紫金山金铜矿地下采场多装备协同智能开采系统研究及应用

随着国家对矿山安全管控的愈发严格,安全开采保障与资源需求保障的矛盾亟须解决,通过采矿装备的机械化、自动化、智能化来实现矿山开采的规模化、连续开采、本质安全,已成为矿山未来发展的主要趋势。目前,地下开采的单一装备智能化研究已取得较大进展,但仍然缺乏涉及开采多工序、多装备协同作业问题的研究。为此,通过结合紫金山金铜矿地下开采的生产工艺、装备配置、组织管理模式以及实际资源赋存条件,构建了包含铲装、运输、破碎3个主要生产工序的多装备协同智能开采系统,通过开展装备选型升级、通信与定位系统构建、多装备协同系统构建研究,在国内首次实现了地下金属矿山铲装、运输、破碎多工序装备无人化协同作业。系统应用结果表明:多装备协同智能开采系统的无人运行效率可接近实际操作效率的70%,满足矿山生产的基本需求,制约系统运行效率的主要因素包括工艺、设计标准以及协同控制,也是未来矿山智能装备研究的主要方向。多装备协同智能开采系统在紫金山金铜矿的成功应用,可为提升地下采矿作业的安全性和效率提供解决方案,对促进深部智能化装备的应用研发具有重要意义。

基于ISDAE模型的复杂工业过程运行状态评价方法及应用

工业过程的运行状态评价对保证产品质量及提升企业综合经济效益具有重要意义.针对工业过程中存在强非线性、信息冗余以及不确定性因素影响而难以建立稳健可靠的运行状态评价模型问题,提出一种基于综合经济指标驱动的稀疏降噪自编码器模型(Comprehensive economic index driven sparse denoising autoencoder,ISDAE)的复杂工业过程运行状态评价方法.首先,在SDAE(Sparse denoising autoencoder)模型中引入综合经济指标预测误差项,迫使SDAE学习与综合经济指标相关的数据特征,建立ISDAE特征提取模型.其次,将ISDAE模型所学特征作为输入训练运行状态识别模型,级联特征提取模型和运行状态识别模型并通过微调网络结构参数获得运行状态评价模型.另外,针对非优状态,提出一种基于自编码器贡献图算法的非优因素追溯方法,通过计算变量的贡献率识别非优因素.最后,将所提方法应用于重介质选煤过程,验证所提方法的有效性和实用性.

基于贝叶斯网络的重介质选煤过程自愈控制

重介选煤工艺由于其基础自动化程度低、操作环境复杂、操作条件波动大、异常工况频繁发生,严重影响了产品煤质和企业的综合经济效益。针对上述问题,提出了一种基于贝叶斯网络的重介质选煤过程自愈控制方案。在深入分析重介质选煤过程中常见异常工况发生原因及相应操作方案的基础上,建立能够提供实时控制决策的贝叶斯网络模型。该模型能够有效地结合定性专家知识与定量数据信息,并遵循后验概率最大的原则获取相应的控制决策,为排除异常工况提供决策依据。仿真结果表明,该方法针对重介质选煤过程中的异常工况,能够提供有效的控制决策,及时排除异常工况,保证生产安全。