编者按
专题
“智能化选煤厂建设关键技术”专题
智能化选煤厂架构及关键技术
王然风，高建川，付翔
作为煤炭工业的重要环节，选煤厂顺应国家战略规划需求，从自动化、信息化向智能化方向发展。智能化选煤厂内涵：以选煤智能装备和合理的选煤工艺为基础，以传感检测、物联网、工业互联网、移动互联网、云平台、大数据和人工智能等技术为手段，实现设备智能运行与运维、状态智能监测、过程智能控制、工艺参数智能设定、管理智能精细和决策智能调节的新模式与新业态，最终获得产品质量稳定、劳动强度低、作业人员数量少、经济效益高的多重目标。本文在介绍智能化选煤厂架构的基础上，重点阐述了智能化选煤厂建设涉及的重介质分选过程智能化、浮选过程智能化、煤泥水健康保障系统智能化及选煤生产制造执行系统智能化等关键技术。
重介质悬浮液密度宽域智能控制系统设计
邱佳楷，王然风，付翔
中国大部分选煤厂采用重介质分选工艺，而重介质分选工艺的关键参数——分选密度由精煤质量要求和原煤煤质特性决定。由于原煤来源不同导致原煤煤质特性差异较大，所以单一不变的分选密度无法满足生产要求。分选密度决定重介质悬浮液密度，因此在重介质分选过程中需要大范围调节重介质悬浮液密度。本文在重介质分选过程中采用反分流工艺，设计了一种重介质悬浮液密度宽域智能控制系统。利用BP神经网络建立了合格介质桶液位预测模型，以悬浮液密度实际值与设定值的偏差、合格介质桶液位实际值、分流阀开度及补水阀开度作为模型输入变量，经模型计算得出合格介质桶液位预测值；依据合格介质桶液位偏差与密度偏差，通过基于支持向量机的一对一多分类算法实现加介质、稳态、密度阶跃上升、密度阶跃下降控制模式切换，并依据控制模式自动调整分流阀、补水阀、加水阀开度及浓介质泵、反分流泵开启时间，从而实现密度宽域调节。该系统应用后密度波动范围稳定在±0.005 g/cm3，密度调节时间短。
基于半监督聚类的煤泥浮选泡沫图像分类方法
曹文艳，王然风，樊民强，付翔，王宇龙
目前多数选煤厂仍依靠有经验的浮选司机通过肉眼观察泡沫特征来调节煤泥浮选过程加药量，该人工控制方式存在主观随意性和滞后性，不能对泡沫特征进行量化描述，无法实现对加药量的优化控制，造成浮选工况波动大、浮选生产指标不合格、浮选药剂消耗量大、选煤成本高。本文提出了一种基于半监督聚类的煤泥浮选泡沫图像分类方法。首先，采集已知加药比例与未知加药比例下的煤泥浮选泡沫图像样本，并对泡沫图像进行预处理，提取泡沫的气泡个数、气泡面积、气泡周长等形态特征；然后，对已知加药比例下泡沫图像形态特征样本进行标志，对未知加药比例下泡沫图像形态特征样本不做标志，并将已标志泡沫图像形态特征样本与未标志泡沫图像形态特征样本进行混合；最后，利用基于高斯混合模型的半监督聚类方法对混合样本进行聚类后得到各类簇，将各类簇内已标志泡沫图像形态特征样本的信息映射到未标志泡沫图像形态特征样本。该方法可为煤泥浮选生产过程加药量调整提供指导。
选煤厂原煤智能配比控制系统设计
袁鹏涛，王然风，付翔
原煤煤质随井下开采情况发生变化，通过理论计算得出的原煤定值配比难以满足现场多变的生产要求，因此在实际生产过程中，根据原煤定值配比及人工化验的精煤硫分和灰分控制原煤入选配比，实现不同煤种原煤混配入选。但依靠人工经验调节原煤配比的随机性较大，混配的原煤可选性不稳定，精煤质量很难得到保证，且人工劳动强度较大，无法实现原煤配比有效调节和精准控制。本文基于配煤入选方式及原煤配比原则，设计了一种原煤智能配比控制系统。利用最小二乘支持向量机建立原煤智能配比预测模型，并采用粒子群优化算法进行模型参数优化。该系统以原煤灰分实测值、原煤硫分实测值、每小时原煤平均入选量、分选密度、精煤灰分实测值、精煤灰分目标值、精煤硫分实测值和精煤硫分目标值作为模型输入变量，经模型计算得出相应的原煤配比预测值；通过胶带秤测量给煤机的给煤量得到原煤配比实测值，并与预测值比较得出原煤配比偏差量；PID控制器根据偏差量控制给煤机的变频器频率，从而精确调节原煤配比。
选煤设备远程故障预测系统设计
付翔，王然风，庞亮
目前选煤厂主要通过布置传感器监测设备运行过程中的振动、温度数据，根据现场数据可视化分析，利用人工经验或单一故障分类模型进行选煤设备故障预测，但存在以下问题：数据量巨大，数据转换方法不统一；选煤设备可能存在多种故障类型，单一的故障分类模型难以满足多种故障类型预测的要求；故障分类模型无法在线更新和修正，故障预测准确率难以保证；仅依靠选煤厂单方面技术力量，难以胜任复杂的数据分析与处理。鉴此，本文在分析选煤设备故障预测原理的基础上，设计了选煤设备远程故障预测系统，可将选煤设备传感器海量数据高效、准确地转换规范的成全信息，同时融合多种故障分类模型，通过加权计算总体故障指标，并利用综合决策实现设备远程故障精确预测，为智能化选煤厂设备全生命周期管理提供技术支撑。
责任编辑联系方式
盛男，E-mail:shengnan@cari.com.cn
《工矿自动化》
中文核心期刊
中国科技核心期刊
RCCSE中国核心学术期刊（A）
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至123456@qq.com 举报，一经查实，本站将立刻删除。
