王庄选煤厂智能化建设架构及思路

根据煤炭加工利用协会制定的《智能化选煤厂建设通用技术规范》,针对智能化选煤厂核心特征和系统架构,结合王庄选煤厂智能化建设现状,从智能分选、安全保障、设备健康保障与智能管理四个方面,分析了王庄选煤厂智能化选煤厂建设目标、基本架构和建设思路。     

一种基于深度网络的胶带煤流粒度估计方法

虽然基于机器学习的粒度估计方法在矿物领域得到了广泛应用,然而由于煤炭的物理特性,造成其在图像中边缘信息不足,难以检测。因此当前胶带煤流的粒度估计仍然采用人工方式进行。针对人工巡检效率低,无客观量化标准的现状,提出一种旨在平衡光照分布的图像增强方法,并构造SSD-ResNet50深度网络用于检测胶带中块状煤,估计煤流粒度。首先,利用一种非线性自适应直方图均衡化与改进中值滤波的图像增强方法增强胶带上物料之间的区分度,提高暗区煤块的可分辨性。然后,提出SSD-ResNet50深度网络结构对块状物料进行检测,评估块状物料的粒度信息。根据实验结果,该方法检测准确度高达88.65%,单张图片的推理时间为160 ms。可以有效实时估计胶带煤流粒度的组成信息,提升巡检效率,达到自动估计胶带煤流粒度的目的。     

基于复杂煤质机器学习的重介质洗选密度精准控制算法优化

针对目前选煤厂重介分选系统的密控调节依赖化验室定时化验反馈调节,时间滞后性大的问题,且煤质变化后,数据更新不及时,无法有效及时调整洗选密度的现象,察哈素选煤厂采用基于复杂煤质,构建机器学习的方法,利用生成的可选性曲线等煤质资料及实时在线灰分检测仪器,使用科学的数学方法可以快速、有效的预测重介洗选密度;并在此基础上通过精准密度控制算法,控制洗选过程中的洗选密度,平稳提升控制的准确度;研究结果表明,本密度控制算法密度稳定率提升至85%以上(密度差在0.005 g/cm³范围内),煤质预测时效性提升近15倍,保证了分选密度和产品指标的稳定性,有效提升了产品产率。