基于YOLOv5s−FSW模型的选煤厂煤矸检测研究

针对现有煤矸检测模型存在的特征提取不充分、参数量大、检测精度低且实时性差等问题,提出了一种基于YOLOv5s−FSW模型的选煤厂煤矸检测方法。该模型在YOLOv5s的基础上进行改进,首先将主干网络的C3模块替换为FasterNet Block结构,通过降低模型的参数量和计算量提高检测速度;然后,在颈部网络引入无参型SimAM注意力机制,增强模型对复杂环境下重要目标的关注,进一步提高模型的特征提取能力;最后,在输出端用Wise−IoU替换CIoU边界框损失函数,使模型聚焦普通质量锚框,提高收敛速度和边框的检测精度。消融实验结果表明:与YOLOv5s模型相比,YOLOv5s−FSW模型的平均精度均值(mAP)提高了1.9%,模型权重减少了0.6 MiB,参数量减少了4.7%,检测速度提高了19.3%。对比实验结果表明:YOLOv5s−FSW模型的mAP达95.8%,较YOLOv5s−CBC,YOLOv5s−ASA,YOLOv5s−SDE模型分别提高了1.1%,1.5%和1.2%,较YOLOv5m,YOLOv6s模型分别提高了0.3%,0.6%;检测速度达36.4帧/s,较YOLOv5s−CBC,YOLOv5s−ASA模型分别提高了28.2%和20.5%,较YOLOv5m,YOLOv6s,YOLOv7模型分别提高了16.3%,15.2%,45.0%。热力图可视化实验结果表明:YOLOv5s−FSW模型对煤矸目标特征区域更加敏感且关注度更高。检测实验结果表明:在环境昏暗、图像模糊、目标相互遮挡的复杂场景下,YOLOv5s−FSW模型对煤矸目标检测的置信度得分高于YOLOv5s模型,且有效避免了误检和漏检现象的发生。

固化封尘剂智能加药在线监测系统的设计

传统的封尘剂管理和监测方法存在诸多局限性和问题,开发了一种固化封尘剂智能加药在线监测系统,介绍了该系统的设计、搭建、测试及结果。测试结果表明,该系统可以有效地监测固化封尘剂的加药量,并能根据生产需求自动调整药剂投放量,提高煤场物料密度和装载效率,减少煤炭流失,保护周边环境。

智能选煤系统的设计与应用

鄂尔多斯色连二矿选煤厂将自动化控制技术和信息技术相结合,建设了智能化选煤厂。系统实现生产数据、监测监控数据、设备运行数据的采集、展示和分析决策,生产过程智能控制与洗选工艺智能化,推进信息与生产工艺环节之间完全融合、共享。智能选煤系统的应用给选煤厂在经济、安全、管理等方面带来了显著提升,达到提质降本增效的目的。

智能浮选系统在下峪口选煤厂的应用

针对浮选系统自动化水平低、缺少实时生产数据、浮选精煤灰分波动大等问题,下峪口选煤厂结合自身实际情况,研发了基于模糊控制的智能浮选系统。该系统主要包括智能控制平台、智能感知系统、智能加药站等,分为数据采集层、数据层、控制逻辑层和人-机交互层。改造后,浮选系统由人工控制变为“机器智能控制+人工巡视”。生产实践表明:智能浮选系统的投运使浮选精煤灰分由9.0%~13.0%稳定至12.0%~13.0%,尾矿发热量由5.02MJ/kg左右降低至4.19MJ/kg以下,精煤产率提高了0.18个百分点,每年创造经济效益729万元。智能浮选系统的应用,稳定了产品质量,实现了降本增效,具有良好的社会效益,可为其他选煤厂浮选系统智能化改造提供有益参考。

码垛和拆垛机器人在封尘剂智能加药系统中的应用

目前选煤厂固化封尘剂智能加药过程自动化程度低,码垛与拆垛过程需要大量的人工参与,人工效率低,容易出现错误,直接关系选煤厂的经济效益。介绍了码垛拆垛机器人技术原理与系统架构,将先进的自动码垛与拆垛技术引进固化封尘剂智能加药系统,研发的自动码垛和拆垛系统包含:胶带输送单元、振平单元、机器人及地轨单元、滚筒输送单元、拆包称重单元和废袋收集单元,为选煤厂固化封尘剂智能加药系统提供了一种全自动技术方案。

选煤厂智能配煤系统研究与应用

为解决传统配煤方式严重依赖人工经验、数据反馈较为滞后、操作复杂、劳动强度大等问题,在分析蒙大矿业选煤厂配煤系统现状的基础上,通过对智能配煤算法和控制进行研究,开发了一套智能配煤系统。该系统选用模糊控制进行比例配煤或煤质配煤,能够依据用户要求以及各产品仓的产品质量、储量情况,自动给出最优配煤方案。生产实践表明:该系统可根据煤质数据在线调节配煤比例,使蒙大矿业选煤厂混煤产品吨煤发热量提高了9.85 J,增加收益73.45万元/a,同时避免了“亏卡”现象带来的经济纠纷;实现减员3人,节约人工成本30万元/a。智能配煤系统的研究与应用,实现了选煤厂配煤的智能化、高效化与系统化,对产品煤质提升和选煤效率管控具有积极意义,且该系统具有可复制性,可广泛应用于类似条件的选煤厂配煤系统中。

面向选煤厂领域知识图谱的数据分类方法

工业数据资源的开放共享是工业大数据产业发展的重要途径,选煤厂数据的自动分类有利于实现高效的数据管理。然而选煤厂数据纷繁复杂,数据之间存在交叉重叠和孤立无关联等问题,导致选煤厂数据缺乏标准化和规范化,制约了面向选煤厂智能化应用的发展。针对选煤厂结构化库表数据中标签数据少、数据交叉重叠等问题,提出一种基于知识图谱的选煤厂结构化库表数据自动分类算法。通过选煤厂领域的主题词列表构建了选煤厂领域知识图谱;以选煤厂领域知识图谱为基础,提出将KG-BERT分类模型用于非主题数据的扩展分类;基于TF-IDF的多主题权重判定模型,利用知识图谱的知识体系增强了文本分类的可控性和可解释性;结合选煤厂领域知识图谱、KG-BERT分类模型以及基于TF-IDF的主题权重判定模型,提出用基于多模型融合的分类模型来实现选煤厂结构化库表数据自动分类。实验数据均来自选煤厂结构化库表数据全量目录,可验证算法的有效性。对比实验表明:KG-BERT分类模型采用了BERT架构,具有一定的泛化能力,相较于CNN,RNN,LSTM模型能较好应对无主题情况下的文本分类任务;从训练数据集上看,KE数据集在模型上表现更好;基于多模型融合的分类模型在选煤厂领域结构化库表数据分类较单一模型具有更好的有效性和适用性。基于多模型融合的分类模型自动分类效果良好,有助于提升选煤厂数据管理效率,进一步挖掘选煤厂数据资源的潜在价值。

基于厚尾噪声分布的重介质分选密度辨识

为解决重介质选煤过程中分选密度识别易受厚尾噪声污染的问题,建立了ARX分选密度辨识模型,并利用学生式t分布建模了密度辨识系统中的厚尾噪声,而后采用期望最大化(EM)算法将厚尾噪声识别问题公式化,最后通过仿真模拟对密度及厚尾噪声辨识模型进行了验证。结果表明:用于厚尾噪声识别的EM算法与传统极大似然估计算法(MLE)相比,可有效处理隐含变量或数据丢失问题,相应偏差范数(BN)和方差范数(VN)也均低于后者,具有更佳的鲁棒性;所估计的模型参数在有限次数迭代下即可收敛于真实值附近,算法处理厚尾噪声有效。研究结果可一定程度上提升重介质选煤过程中重悬浮液密度自动检测的准确性。

基于Python的选煤厂生产数据实时报送系统开发

传统的选煤厂生产数据报送方式耗时耗力,数据的时效性、准确性、完整性和真实性无法保障,且缺乏深入分析,无法与当下流行的即时通讯软件进行数据通讯。为此,在确定采集目标和数据需求的基础上,基于OPC协议和WebSocket协议,通过建立MySQL数据库、选择合适的Python库、编写数据采集代码,并选取合适的即时通讯软件,对选煤厂生产数据实时报送系统进行了开发。选煤厂生产数据实时报送系统可实现如下功能:自动采集和传输数据;提取数据中的关键信息和规律,并对数据进行处理和分析;自动生成生产报告和统计分析报告,并通过即时通讯软件将生产数据自动推送至相关人员,从而保证数据报送的实时性与共享性。该生产数据实时报送系统可为后续选煤厂的智能化升级改造提供数据支撑。

我国智能化选煤厂技术发展与展望

作为煤炭行业数字化转型的重要环节,选煤厂智能化建设已经从单一设备自动化向整体智能化、数字化、网络化方向发展,正在推动行业逐步实现从传统劳动密集型到新质生产力的跨越。当今智能化选煤厂技术的发展主要体现在自动化、信息化、智能化三方面,通过采用先进技术和设备,如自动化控制技术、物联网技术、新型智能设备与技术、大数据与人工智能技术、智能选煤生产管理平台等,显著提升了选煤过程部分环节的高效、精准控制,提高了选煤效率和产品质量。经过多年的发展,煤炭行业在智能化道路上取得了显著的成就,但同时也暴露出一些问题:部分基础设备难以满足智能化生产管理需求,部分技术实用性不足,工艺技术管理普遍缺乏重视,智能化技术可复制性差、应用深度不足,而且面临人才短缺的问题和技能提升的挑战。下一步智能化选煤厂的技术研发和建设方向主要是实现“透明工厂”“黑灯工厂”和高效工厂,为选煤产业升级提供可靠保证。为实现这些目标,智能化技术需从服务于选煤厂的机电运维、工艺管理和安全保障三方面入手,在以下几个方面进行突破:利用智能感知技术,实现选煤生产系统的全方位参数采集和分析;开发设备全生命周期管理技术在煤炭行业的应用,包括设备故障诊断模型、智能巡检系统、AI图像识别技术监测装置、智能供配电系统和设备管理平台等;在传感器技术和智能控制技术方面加大研发力度,建立高可靠智能过程控制系统;打造选煤专家系统,利用计算机技术和大数据分析,对生产进行智能监控与优化。我国的智能化选煤厂已经完成了从无序扩张到以评分为核心的转变,目前正处于一个新的发展阶段。只要能够把握当前机遇,妥善应对各种挑战,并且持续进行技术的革新和应用的精细化,相信智能化选煤厂的发展必将为我国煤炭行业的发展作出贡献。

矿用无源灰分仪在同忻煤矿井下的应用实践

针对同忻煤矿在线监测井下毛煤灰分的应用需求,基于灰分与煤的天然放射性呈正相关的原理,通过采用高射线透过率材料的隔爆型矿用射线探测器、由隔离变压器供电的光纤通讯分析仪表以及由内外屏蔽实现低本底水平的环境屏蔽体,完成了井下矿用无源灰分仪的设计,并将之应用于同忻煤矿井下毛煤的灰分监测。实践表明:矿用无源灰分仪应用效果良好,测量值与人工化验值的均方根误差低于1.26%;利用灰分监测数据指导井下采煤生产,使毛煤年平均灰分下降了0.76个百分点,达到了从源头加强煤质管控的目的。

韩家村选煤厂智能化改造设计与实践

为了实现选煤厂智能控制、智能管理、智能决策分析,逐步做到少人或者无人干预,韩家村选煤厂提出了从基础平台、基础自动化、智能控制、智能管理和智能分析决策等方面进行智能化设计,并进行了智能化改造实践。改造后,该选煤厂实现了生产数据信息实时采集、各个系统数据共享、依托选煤专家知识库,使系统可以自主学习、动态预测;矸石带煤率、药剂用量均下降,不仅提高了生产效率、减少了生产和管理成本,而且降低了工人劳动强度,改善了工作环境等,达到了提质增效、降低成本的目的。

马头洗选厂集控系统闭锁控制方案研究与应用

针对软、硬闭锁关系与现场要求不匹配,集控系统启停车程序杂等问题,马头洗选厂在对现有设备和集控系统进行重新梳理的基础上,通过优化集控系统,将软、硬闭锁间的串联改为并联,对部分关键设备增加闭锁转换开关等措施,实现了集控系统闭锁控制改造。马头洗选厂集控系统闭锁控制改造全程由该厂工程技术人员完成,节约改造费用约50万元;改造后每年减少人工费用约5万元,且缩短了因部分设备故障导致的设备空开时间,避免了产品质量波动,助力了选煤厂安全生产。通过对闭锁关系的研究改造,马头洗选厂实现了设备在任意状态时均有闭锁关系控制,有效增强了设备闭锁关系的实用性和安全性,同时为选煤厂集控系统闭锁控制方案改造提供了新思路,也可为其他选煤厂提供有益参考。

龙王沟选煤厂集控系统与停送电系统智能化升级实践与分析

随着煤炭行业智能化水平的不断提升,对选煤厂进行智能化升级改造势在必行。为解决龙王沟选煤厂集控系统与停送电系统存在的问题,基于龙王沟选煤厂主选系统生产现状,通过升级集控系统软硬件、增加配电室PLC控制分站并接入原集控系统、新建自动流程化的停送电管理系统、优化智能启停车系统,对龙王沟选煤厂进行了智能化升级改造。改造后,集控系统的不间断监控得到了保证,集控系统CPU访问量降低了30%,软件响应时间从1 s缩短到0.7 s,故障响应时间缩短到5 s内,数据实时处理能力及历史数据归档与维护速度均得到显著提升;实现了高低压配电柜远程停送电、停送电业务自动流程化管理、集控系统“一键启停”、启停车控制参数灵活配置、不同生产方案启停车流程“一键选择”。通过改造,提升了选煤厂智能化水平,完善了集控系统的基础功能,提高了生产与管理效率,降低了电能消耗,为其他选煤厂集控系统与停送电系统的改造提供了有益参考。

模块化车间集料桶防溢水预警系统改造实践

分析了余吾煤业选煤厂模块主厂房集料桶溢水造成主洗车间一层收集池溢水事故的原因,研发出一套模块主厂房集料桶溢水预警系统;在车间人员巡查不到位或人员缺少的情况下,主洗车间煤泥集料桶满导致大量煤泥水外溢时,生产集控系统能及时闭锁3816补水泵至停机,有效避免煤泥水外溢造成环保事故发生。

带式输送机防撕裂智能检测装置在葫芦素选煤厂的应用

葫芦素选煤厂采用传统重力传感器防撕裂检测装置监测带式输送机撕裂问题,检测精度低,易造成输送带撕裂或划伤,对于后续工序的生产造成严重影响。为解决问题,提出采用基于光学的带式输送机防撕裂智能检测装置,可实时监测设备状态,提供报警信息,及时发现故障隐患,避免设备故障扩大化,提高生产效率,延长设备寿命,提高设备运行可靠性。

涂装装备运行管理智能系统的研究

本文针对目前涂装设备运行管理系统存在的问题,开发一套在线监视辅机运行状态的系统,实现实时监测辅机运行状况,使设备运行管理与机组运行管理同步。通过分离后台计算程序与算法逻辑实现了算法的在线切换,使系统适应多种情况下辅机运行状况的判断。采用BS模式的系统参数设定方式,简化了系统的管理和维护,同时又增加了灵活性。

蒋家河煤矿智能洗选技术改造实践

蒋家河煤矿多年来一直致力于通过智能化改造提升安全高效发展水平。随着矿井智能化建设改造的不断深入,为了进一步提升煤炭智能洗选技术水平,达到减人增效的目的,根据矿井动筛车间现状,结合《陕西省煤矿智能化建设指南(指南)》,矿井对动筛车间进行了智能洗选技术改造,包括智能动筛洗煤集控系统、视频监控系统、设备健康管理和智能供配电及照明系统等,助力智能矿山建设,实现安全高效发展[1]。

基于GIS一张图的设备智能管理系统在选煤厂的应用

玉溪煤矿选煤厂为加强机电设备管理,采用了基于GIS一张图的设备智能管理系统。该系统可以通过Web端和手机端进行登录,为不同用户分配相应权限,对设备台账进行管理,查询巡检及点检情况,在GIS一张图上显示设备位置及运行状态,方便查询设备信息,提醒设备维护人员对机电设备进行定期维护保养,保障设备的安全稳定运行。

分选设备智能管控平台的研究与应用

针对传统选矿行业存在的信息不透明、维护效率低下等问题,引入了物联网和数据分析等技术,设计并开发了一款智能管控平台,旨在提升分选设备的管理效率与作业质量。该平台通过部署传感器实时监测设备状态,结合云端数据分析,实现设备的智能管理和维护。平台采用前后端分离架构,前端为Vue构建响应式界面,后端依托Java与Spring Boot框架开发,部署于云服务器,以确保高性能与扩展性。案例应用表明,智能管控平台在选矿行业具有显著的应用效果,为企业的安全生产和降本增效提供了重要支持。