煤矸光电分选系统及抗干扰技术研究

针对煤矸石井下分选的需求,介绍了一种基于X射线扫描下的煤矸光电分选系统及其抗干扰技术的研究。首先对物料进行破碎,更加有利于X射线扫描,然后通过X射线扫描得到不同的光谱,再利用微处理器S3C6410进行煤和矸石的识别,最后通过高速光耦合器HCPL0631分选控制系统驱动喷射装置分选出煤和矸石。由于所设计的系统多采用电子设备,存在电磁辐射干扰,其中主要是电源干扰,通过设计一种抗干扰电源电路来消除电源干扰。最后利用Multisim 12.0软件仿真验证光电分选驱动系统及抗干扰电源系统。验证结果表明,基本实现了光电在线分选煤矸,并降低了系统干扰,使系统更加高效稳定。     

煤矸智能分选的机器视觉识别方法与优化

煤矸图像的在线准确快速识别是煤矸智能分选的关键,深度卷积神经网络能够解决这一问题。以实际生产状态下采集的煤与矸石图像为训练与测试样本,基于ResNet等经典网络与SqueezeNet等先进轻量级网络建立了煤矸图像识别模型,分析了各模型的训练收敛情况。基于k-means++判断模型中不同卷积核所提取特征的相似程度,基于模型剪枝技术对相似度高的卷积核进行裁剪,实现了识别模型的优化与压缩。以识别精度、模型规模和模型运算复杂度为评价指标,定量衡量了压缩前后各模型的测试性能。分析了压缩后的模型对煤矸难、易识别样本的分类热力图可视化结果,揭示了模型的识别机理与分类依据。结果表明:利用多数现有的CNN框架建立模型均可以对煤和矸石有效识别,但网络复杂度过低则特征提取能力不足,网络复杂度过高则易产生更严重的过拟合情况,即模型复杂度对识别精度影响较大;基于模型剪枝得到的煤矸识别模型可以将煤的截断面处因镜质组成分而产生的反光现象作为识别煤的可靠依据,同时准确捕捉煤与矸石由于硬度不同所产生的轮廓、纹理、表面平整度等差异,综合给出识别结果。压缩后的模型在计算量与模型大小减少10倍的同时,识别精度提升了17.8%,实现节约计算与存储资源的同时提升识别精度,模型性能明显优于常规网络模型。     

井下智能煤矸分选系统方案研究

介绍了某矿煤矸分选的方案研究,从选矸工艺、选矸设备、矿建工程、经济效益等多方面进行了比选,结合矿井实际情况选用TDS智能干选机系统进行煤矸分离,并对其工艺布置进行了论述。该方案减少了矸石的无效运输,提升了选煤厂的处理能力,对类似矿井具有一定的参考意义。     

用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型

目前机器人煤矸识别方法准确率较低,速度较慢,以及对硬件要求较高等问题都限制了其实用化发展。鉴于深度卷积神经网络在图像识别上取得的优异效果,提出用于智能煤矸分选机器人的改进型VGG网络煤矸识别模型。扩大VGG16网络感受野并引入残差结构以提升模型网络性能,增加噪声和数据增强提升模型泛化能力。实验结果表明,改进型VGG网络煤矸识别模型的识别准确率提升了2.01%,召回率提升了2.58%,减小了所需内存,解决了VGG16网络效率低的弊病。同时模型的各项性能指标明显高于其他经典网络模型,更加满足煤矸分选机器人的各项实用化需求。     

煤矸光电分选输送机上料段物料冲击稳定性研究

为了提高煤矸光电分选系统中带式输送机物料运输的稳定性,研究煤矸石与输送带冲击后煤矸石的反弹速度和输送带最大振幅。基于Yeoh模型,将Yeoh应变能函数进行三次项式展开,计算了展开式的3个系数C_(10)、C_(20)和C_(30),建立了橡胶材料本构模型。在ANSYS/Explicit Dynamics中建立了有限元仿真模型,研究了上料段长度和输送带带宽对煤矸石反弹速度和输送带振幅的影响。仿真结果表明:设上料段长度为变量,上料段长度超过340 mm时,反弹速度基本不受带宽影响,为0.15 m/s～0.3 m/s,总体呈反比例函数走势;输送带最大振幅易受带宽影响,且随着带宽的增大而减小,输送带带宽大于800 mm时,输送带振幅基本保持10 mm不变,总体走势呈反比例函数关系。     

井下煤矸分选技术发展与应用

节能减排和矿区生态环境保护是国家能源开发的战略要求,我国煤炭深部建井开采不可回避,提高了井下原煤入选率和矸石选出率。矸石井下就近充填,可降低矿井运输成本、提高矿井煤炭有效提升能力,可达到地面不排放矸石的环境要求,还可减小地表下沉,经济与环境效益巨大,对绿色矿山建设具有重要战略意义,井下煤矸分选技术发展迅速,取得很大进展。     

煤矸破碎分选统计规律的研究

通过在实验机上对煤与矸石选择性破碎分选进行初步实验，相应得到概率曲线图，从图中利用概率值做出煤、矸分选的优化控制。     

大块煤矸机械分选技术的改造实践

针对白龙洗煤厂采用人工拣煤造成大块煤矸无法入洗的问题,该厂提出了大块煤矸机械分选技术的改造。采用了SSC800系列分级破碎机,调整了机械分选系统,增加了集中与就地监控系统,采取了相应的节能技术措施。实践应用解决了洗选问题,降低了工人的劳动强度,保证了安全生产。     

基于运动分析和仿真的井下弹道式煤矸分选研究

介绍了一种新型井下煤矸分选方法——弹道式煤矸分选.通过对斜碰撞过程中原煤(混矸)球的运动分析,推导出基于碰撞恢复系数的物料块反弹距离公式.运用计算机仿真对理论推导结果进行验证,并分析了理论推导结果和仿真结果出现差异的原因.     

基于TW-RN优化CNN的煤矸识别方法研究

针对小样本数据难以构建深度学习模型和实际工况下多尺度形态、颜色煤矸的识别率低的问题,提出了一种融合迁移学习思想与结构优化的煤矸深度识别模型的优化方法.模仿井下实际生产环境搭建机器视觉平台,采用CCD(Charge Couplect Device)工业相机实时获取煤和矸石图像,利用图像旋转、翻转以及增加噪声方式扩展煤和矸...     

井下机械化煤矸分选充填采煤技术分析与应用

为解决矿井极薄煤层保护层开采过程中原煤含矸率高、矸石运输压力大、矸石堆积和地表沉陷等难题,在工程实践的基础上研究了井下煤矸分选系统与充填采煤系统的运行机理,分析得到了制约充填效果的关键因素及其控制措施,并系统阐述了井下采掘、煤矸分选和充填开采一体化技术的系统布置及其特点。工程实践结果表明,经井下洗选得到的精煤与矸石分别进入煤仓和充填采煤系统,原煤灰分由70%降至25%,极薄煤层单一回采工作面每年多回收煤炭资源3万t、节约运费405万元,同时有效地控制了地表沉降和矸石堆积,经济、社会与环境效益显著。     

基于多通道数据耦合技术的智能机器人系统在煤矸分选中的研究与应用

针对原煤车间苦、脏、累、险的人工拣选工作,付村煤业有限公司选煤厂采用非放射性煤矸识别技术,设计开发了集物料识别系统、执行系统、控制系统以及管理系统为一体的智能煤矸分选系统,实现矸石及煤的自动识别、自动分拣、自动煤矸分流处理。生产实践表明：该系统使煤矸分选工艺环节从落后的人工控制方式转变为高效稳定的智能控制方式,煤矸分选效率≥98%。系统运行稳定可靠,提高了选煤厂自动化、智能化程度。     

井下煤矸分离技术研究

华丰煤矿在主运输系统中建立煤矸分离系统,将煤中大块矸石分离,经拣选、破碎后将矸石充填到采空区或报废巷道,实现以矸换煤井下矸石不转移目标,提高矿井经济效益。     

弹道式煤矸分选中煤矸石恢复系数的数值计算

为使弹道式煤矸分选技术更方便用于实际生产,解决煤和矸石恢复系数实验测量不便的问题,通过对煤和矸石与反弹板接触过程的分析,采用线性阻尼接触过程模型对碰撞振动过程进行研究,得到煤和矸石与钢质反弹板碰撞恢复系数的数学表达式;并分析了影响恢复系数的因素,绘制出二者的关系曲线.     

基于机器视觉的煤中杂物智能分选系统研究

为解决煤炭分选过程中杂物对生产的影响及由此产生的各种问题,设计了基于深度学习和机器视觉的集煤中杂物智能识别、定位和分拣于一体的杂物智能分选系统。该系统建立了基于语义分割的像素级杂物识别模型,计算成本比标准卷积网络模型降低8～9倍;构建了复杂环境条件下的机械手精准抓取策略,能够避开干扰物,实现硬质物料、轻质物料抓取点的精确选择。在涡北选煤厂的应用测试表明,该系统杂物检测准确率为96.647%,机械手分拣成功率为94.759%,系统分拣率为91.640%,能够高效除去煤中杂物,提高了杂物分选过程的智能化水平。     

井下煤矸分离技术试验研究

为检测井下实施煤矸破碎筛分技术是否可行,利用煤矸破碎筛分装置进行了煤矸分离试验研究.分别选用了不同性质和粒度的煤矸混合物料作为试验材料.通过对多组试验数据的分析研究,得出不同条件下的煤矸破碎分离特性曲线和规律,验证了井下煤矸破碎筛分技术的可行性.     

大型炼焦煤选煤厂中矸高精度分选技术研究

针对生产过程中再选工艺存在中煤里精煤含量波动较大,最高可达30%,中煤灰分在30%～35%之间,精煤损失较为严重的问题,新巨龙选煤厂通过对重介生产工艺进行优化,将原先"两段三产品"生产工艺优化为"两段四产品",用有压三产品重介质旋流器代替再选有压两产品重介质旋流器,对主选段的中矸产品进行高精度分选,回收灰分为10%～12%的3~#精煤产品。生产实践表明,改造后总精煤产率升高较为明显,3~#精煤产品最终灰分为11%,产率增加1.12个百分点,经济效益显著提高。     

面向煤矸分拣机器人的煤矸识别定位系统研究

随着煤炭分选行业对智能化干分选煤技术需求和煤矸图像识别方法需求的增长,研究煤矿复杂分选条件下煤矸混合特征图像的识别方法显得愈发重要.依据深度学习、图像识别和无线通信等理论,设计基于卷积神经网络的煤矸识别定位系统.根据煤矿分选过程的复杂条件,分析煤矸表面特征的5种状态类别,构建煤矸数据集.基于迁移学习的改进AlexNet...