“煤炭智能分选技术与应用”专题_中国煤炭行业知识服务平台

首页 > 专题

“煤炭智能分选技术与应用”专题

来源：工矿自动化

专题来自于《工矿自动化》2022年第11期，共8篇研究成果。

行业视野: 智能化
类别; 47个
关键词; 36位
专家; 8篇
论文; 1223IP
点击量; 981次
下载量

煤炭智能重介分选技术进展与探索

作者(Author)：代伟, 王昱栋, 董良, 赵跃民

摘要：重介分选作为应用最广泛的选煤工艺，正在从自动化、信息化向智能化方向迈进。目前重介选煤厂智能化建设只是实现局部智能化，在整体智能化建设上还存在欠缺，在核心生产设备（重介质旋流器、浅槽等）智能化上发展不足。针对上述问题，从智能感知、智能控制与智能优化决策3个方面阐述了重介分选智能化研究现状，并剖析了重介分选在从自动化向智能化发展的过程中面临着诸多挑战性难题，包括原煤品质波动导致工况难以稳定运行、重介分选自身具有极高的复杂性、重介选煤厂智能化建设局限性等。为推进重介分选行业的智能化与绿色化，实现全场设备自主控制，减少运营人员甚至实现无人化，指出重介选煤厂应建设一套“智能感知、智能控制、智能优化决策”一体化的智能优化生产系统：智能感知作为智能化的基础实现选煤工艺数据的感知获取；智能控制获取传感器等数据对选煤工艺进行智能修正，确保对设定值的跟踪；智能优化决策分析智能控制模块中分选过程的运行状态、调整工艺指标设定值，实现工艺指标设定值的动态优化。感知、控制与决策相互协同，促进选煤厂智能化水平与生产效益提高，为未来实现重介分选生产全流程智能协同优化控制提供了一条新思路。

免费下载

工矿自动化

2022年第11期

187

119
X射线透射煤矸智能识别方法

作者(Author)：王文鑫, 黄杰, 王秀宇, 史玉林, 吴高昌

摘要：煤矸图像识别是基于伪双能X射线透射（XRT）的煤矸分选技术重要环节。受煤矸紧贴或遮挡导致煤矸图像难以分割和基于人工阈值判别易导致煤矸分类识别错误影响，现有的煤矸识别方法精度不高。提出一种XRT煤矸智能识别方法。采用感受野模块（RFB）与U-Net模型相结合的模型（RFB+U-Net模型）实现伪双能X射线煤矸图像有效分割，解决了因煤矸紧贴或遮挡情况而影响识别精度的问题；以煤矸图像灰度特征中的低能图像灰度最小值、纹理特征中的低能图像锐化最小值和锐化均差为煤矸识别特征，采用多层感知机（MLP）模型实现煤矸识别。实验表明：RFB+U-Net模型的煤矸分割准确率、煤矸粒度精度、煤矸像素均交并比等指标及图像分割效果均优于活动区域模型、U-Net模型、SegNet模型，且模型推理时间较短，满足煤矸图像分割实时性要求；MLP模型隐藏层数量为8时，在2组测试集下的煤矸识别平均准确率均为87%以上；在相同数据集及实验条件下，MLP模型的煤矸识别平均准确率、排矸率均高于基于贝叶斯分类器、支持向量机、逻辑回归、决策树、梯度提升决策树、K近邻算法的模型，且矸石带煤率不超过3%，满足实际煤矸干法分选要求。

免费下载

工矿自动化

2022年第11期

156

81
基于改进YOLOv5的煤矸识别研究

作者(Author)：张释如, 黄综浏, 张袁浩, 章鳌, 季亮

摘要：现有基于深度学习的煤矸识别方法应用于井下复杂环境中时易出现误检和漏检情况，且对小目标煤矸的识别精度低。针对该问题，提出一种改进YOLOv5模型，并基于该模型实现煤矸识别。对采集的煤与矸石数据进行数据增强，以丰富数据集，提高数据利用率；在空间金字塔池化（SPP）模块中引入空洞卷积和残差块，得到残差ASPP模块，可在不损失图像信息的前提下，增大卷积输出感受野，强化模型对深层特征的提取；采用AdaBelief优化算法代替YOLOv5原有的Adam优化算法，提高模型的收敛速度与识别精度。实验结果表明：AdaBelief优化算法和残差ASPP模块可有效提高YOLOv5模型的精确率、召回率和平均精度均值（mAP）；改进YOLOv5模型的mAP达到94.43%，比原始YOLOv5模型提高了2.27%，帧率降低了0.03帧/s，性能优于SSD,Faster R-CNN,YOLOv3,YOLOv4等主流目标检测模型；在极端黑暗的环境中，改进YOLOv5模型也能准确划定目标边界，识别效果优于其他改进YOLOv5模型。

免费下载

工矿自动化

2022年第11期

119

91
基于轻量化HPG-YOLOX-S模型的煤矸石图像精准识别全文替换

作者(Author)：陈彪, 卢兆林, 代伟, 邵明, 于大伟, 董良

摘要：针对现有基于视觉技术的煤矸石分选方法存在模型参数量大、特征提取能力差、识别精度低等问题，提出了一种基于轻量化Ghost-S网络与混合并联注意力模块（HPAM）YOLOX-S模型（HPG-YOLOX-S模型）的煤矸石识别方法。首先，在YOLOX-S模型主干网络中加入HPAM，以增强图像中重要信息，抑制次要信息，加强主干网络的特征提取能力。其次，将YOLOX-S模型主干网络替换为参数量更小的Ghost-S网络，提高利用率与特征融合能力。最后，在预测层中采用SIOU损失函数来替换YOLOX-S模型的损失函数，提升检测与定位精度，加强对目标的提取能力。为验证所提方法对大块煤矸石的检测效果，将HPG-YOLOX-S模型与YOLOX-S模型进行对比，结果表明，HPG-YOLOX-S模型对煤与矸石的识别准确率分别为99.53%和99.60%，较YOLOX-S模型识别准确率分别提高了2.51%,1.27%。有效性验证结果表明，HPG-YOLOX-S模型的精确率、召回率和F1值均在94%以上，较YOLOX-S模型分别提高了5.68%,3.51%,2.91%; HPG-YOLOX-S模型的参数为7.8 MB，较YOLOX-S模型降低了1.2 MB。消融试验结果表明，HPG-YOLOX-S模型的平均精度均值较YOLOX-S模型提高了9.17%。热力图可视化试验结果表明，HPG-YOLOX-S模型关注煤与矸石的纹理和轮廓等表面差异，对煤矸石目标的全局关注度更加显著。

免费下载

工矿自动化

2022年第11期

134

109
AI视频图像分析在选煤厂智能化中的应用现状与发展趋势

作者(Author)：折小江, 刘江, 王兰豪

摘要：人工智能（AI）视频图像分析是选煤厂智能化的重要组成部分，可实现对选煤厂设备、环境、人员、选煤全流程的重要参数的智能监测。给出了目前智能化选煤厂基本架构，指出现有研究大部分是利用AI视频图像分析技术构建对选煤厂人员、设备、环境、管理的安全监测系统，给出了智能视频图像监测系统的构建过程。针对选煤厂智能化建设中的安全环保生产和提高产品质量两大目标，从异物检测、智能分选、设备运行状态监测、煤炭粒度检测、人员行为监控和环境与安全检测等6个方面介绍了AI视频图像分析技术在选煤厂智能化选煤上的应用现状。对AI视频图像分析在选煤厂智能化应用进行了展望，指出不仅要从宏观架构上搭建基于5G通信、物联网、AI、智能控制理论和选煤行业技术的多层级视频监控系统，还要从微观上优化现有通用的智能视频监测方法或算法，开发出适用于选煤厂环境的智能视频图像分析技术：机器视觉、计算机视觉应与深度学习高度融合，面对不同工况，合理应用机器视觉与计算机视觉的不同优势；建立多层级一体化监控系统框架，在框架内部署并优化算法模型；建立多元化的视频图像数据库，充分利用不同图像类型的数据特征，开发针对性分析算法；深入研究分布式数据流与实时AI视频图像分析，构建实时AI分布式系统，合理调度视频图像分析模型，提高实时模型的计算效率与准确性。

免费下载

工矿自动化

2022年第11期

173

112
基于ISSA-LSTM的浓缩池溢流浓度预测

作者(Author)：张洋洋, 樊玉萍, 马晓敏, 董宪姝, 金伟, 王大卫

摘要：浓缩池溢流浓度监测是实现煤泥水智能加药的关键。针对基于传感器的溢流浓度监测方式会导致絮凝剂调节滞后的问题，提出了一种基于改进麻雀搜索算法（ISSA）-长短期记忆（LSTM）的浓缩池溢流浓度预测方法。首先，对浓缩生产过程中的多参数时间序列进行相关性分析和预处理，得到输入变量。其次，采用多策略联合改进麻雀搜索算法（SSA）：引入Tent混沌映射对麻雀种群进行初始化，以保证种群多样性，加快算法收敛速度；用螺旋捕食策略改进SSA的寻优过程，以兼顾局部开发和全局搜索能力；用萤火虫扰动策略对麻雀搜索结果进行扰动，以提高全局搜索能力，避免算法陷入局部最优。然后，采用ISSA优化双层LSTM网络模型的超参数。最后，构建基于ISSA-LSTM的浓缩池溢流浓度预测模型，进行在线监测。实验结果表明：(1)选取Ackley函数和Rastrigin函数作为测试函数，得出ISSA的全局寻优性能和收敛速度均优于粒子群优化（PSO）算法、鲸鱼优化算法（WOA）和标准SSA。(2) 3种改进策略中，螺旋捕食策略对ISSA性能的提升起主导作用，混沌映射和萤火虫扰动策略协调算法的收敛速度和全局搜索能力，进一步提升算法寻优性能。(3)采用ISSA优化LSTM的超参数，解决了依靠主观经验取值时存在的欠拟合或过拟合问题，ISSA-LSTM模型的溢流浓度预测精度达97.26%，高于双层LSTM、SSA-LSTM、最小二乘支持向量机（LSSVM）等模型。(4)数据预处理可以提升模型的精度，降噪后溢流浓度预测精度比降噪前提升了30.25%。

免费下载

工矿自动化

2022年第11期

139

145
基于选煤信息模型的智能化选煤厂三维可视化管理平台设计

作者(Author)：郭庆华, 卫中宽, 张树森, 王然风

摘要：目前选煤厂智能化建设中鲜有围绕设计、施工到生产运维全生命周期进行三维可视化管理的研究与开发，同时三维可视化和大数据云平台深度融合的研究也较少。针对上述问题，以建筑信息模型（BIM）为基础，针对BIM仅仅考虑选煤建（构）筑物信息模型，不能满足智能化选煤厂建设需求的问题，对其进行改进，提出了选煤信息模型（CPIM）。结合大数据云平台技术，设计了基于CPIM的智能化选煤厂三维可视化管理平台（该平台由基础设施层、数据源层、基础平台、应用层和业务展示层构成），构建了煤炭洗选工程数据标准，实现了选煤设计、施工、生产运维全生命周期的数据接入、治理、存储、分析、共享。重点分析了BIM轻量化引擎、CPIM大数据子平台构建、CPIM全生命周期应用、煤炭洗选工程数字化建设标准制定和软件系统自主研发与国产硬件适配等平台实现的关键技术。以中煤集团某选煤厂为研究对象，基于CPIM大数据子平台和BIM三维引擎子平台，构建了CPIM全生命周期三维可视化应用平台，同时实现了硬件的国产化适配。现场应用表明：该平台可以对选煤厂设计、施工、运行各环节进行有效数据采集、统一加工、存储、分析和应用，打通了煤炭洗选行业的数据通道，实现了涵盖选煤厂设计、施工到生产运维全生命周期的三维可视化管理。

免费下载

工矿自动化

2022年第11期

204

160
基于优化A*算法的选煤厂管路自动布置

作者(Author)：肖林京, 姚培鑫, 刘瑞, 马山清, 马成瀚

摘要：管路设计是选煤厂设计的重要内容之一，目前选煤厂管路主要依靠人工设计，难度大、耗时长且管路布置质量难以保证。将A*算法应用到三维的选煤厂管路自动布置中，搜索出的路径不符合管路设计要求。针对上述问题，提出了一种基于优化A*算法的选煤厂管路自动布置方法。基于选煤厂管路布置规则，建立选煤厂布局空间模型，对布局空间模型进行网格化、数值化处理。针对A*算法搜索出的路径会出现过多折弯的问题，对A*算法的评价函数进行优化；针对A*算法搜索速率较慢的问题，在评价函数中引入动态权重；针对经上述优化后A*算法搜索出的管路路径会绕行有需求的设备的问题，引入方向导向策略以提高管路布置的工程实用性；为提高A*算法运行效率，将Open表的数组结构替换为最小二叉堆结构。仿真结果表明：(1)对A*算法评价函数进行优化后，管路路径折弯次数减少80%左右，且折弯都为直角，符合选煤厂管路布置的实际情况；引入动态权重后，运行效率提升且能保证路径质量。(2)引入方向导向策略前后管路路径长度并无变化，都满足选煤厂管路布置的基本约束规则；引入方向导向策略后的管路更倾向于在对管路有特定需求的设备附近规划，管路有并排布置的趋势，说明方向导向策略引入后管路的布置满足整体布局最优的要求，更符合选煤工程应用需求。(3)用Open表优化后的A*算法效率明显提高，管路路径越长、中间障碍物越多，A*算法效率提高越明显。设计并开发了选煤厂管路自动布置软件系统，实例验证结果表明，优化后的A*算法提高了选煤厂管路设计的效率和质量，且具有更好的可视性。

免费下载

工矿自动化

2022年第11期

111

164

推荐专家

董良

推荐专题

亮点论文

推荐企业

贵州能博会

“煤炭智能分选技术与应用”专题

煤问提

煤传媒

煤视界

科技创新50强

会员中心