INFLUENCE OF COAL SORT ON THE DIRECT REDUCTION OF HIGH-IRON-CONTENT RED MUD

The technology of coal-based direct reduction of high-ironcontent red mud is studied. The factors affecting this kind of direct reduction mainly are: coal sort, carbon amount, time, temperature and etc. has been investigated. It has been shown that an ide

煤矸石井下原位智能分选充填技术研究进展

传统井下煤矸石需运输至地面处理,不仅占用地面国土空间、自燃或雨水淋滤造成大气与环境污染,而且长距离无效运输造成的能源消耗问题已成为制约煤矿低碳发展的关键瓶颈。为实现煤矿矸石不出井,从煤炭生产源头减少碳排放与单位产出能源资源消耗,实现煤炭的绿色低碳智能开采,回顾了煤矸石井下分选充填技术现状及智能化进展,并在此基础上展望煤矸石井下分选充填技术发展趋势,提出了煤矸石井下原位绿色智能分选、充填新方法,详细阐述了煤矸智能分选机及新型充填液压支架的结构及原理,以最大化缩短矸石无效运输距离。为处理采煤工作面矸石,预防煤岩动力灾害,提出了包含少矸化智能开采系统、原位智能分选系统、工作面矿压反演系统、精准科学充填系统四大子系统的煤矿井下采选充智能一体化系统,并探讨了各子系统间的新环逻辑关系,以形成采煤利于分选、分选利于充填、充填利于采煤的良性循环。为处理掘进工作面矸石,提出了包含智能快掘系统、智能分选系统、煤矸分运系统、智能充填系统四大子系统的煤矿井下掘选充智能一体化系统,并对各子系统所负责工作及智能化实现进行了阐述。所提出的新工艺有望实现煤矿矸石不出井,并为煤矸石原位智能分选充填方法及采选充一体化系统的研究提供新思路。

改进的ORB-FLANN煤矸石图像高效匹配方法

针对煤矸石分拣机器人分拣煤矸石时,带式输送机输送带打滑、跑偏以及带速波动造成的目标煤矸石位姿变化,从而导致抓取失败或空抓漏抓等问题,提出了一种改进的ORB-FLANN (Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)煤矸石识别图像与分拣图像高效匹配方法。提出改进ORB的特征点检测方法对煤矸石识别图像与分拣图像进行特征点检测,实现快速检测图像特征点;提出改进FLANN匹配算法对图像特征点进行匹配,实现煤矸石识别图像与分拣图像高效匹配。针对传统ORB方法对煤矸石图像特征检测时间长、重复率低问题,提出了改进ORB特征检测方法,提高了图像特征点检测速度和重复率;针对传统FLANN匹配方法对煤矸石图像匹配精确率低问题,提出了融合PROSAC算法的改进FLANN匹配方法,剔除错误特征匹配点对,提高了图像匹配的精确率。在自主研发的双机械臂桁架式煤矸石分拣机器人试验平台上应用文中方法、SURF特征匹配方法、HU不变矩匹配方法、SIFT特征匹配方法和ORB特征匹配方法分别进行了不同带速、尺度、旋转角度条件下的煤矸石匹配试验,结果表明:本方法的匹配率为98.2%,匹配时间为141 ms,具有匹配率高、实时性好以及鲁棒性强等特点,能够满足煤矸石识别图像与分拣图像高效精准匹配的要求。

煤矸石智能分拣机器人运动规划技术的研究进展

运动规划是煤矸石智能分拣机器人研究过程中必不可少的一环,但是目前仍有一些问题待解决。首先介绍煤矸石分选现状,其次分析煤矸石智能分拣机器人运动规划的关键技术,主要包括如何追踪动态煤矸石、如何规划轨迹以减少冲击和如何针对障碍物进行避障。最后得出今后煤矸石智能分拣机器人运动规划的研究方向,包括基于轨迹优化的分拣策略、拣矸机械臂末端抓取位姿和协作空间下多机械臂拣矸的轨迹规划。

基于改进ORB的复杂场景煤矸石匹配算法

在煤矸石分拣过程中,传统方法通过视觉识别与胶带速度预测煤矸石实时位姿,然而,由于煤矸石随胶带高速长距离运输过程中常发生打滑和跑偏现象,预测位姿与分拣区域实际位姿不一致,导致机械臂空抓、误抓,影响分拣效率。针对这一问题,提出了一种改进的ORB匹配算法用于煤矸石在分拣区域的二次定位,首先引入局部自适应伽马校正的oFAST特征检测,提高低光照下的匹配准确率;此外,针对矸石在高速移动中由于动态干扰产生的较多误匹配点,结合BEBLID描述子和GMS算法进行快速特征匹配,并运用随机抽样一致性算法优化匹配点选择,增强算法鲁棒性;最终,通过得到的匹配点计算最小外接矩形完成位姿获取。实验结果显示,所提算法相较于传统ORB算法在尺度、光照、视角变化下煤矸石匹配正确率分别提升了16.7%、36%和22%,平均误差为1.29 mm,平均匹配耗时在40 ms以内,适用于复杂场景下煤矸石的匹配定位。

基于机器视觉的煤矸石分选方法研究

传统的煤矸石分选方法存在成本高、效率低以及安全性不足等问题。近年来,随着深度学习相关技术的迅速发展,基于目标检测算法的智能选矸已经成为矸石分选的重要研究方向。为实现矸石与煤块的高效分选,本文提出一种基于机器视觉与深度学习相结合的检测方法。该方法以YOLOv5s模型为基础,首先,在主干部分中加入卷积注意力模块(CBAM)用于提高网络的特征提取能力;其次,在颈部网络部分采用加权双向特征金字塔结构(BiFPN)来增强网络的多尺度特征融合,避免漏检与误检现象的发生;再次,在预测部分使用EIoU函数作为改进后模型的损失函数,以进一步提高检测精度;最后,在训练前对原有数据集进行扩充,使模型的泛化能力得到进一步加强。实验结果表明:改进后模型平均检测精度为95.3%,较原模型提高了2.1%,能够有效地替代人工分选。

孟津煤矿智能煤矸机器人研究应用

针对煤矿井下煤尘弥漫、噪声较大,人工手动筛分误拣率高造成煤矿生产工作效率较低的问题,结合信息化和智能化技术,孟津煤矿研究设计了一款智能煤矸机器人。详细论述了智能煤矸机器人的组成和工作原理,对比了应用智能煤矸机器人前后的效益。实际应用表明,采用机器人智能选矸技术后,经济效益、安全效益、社会效益和长远效益都得到有效提升。

山西焦煤集团选煤厂智能化建设的实践与思考

为了顺应我国“双碳”背景下煤炭清洁高效利用的国家战略,介绍了山西焦煤集团有限责任公司(以下简称“山西焦煤集团”)选煤厂智能化建设规划、顶层设计与具体举措,梳理了山西焦煤集团通过学习、实践、再提高的螺旋式提升选煤厂智能化水平的建设经验,详细阐述了山西焦煤集团围绕重介智能分选、智能浮选、煤泥水健康保障、智能采制化、智能配煤、产供销智能管理等选煤核心环节的建设方案、技术路线与实施效果,并对智能化选煤厂建设实践中存在的主要问题进行了分析研究,进一步推进选煤厂智能化建设提出了具体建议。

选煤厂工艺系统改造工业试验及评价

为进一步提升选煤厂的处理能力时期与煤矿生产能力相匹配,同时保证所设计的分选工艺与原煤特征相符才能够达到最佳的生产效益。在对选煤厂基本情况进行概述的基础上,重点分析其当前所存在的问题,在对工艺系统进行改造的同时,对炼焦配煤和动力用煤在不同分选下限开展工业性试验,试验结果可指导实践生产。

新疆地区高含矸黏湿动力煤干湿联合工艺及分选提质研究

基于低品质煤原煤煤质分析,综合生产矿区生产现状,提出适用于高含矸粘湿煤的干湿联合分选工艺:>100 mm煤炭采用光电分选、100~25 mm煤炭采用重介浅槽分选、25~3 mm煤炭采用复合式分选。该工艺有效降低煤炭分选下限,提高煤炭分选精度,可实现>3 mm低品质煤的降灰提质。在干湿联和分选提质工艺下,过断层前原煤灰分降低了19.19%,发热量提升了4391 kJ/kg;过断层中原煤灰分降低了21.51%,发热量提升了3185 kJ/kg;夹矸层原煤灰分降低了18.33%,发热量提升了3349 kJ/kg。

井下智能煤矸分选技术研究

煤炭清洁加工是煤炭行业发展的趋势之一。在煤炭加工过程中,产生了大量的煤矸石。为了实现煤炭清洁加工,对煤矸石进行井下分选并回填到采空区是必经途径。针对传统矸石分选技术效率低的问题,采用了智能煤矸分选技术。分析了煤矸井下分选的意义,主要包括降低矸石污染、降低运输成本和提高煤炭分选效率等,探讨了井下智能煤矸分选的关键技术,主要包括煤矸识别技术和煤矸分离技术,可以为井下煤矸分选提供一定的技术参考。

煤系战略性金属锂镓的富集分离研究进展

煤系物中存在丰富的锂、镓等战略性金属矿物,从中提取利用这些金属,既促进了资源再利用还可以增加我国战略性金属储备。由于锂镓的富集分离必经以厘清煤系锂、镓的赋存状态为前提,故先阐述了锂、镓含量检测和赋存形态研究,继而提出锂镓的预富集方法和分离提取方法,详细分析了物理分选法、化学分选法等富集方法,以及化学沉淀法、溶剂萃取法、离子交换吸附法和膜分离法等分离方法的技术原理和适用性。针对煤系锂、镓富集分离研究现状,提出了未来的发展方向,包括探清目标元素与有害元素的组合形式和成矿机理,提高煤系锂、镓的活化适应性和选择性,突破金属分离的技术瓶颈并优化生产工艺,实现酸碱溶液循环利用。研究成果可为煤系物的资源化利用和其他战略性金属的提取利用提供有益参考。

官地矿选煤厂粗煤泥分选的工艺优化改造研究

为解决官地选煤厂粗煤泥分选效果差、介耗高等问题,结合官地选煤厂的实际情况,对选煤厂粗煤泥分选工艺系统进行升级改造,设计采用三锥角旋流器替换传统的三产品旋流器,对现有的TBS粗煤泥分选系统进行改造。经升级改造后,官地选煤厂的洗选处理量增加80万t/a,提高精煤产率约0.15%,精煤灰分质量分数减少1.4%,大幅降低介质消耗,体现出显著的经济效益。

TCS智能分选技术在沙曲选煤厂的应用

针对沙曲选煤厂粗煤泥TBS分选系统存在的堵孔、堵料、尾渣排放不连续等问题进行升级改造,将原分选技术TBS替换为TCS。TCS分选技术首先联合泵排料策略实现最大化平稳运行;其次部署智能干扰器,高效跟踪扰动;最后加配稀释水系统进行防堵优化。在选煤厂的应用表明,采用TCS分选工艺分选精度明显提高,分选效果较佳,证实了此次改造的合理性和有效性。

司马煤业选煤厂重介质分选工艺优化改造及应用分析

针对司马煤业选煤厂入选煤质不稳定,重介质分选工艺存在自动化、智能化水平偏低,选煤效果不理想等问题,为有效解决上述问题,结合煤炭洗选行业发展趋势,基于选煤厂选煤现状,通过应用自动化、智能化技术,重点对选煤过程中的一些关键环节进行了智能化改造,取得了较好的改造应用效果,有效提升了选煤工艺的自动化、智能化水平,促进了选煤工作的降本增效。

火铺矿选煤厂无压三产品重介旋流器升级改造实践

针对火铺矿选煤厂无压三产品重介质旋流器运行过程中中煤含精煤量偏高及矸石含煤问题,对一段旋流器进行锥角优化、二段旋流器进行锥比调整。改造后实现精煤灰分稳定的同时,解决了中煤带精煤问题,矸石带煤率也稳定降低在1%以内,经济效益显著提高。

李楼煤业选煤厂选煤工艺设计分析

针对李楼煤业选煤厂现有动筛跳汰选煤效率低、质量差的问题,对选煤厂所使用的高硫煤和低硫煤煤质特性、浮沉特性进行了研究,结合所使用原煤特点和产品规划,提出了主选脱泥跳汰、粗煤泥采用浓缩分级旋流器+螺旋分选设备+高频振动筛分+煤泥高速离心+三质体高频筛联合回收、细煤泥浮选的工艺。李楼煤业选煤厂的实际应用表明,优化后浮选精煤的产率达到了6.2%,将生产过程中的用水消耗降低17.6%,每年可多回收精煤3.66万t,显著提升了选煤厂的煤炭分选效率和产品质量。

基于几何特征约束的煤矸DE-XRT精准识别方法

双能X射线透射识别煤矸仍存在厚度、硬化、余辉和扇形效应等缺陷,面向5~150 mm宽厚度煤矸分选参数波动大、识别率低。为此,提出一种基于几何特征约束的煤矸双能X射线透射多维度识别方法。该方法通过目标图像最小外接圆直径和区域面积两个几何特征区分煤矸厚度,约束X射线透射响应特征的空间分布,进而从多个维度特征削弱缺陷影响。以少量低密度煤和高密度矸石,获取X射线透射响应特征、位置特征和几何特征,结合Relief-F特征选择建立强特征组合。检验多种分类器的识别性能,选取中等高斯SVM作为多维度方法的分类模型。以强特征组合作为输入,自动创建最终决策模型并分类未知煤矸像素点,通过像素变换图像处理方法获取分选参数p值。结果显示,p值与煤矸密度呈强线性相关,利用密度可选取p值调控分选。而p值与煤矸厚度呈现弱线性相关,宽厚度范围内p值离散程度小、可分性好,赋予分选参数较大调整空间。批量试验验证结果显示,多维度法预排矸分选参数p值为33.01%,以此分选参数对不同密度、不同煤种煤矸识别,整体识别率达99.57%。对5~150 mm厚度范围原煤预排矸整体识别率达99.37%。相比较H-L法、RL法,多维度法识别率更高,面向不同厚度煤矸计算得到的p值精度高、一致性更好。印证了几何特征约束下多维度识别方法的有效性及分选参数调控优势,为现有双能X射线煤矸分选装置识别算法提供了设计参考。

拣煤机器人在韩咀煤业的应用研究

为解决韩咀煤业部分块煤无法回收的问题,运用智能AI视觉识别及工业机器人技术,研制并应用了智能机器人拣煤系统。论述了拣煤机器人系统在韩咀煤业遇到的技术难点及解决办法。结果表明,拣煤机器人应用可有效解决矸石表面煤泥多、水渍反光、流量大等问题,实现自动布料、智能判断、动态拣取、自动称重、无人值守,对矸石中存在的块煤进行分拣回收,用机器人代替人工手选作业,避免了人工操作的安全隐患,经济和社会效益显著。

长城三矿选煤厂从洗选矸石中回收低热值煤的工艺探索

长城三矿选煤厂洗选矸石中存在高密度低灰分的煤矸石,现有重介质分选工艺不能对其进行有效分选,直接废弃会造成煤炭资源浪费,直接燃烧产生的热量较少,并且会造成环境污染。通过对长城三矿选煤厂洗选块矸石进行试验分析,并调整末煤重介质旋流器锥角,对这部分低热值煤进行再回收利用,避免煤炭资源的浪费,提高了企业的经济效益。