煤泥浮選過程模型仿真及控制研究.pdf

1、隨著原煤入洗量的增大、入洗原煤的煤質(zhì)變化波動較大以及市場對煤炭產(chǎn)品品質(zhì)要求日益嚴格的形勢下，作為煤炭洗選過程的主要環(huán)節(jié)，浮選過程的自動化水平則越來越被人們重視。但是，在煤泥浮選自動化實施的過程中面臨著一些難題，阻礙著浮選過程自動化發(fā)展的步伐。首先，煤泥浮選過程變量的檢測設(shè)備和手段嚴重滯后于控制策略的研究；其次，缺乏有效實用的控制模型來指導浮選過程的自動控制；再次，雖然控制理論的研究已經(jīng)十分成熟，但是真正應(yīng)用于浮選過程的控制策略還不完善。

2、因此，論文分別從煤泥浮選過程變量檢測、浮選過程建模和浮選過程控制系統(tǒng)構(gòu)建三個方面進行了研究。
　　論文是在選煤廠實際生產(chǎn)環(huán)境下進行研究的。
　　論文以薛湖選煤廠浮選設(shè)備浮選床及其配套設(shè)施為研究對象，針對該廠浮選過程中存在的實際問題進行系統(tǒng)分析，結(jié)合煤泥浮選過程控制變量分析，確定了以浮選入料灰分、浮選入料流量和浮選入料濃度為干擾變量；捕收劑和起泡劑的添加量為操作變量；尾礦灰分為被控變量的控制結(jié)構(gòu)。
　　為了建立煤泥浮選過

3、程的藥劑添加量模型，制定了離線試驗方案，在現(xiàn)場進行連續(xù)20天的采樣，采樣數(shù)據(jù)包括原煤灰分、浮選入料灰分、浮選入料流量、浮選入料濃度、浮選精煤和尾礦灰分、捕收劑和起泡劑的加藥量。通過對數(shù)據(jù)的整理分析發(fā)現(xiàn)，在采樣期間內(nèi)，原煤灰分和浮選入料灰分波動大，并且保持著較好的相關(guān)性；浮選入料流量由于工藝流程的原因，波動范圍較大；浮選入料濃度波動范圍較??；浮選精煤灰分比要求指標都偏低并且保持在一個較好的水平；尾礦灰分一般偏低并且波動較大。最終確定了以滿

4、足尾礦灰分為主要目標。
　　利用原煤-1.4gcm和+1.8/3gcm兩個密度級的基礎(chǔ)灰分樣品，配制灰分從6.58％到/385%不同灰分級的煤漿樣品，分別對兩組樣品在CIE推薦的（0/45）反射樣品測量的標準照明和觀察幾何條件下進行圖像采集。每組樣品中不同灰分級的煤漿圖像在表觀上已經(jīng)有了良好的區(qū)分度，并且隨著灰分的增高，圖像的灰度也呈現(xiàn)增大的趨勢。對其中一組樣品進行XRD分析，結(jié)果表明，隨著煤漿樣品灰分的升高，其高嶺石的含量也相應(yīng)

5、增加，煤漿樣品圖像的灰度也相應(yīng)增大，因此可以用煤漿樣品圖像的灰度來預測煤漿的灰分含量。通過原煤灰分和浮選入料灰分采樣的數(shù)據(jù)的分析表明：原煤灰分與浮選入料的灰分保持著相同的變化趨勢，因此可以建立原煤灰分和浮選入料灰分的預測模型，通過原煤灰分儀在線預測浮選入料的灰分。
　　搭建了煤泥浮選控制系統(tǒng)的硬件平臺。通過建立的數(shù)據(jù)采集模塊將原煤灰分儀的數(shù)據(jù)采集到浮選控制系統(tǒng)中，結(jié)合浮選入料的軟測量模型實現(xiàn)浮選入料灰分的在線監(jiān)測。改進了煤漿灰分的

6、在線檢測傳感器，實現(xiàn)了尾礦灰分的在線檢測。
　　應(yīng)用光照模型，推導了圖像灰度值和光強之間的模型，確定了煤漿圖像灰度值的大小的主要影響參數(shù)是漫反射系數(shù)aK和鏡面反射系數(shù)SK，這兩個系數(shù)都與被拍攝物質(zhì)的基本光學屬性決定，驗證了建立煤漿圖像的灰度與煤漿灰分之間的軟測量模型來實現(xiàn)煤漿灰分檢測的可能性。
　　選取灰度圖像的平均灰度值、方差、平滑度、偏度、能量、熵六個特征值作為煤漿灰度圖像特征，對利用基礎(chǔ)灰分樣品得到的兩組煤漿圖片的灰度

7、直方圖進行分析表明，隨著煤漿灰分增大，灰度直方圖的平均灰度值、方差、平滑度不斷增大，能量則隨著灰分的增大不斷減小，偏度和熵隨著灰分的增大并沒有呈現(xiàn)很強的規(guī)律性。對煤漿灰度圖像的6個特征值進行相關(guān)性分析表明：除了灰度圖像的偏度與實際灰分值之間的相關(guān)性不顯著之外，其它5個灰度圖像的特征值均與煤漿的實際灰分值之間存在著較強的相關(guān)關(guān)系。將灰度平均值、方差、平滑度、熵和能量這5個特征向量作為煤漿灰分BP神經(jīng)網(wǎng)絡(luò)訓練模型的輸入建立煤漿灰分的軟測量模

8、型。
　　將用最小二乘法得到的煤漿灰分預測模型和利用BP神經(jīng)網(wǎng)絡(luò)建立的模型的MSE和R值對比得到：利用BP神經(jīng)網(wǎng)絡(luò)得到的煤漿灰分的軟測量模型的準確程度更高。但是對于浮選入料等灰分比較低的煤漿，該方法建立的軟測量模型誤差較大。建立了原煤灰分與浮選入料之間的關(guān)系模型，實現(xiàn)了浮選入料灰分的預測。
　　將浮選入料流量、濃度灰分和浮選尾礦灰分作為煤泥浮選藥劑添加量模型的輸入，捕收劑和起泡劑的藥劑流量作為該模型的輸出。采樣得到的浮選入料

9、流量、濃度灰分和浮選尾礦灰分與浮選藥劑添加量之間的關(guān)系呈離散狀態(tài)。對浮選藥劑添加量模型的輸出進行PCA分析表明：輸入變量的前三個特征維的貢獻率的總和超過了90%，故選取前三個特征維作為煤泥浮選藥劑添加量模型的輸入。利用采樣得到的94組實驗數(shù)據(jù)建立了煤泥浮選過程藥劑添加量的GA-SVMR模型，誤差分析表明：GA-SVMR的預測能力強于SVMR獲得的預測模型。
　　在建立的GA-SVMR煤漿灰分預測模型的基礎(chǔ)上建立的基于模型參考的模糊

10、自適應(yīng)控制系統(tǒng)，通過仿真表明設(shè)計的基于模型參考的模糊自適應(yīng)控制系統(tǒng)，能夠隨著對象的變化，自適應(yīng)地調(diào)整自身的結(jié)構(gòu)參數(shù)，彌補模型預測中存在的偏差，因此能夠有效地和預測模型相結(jié)合對系統(tǒng)實現(xiàn)較好的控制性能。
　　應(yīng)用串口通訊協(xié)議，開發(fā)了基于COM口單向數(shù)據(jù)流的灰分數(shù)據(jù)采集模塊，實現(xiàn)了灰分儀數(shù)據(jù)與控制系統(tǒng)數(shù)據(jù)的無縫銜接。構(gòu)建了基于OPC協(xié)議的MATLAB與iFix接口通訊協(xié)議，實現(xiàn)了MATLAB與上位機之間的數(shù)據(jù)共享。
　　該論文有圖