approach for optimizing short-term production schedules of multi-mine mineral value chains［J］.Mining Metallurgy and Exploration，39（4）：1403-1427.
	Ren Haibing， Wang Sihua，2005.Automatic adjusting method of plan of mining-excavation relay in the mine［J］.Journal of Liaoning Technical University，（6）：811-814.
	Song Jiewei， Rong Gang，2003.Study of uncertainty problem in vehicles scheduling［J］.Journal of Zhejiang University（Engineering Science），（2）：117-122.
	Sun Xiaoyu， Deng Penghong， Zhao Ming，2016.Integrated optimization model of multi-period open-pit mine production scheduling［J］.Journal of Northeastern University（Natural Science），37（10）：1460-1464.
	Toledo A A T， Marques D M， Costa J F C L，et al，2022.Short-term mine scheduling targeting stationary grades［J］.REM-International Engineering Journal，75（1）：73-82.
	Upadhyay S P， Askari-Nasab H，2018.Simulation and optimization approach for uncertainty- based short- term planning in open pit mines［J］.International Journal of Mining Science and Technology，28（2）：153-166.
	Wang Ling， Zheng Dazhong，2001.Advances in job shop scheduling based on genetic algorithm［J］.Control and Decision，（Supp.1）：641-646.
	Wang Shaofeng， Li Xibing，2021.Cutting characteristic and non-explosive mechanized rock-breakage practice of deep hard rock［J］.Gold Science and Technology，29（5）：629-636.
	Wu Huijiang， Li Jianxiang，2005.Open-pit mine product planning：The current problems and strategies［J］.Metal Mine，40（4）：4-6，42.
	Yu Jian， Huang Xingyi， Wu Dongxu，et al，2005.Theory and technology on trackless mining of gentle dip multi-strata ores of medium size［J］.Journal of Central South University（Science and Technology），（6）：1107-1111.
	Yu S， Ding C， Zhu K，2011.A hybrid GA-TS algorithm for open vehicle routing optimization of coal mines material［J］.Expert Systems with Applications，38（8）：10568-10573.
	傅璇，黄麟淇，陈江湛，等，2022.迎接深部开采高地温环境的挑战——岩石真三轴试验机地温模拟平台研究［J］.黄金科学技术，30（1）：72-84.
	李国清，侯杰，胡乃联，2018.地下矿山生产接续与设备调度集成优化模型［J］.工程科学学报，40（9）：1050-1057.
	李国清，李宝，胡乃联，等，2017.地下金属矿山采掘作业计划优化模型［J］.工程科学学报，39（3）：342-348.
	李宁，叶海旺，吴浩，等，2017.基于混合粒子群优化算法的矿山生产配矿［J］.矿冶工程，37（5）：126-130.
	李瑞，胡乃联，李国清，等，2017.基于多目标0-1规划的采掘作业计划优化［J］.金属矿山，46（2）：102-108.
	刘晓辉，曾宪涛，谭伟，2019.预控顶分段嗣后充填采矿法的优化及应用实践［J］.中国矿业，28（3）：87-92.
	任海兵，王思华，2005.矿井采掘接替计划自动调整方法［J］.辽宁工程技术大学学报，（6）：811-814.
	宋洁蔚，荣冈，2003.运输调度中不确定性问题的研究［J］.浙江大学学报（工学版），（2）：117-122.
	孙效玉，邓鹏宏，赵明，2016.多时段露天矿生产计划整体优化模型［J］.东北大学学报（自然科学版），37（10）：1460-1464.
	王凌，郑大钟，2001.基于遗传算法的Job Shop调度研究进展［J］.控制与决策，（增1）：641-646.
	王少锋，李夕兵，2021.深部硬岩可切割性及非爆机械化破岩实践［J］.黄金科学技术，29（5）：629-636.
	吴会江，李建祥，2005.露天矿生产计划的现状、问题与对策［J］.金属矿山，40（4）：4-6，42.
	余健，黄兴益，吴东旭，等，2005.缓倾斜中厚矿体机械化采矿理论与技术［J］.中南大学学报（自然科学版），（6）：1107-1111.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

目标函数	目标函数含义
C₁	染色体最大完工时间
C₂	染色体总工序时间间隔

设备	利用率/%
凿岩设备	28.4
装药设备	83.5
撬毛支护设备	51.3
出矿设备	26.4
充填设备	56.2

设备名称	利用率/%
凿岩设备	61.6
装药设备	81.7
撬毛支护设备	66.8
出矿设备	57.9
充填设备	56.0

工作编号	工作开始时间	工作结束时间	工作设备	工作出矿量/t	工作铜出矿品位/%	工作钴出矿品位/%
1050101	0：00	1：28	凿岩台车2	0.00	0.00	0.00
5050101	0：00	7：37	凿岩台车3	0.00	0.00	0.00
5010101	0：00	8：00	凿岩台车1	0.00	0.00	0.00
1100102	0：00	8：00	装药台车1	0.00	0.00	0.00
3040105	0：00	4：08	铲运机1	654.13	2.04	0.17
4030105	0：00	5：23	铲运机2	933.45	2.00	0.13
2060101	1：28	8：00	凿岩台车2	0.00	0.00	0.00
5050102	7：37	8：00	装药台车2	0.00	0.00	0.00
6010101	7：37	8：00	凿岩台车3	0.00	0.00	0.00

[1]	郭良银,蒋万飞,宋召法,刘晓光,张金超. 新城金矿阶段空场嗣后充填法开采大直径深孔切槽爆破方法[J]. 黄金科学技术, 2022, 30(4): 585-593.
[2]	谢饶青, 陈建宏, 肖文丰. 基于NPCA-GA-BP神经网络的采场稳定性预测方法[J]. 黄金科学技术, 2022, 30(2): 272-281.
[3]	赵兴东,曾楠,陈玉民,魏慧,王成龙,侯成录,杜云龙,范纯超. 三山岛金矿井下无人开采区域中深孔落矿嗣后充填连续采矿工艺设计[J]. 黄金科学技术, 2021, 29(2): 200-207.
[4]	公凡波,毕林. 露天矿电铲铲装移动轨迹规划研究[J]. 黄金科学技术, 2021, 29(1): 43-52.
[5]	王猛, 史秀志, 张舒. 面向产能优化的地下金属矿山安全保障条件评价研究[J]. 黄金科学技术, 2020, 28(5): 753-760.
[6]	许瑞, 侯奎奎, 王玺, 刘兴全, 李夕兵. 基于核主成分分析与SVM的岩爆烈度组合预测模型[J]. 黄金科学技术, 2020, 28(4): 575-584.
[7]	苏怀斌, 张钦礼, 张德明, 曾长根, 朱晓江. 穰家垅银矿大规模充填采矿采场结构参数优化研究[J]. 黄金科学技术, 2020, 28(4): 550-557.
[8]	代转,罗周全,秦亚光,文磊,丁春胜,董喆喆. 地下金属矿山广义安全管理模型构建及评价[J]. 黄金科学技术, 2019, 27(6): 920-930.
[9]	肖文丰,陈建宏,陈毅,王喜梅. 基于神经网络与遗传算法的多目标充填料浆配比优化[J]. 黄金科学技术, 2019, 27(4): 581-588.
[10]	刘志祥,刘奕然,兰明. 矿井涌水量预测的PCA-GA-ELM模型及应用[J]. 黄金科学技术, 2017, 25(1): 61-67.
[11]	尹土兵，王品，张鸣鲁. 基于AHP及模糊综合评判的地下金属矿山安全分析与评价[J]. 黄金科学技术, 2015, 23(3): 60-66.
[12]	叶培. 一种新的量子遗传算法在阳山金矿GPS卫星信号去噪处理中的应用探讨[J]. 黄金科学技术, 2015, 23(2): 83-87.
[13]	于常先，何顺斌，杨尚欢，黄维. 中深孔分段落矿嗣后充填采矿实践[J]. 黄金科学技术, 2014, 22(4): 85-88.
[14]	孙旭. 格尔珂金矿资源综合开发利用方案[J]. J4, 2003, 11(5): 28-32.
[15]	张炳旭　韩洪江. 大庄子金矿采矿方法试验研究与工程实践[J]. J4, 2003, 11(1): 28-32.