重介分选过程灰分自动控制系统研究

来源 :太原理工大学 | 被引量 : 0次 | 上传用户:squllwu20090907
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近几年选煤厂的智能化改造正在如火如荼的进行着,重介质分选过程作为煤炭洗选加工过程中极为重要的一个环节,由自动分流、自动补水、自动加介、桶位平衡、密度智能设定等各个环节自动化的实现,使得重介质分选自动控制得到较大发展。在实际生产过程中由于原煤煤质的改变和波动以及在线灰分仪本身存在的测量误差,使得灰分闭环控制环节(密度智能设定)的调节速度以及调节准确性仍需提高。根据选煤厂实际生产情况的调研和分析,重介分选系统中灰分闭环控制环节的主要问题有在线灰分仪检测原煤和精煤时,由于煤流不稳定、煤质波动、煤层厚度不同等导致在线灰分仪检测数据的误差较大以及数据丢失严重以及精煤和原煤灰分值与分选密度设定值之间的相关性存在其它因素的干扰,使得相关性较差并全面性不够。针对上述的问题,本文提出重介分选过程灰分自动控制系统,首先分析研究重介分选工艺过程,从在线灰分仪测量数据条件出发,对煤炭洗选工艺过程进行整改,之后对灰分数据等工业性实验数据进行数据预处理—插值分析,采用多变量统计过程控制(Multivariable statistical process control,MSPC)中主成分分析法对灰分值数据、皮带运输量数据、生产数据等进行处理和分析,采用MSPC中的T2统计量图对数据进行实时监测并分析其统计数据是否处于正常状态,当统计正常状态时,精煤灰分实际值与灰分目标值差值小于等于0.5%。当统计异常状态时,精煤灰分超出灰分目标值合格范围,采用模糊神经网络构建的密度预测模型进行密度预测,调整分选密度设定值,之后再通过密度自动控制系统,将实际密度值调节到分选密度设定值附近稳定波动。论文首先介绍重介分选过程中的自动分流、自动补水、自动加介、桶位平衡等各个环节以及重介分选工艺流程,并详细分析在重介分选过程中精煤产品质量波动的主要影响因素,并将多种因素通过MSPC处理和分析。从硬件方面改善在线灰分仪本身存在的测量误差;从软件方面通过插值分析提高灰分数据准确性。重介分选过程灰分自动控制,通过工业现场试验并采集实时数据进行分析,得到插值分析法的参数,MSPC的主元成分,T2统计量图的边界范围,模糊神经网络算法的参数。分别通过MATLAB进行仿真,插值分析法可以代表原本数据90%以上,MSPC的主元分析法可以代表全部数据的80%以上,T2统计量图中的F分布边界可以明确的区别统计样本是否正常,模糊神经网络的密度预测模型,密度设定预测值与实际密度设定值误差较小,预测效果良好。本文采用AB生产的1769系列PLC为控制底层,上位机软件采用组态王为管理层,软件平台采用MATLAB、SQL数据库以及OPC服务器作为后台。控制底层与管理层采用4-20m A电流信号和Modbus/TCP和Modbus 485通讯协议实现数据传输,管理层与后台采用OPC通讯协议实现数据传输。本系统在汾西矿业集团中兴选煤厂试运行,试运行阶段运行效果良好,可以较好解决灰分闭环控制阶段中由于煤质波动、检测数据误差、控制时间滞后等问题,灰分的稳定性和合格率得到了很大的提高。
其他文献
视觉同时定位与建图(v SLAM)是机器人进行自主定位和感知环境的关键技术。图像特征提取作为v SLAM前端中的重要环节,直接影响机器人的定位精度和建图精度。本文围绕图像特征提取问题,研究了手工特征和基于深度学习网络提取的特征,旨在提出鲁棒性强、匹配精度高的特征提取算法,以实现为v SLAM的后续环节提供正确匹配的特征点对。本文主要工作如下:针对ORB算法匹配精度不高的问题,提出了一种基于仿射变换
随着柔性电子设备的快速发展,柔性传感器向着高灵敏度、高检测限、高分辨率以及阵列化微结构方向发展。对于柔性压力传感器,现阶段主要是在改变结构、改变导电材料以及导电材料与基底材料的结合方式来提升传感器的稳定性、一致性以及灵敏度等性能指标。针对制造出方法简单、高灵敏度以及高一致性的柔性压力传感器仍需进一步探索。本文以提高柔性压力传感器的灵敏度、一致性以及传感器的检测限为目的,制备出基于Graphene(
脑功能超网络模型已经被广泛的应用于脑疾病诊断的应用研究当中。因为超网络模型能够表示多个脑区间的高阶关系,所以该方法在脑疾病的诊断领域已经表现出了极强的生命力。然而,现有的大多数科研人员主要集中于研究不同的脑功能超网络构建方法的优劣。均利用单一属性(如聚类系数)或简单的线性拼接来表征脑网络的拓扑。但是不同的拓扑属性代表着超网络中不同的拓扑关系,虽然聚类系数在脑疾病诊断系统中也表现出了很好的分类性能,
急性脑出血是死亡率最高的脑血管病,脑出血类型的早期诊断和扩大预测有助于降低患者死亡率。随着计算机技术的发展和CT成像水平的提升,医学影像数据呈现出爆发式的增长,传统依靠医生手工标记和提取特征的方法难以满足海量数据分析的需求,并且较长时间的工作将导致医生出现误诊和漏诊等情况。因此,亟需计算机辅助技术为医生减轻工作压力,提供客观的诊断依据。本文基于深度学习提出新的计算机辅助诊断和预测方法,利用深度学习
注意缺陷多动障碍(Attention Deficit Hyperactivity Disorder,ADHD)又被称为多动症,顾名思义,患有这种障碍的患者,会出现“多动”的症状。其中包括精力过于旺盛、注意力难以集中和性格冲动等现象,这种疾病在男孩中更为普遍,并且最近有实验证明其可能会持续到成年期。通常,这种障碍的诊断主要是依靠医生通过临床症状和国际上的诊断标准相对比来进行的,这种诊断方式是相对主观
皮带输送机是煤矿井下开采所需的十分重要的工具,其在安全生产中肩负着十分重大的责任。在生产过程中,由于恶劣的工作环境、经常出现混有棱角的矸石、细杆状物等尖锐物体等问题,皮带通常会伴随有划痕,划伤的出现,甚至会发生撕裂这样的严重破损,这些问题可能会威胁井下人身安全,还可能使煤矿造成一定的财产损失。为此,寻求准确并且实时的皮带破损检测的方法,是现在一个很有意义的课题。但是现存的检测方法,对于皮带破损图像
传统计算机经过几十年的发展演变,已经非常成熟,在很多领域已经表现出卓越的性能,被认为是人脑的拓展。然而传统计算机在很多领域中还远远达不到人脑的智力水平。人工神经网络以一种类似于人脑的方式处理信息,有望突破传统计算机遇到的困境,在很多领域表现出极大的潜力。人工神经网络主要包括前馈神经网络和递归神经网络,由于递归神经网络具有记忆衰落特性,擅长处理时间相关任务,因更贴近实际问题而被广泛研究。然而传统递归
在日常生活中,到处都充斥着背景噪声与混响,使得纯净的语音信号受到干扰,往往导致语音质量和可懂度的显著下降,特别是对于听障人士来说,听觉感知会受到极大的影响。近年来,随着深度神经网络(Deep Neural Network,DNN)在语音去混响领域的广泛应用,增强语音的客观指标有了显著的改善,然而基于人类听力测试的主观评价得分并没有获得同样程度的提高,并且由于真实环境下混响的多样性,传统的DNN很难
幼小衔接是指学生从幼儿园到小学这一时期的整体衔接,幼儿开始接受正规小学教育的时期。教师在这一时期进行书写入门指导时,要尊重学生的年龄特点和发展规律,适时适量,应考虑学生的心理需求和发展需要,让学生学会初步欣赏书画作品,从兴趣入手,开展多元评价,提升他们的学习自信心,为学生从幼儿园平稳过渡到小学创造良好的氛围与条件,促进这一阶段学生的整体和谐发展。
随机数被广泛应用于科学计算、模拟仿真、身份认证、信息安全等诸多领域。特别是信息安全领域,加密系统的安全主要依赖随机数的随机性与不可预测性,故随机数的安全性评估至关重要。目前,针对随机数安全性评估主要基于概率统计方法。该方法依据概率统计规律检测随机序列是否存在明显的统计缺陷。然而,受限于模式识别与数据挖掘能力,基于概率统计的测试标准在随机数安全性评估中表现出了不足。例如,一些伪随机序列存在微弱且固有