基于深度学习的多产品煤料图像分类方法研究

基于传感器的智能矿石干选技术在煤炭领域备受关注,其节能、无水、智能、高精度和易使用等优点在井下排矸、选厂预富集和矸石再选等环节有着广泛的市场前景,具有降低成本、节能降耗的优势。为探索深度学习在基于机器视觉的煤料智能干选过程中的分类精度和应用潜力,基于深度学习提出了一种多产品煤料图像分类方法。在获取低灰煤、中低灰煤、高灰煤和矸石4类产品无烟煤图像的基础上,采用位置变换操作对煤粒图像集进行数据增强,为深度学习模型提供大量训练数据,进而采用基于Tensorflow、Keras框架的Inception_v3神经网络模型进行迁移学习。通过使用ImgNet大量数据集在Inception_v3神经网络模型上训练出初始网络参数和权重,将其迁移至煤料多产品分类模型中,采用Dropout对模型进行处理以防止过拟合,最终建立了针对无烟煤多产品的深度学习分类模型,并通过训练过程的损失值和准确率的趋势图判断训练过程是否收敛。通过多分类器对比分析,结果表明深度学习分类模型的测试精度和验证精度均达到90%以上,且随产品数量增加而略有降低,多产品验证精度分别为93.5%、91.3%和90.1%,均优于KNN、RF和SVM常规分类模型的准确率,其中SVM分类模型准确率较高,RF分类模型次之,KNN分类模型准确率最低。分析结果表明深度学习能高效区分产品间特征差异性,并在煤料多产品图像分类应用上具有较大潜力。

哈尔乌素选煤厂降低产品煤水分的研究

本文结合哈尔乌素选煤厂现有精煤产品脱水系统的生产实际,从哈尔乌素选煤厂的工艺流程、煤泥含量以及煤泥处理系统等几个方面分析了精煤产品水分波动的原因,重点针对上述可能引起精煤水分超标的原因。提出煤泥泵起机频率自动调节、煤泥桶容积共享、实时实现弧形筛自由转向、离心机滤液排液口汽水分离、离心机滤液收集环节加装缓冲系统和改造喷水管等措施,使精煤水分从10.8%降低到10.4%,平均每吨产品煤热值提升22Cal,取得了较好的经济效益。

砂墩子选煤厂降低产品煤限下率的技术改造

砂墩子矿井选煤厂于2012年7月份正式投产。随着产品销售量的增加,产品质量尤其是块煤产品的限下率成为制约产品销售的关键。针对这些问题,砂墩子选煤厂对生产系统尤其是配仓环节进行了一系列的技术改造。

安太堡选煤厂产品煤降水分实践与效果

根据安太堡选煤厂生产工艺的实际情况,分析了产品煤水分长期偏高的原因,通过技术改造和管理上的改进,降低了产品煤水分,有效提高了商品煤质量,减少了生产延误,取得了良好的经济效益。

产品煤槽仓岩土地基处理施工技术

结合某选煤厂产品煤槽仓工程,从锚杆锚端冷切技术、预应力锚杆定位筋优化设计、锚杆二次注浆量的测算等方面,介绍了槽仓岩土地基处理技术,总结了施工中的注意事项,对同类工程施工有借鉴意义。

砂墩子选煤厂产品煤配仓技术改造浅析

砂墩子选煤厂通过在皮带机下方加设刮板输送机及振动筛筛前溜槽加设翻板,很好地解决了产品煤灵活配仓的问题,提高了装仓销售能力,减轻了煤场压力,投入少,见效快。

质量职能展开在选煤产品设计中的应用

首先给出了质量职能展开的含义、实质及优点，然后详细阐述了用质量职能展开设计选煤产品的４个阶段，即产品规划阶段、中间产物配置阶段、工艺规划阶段和工序控制阶段，给出了每个阶段实现的具体步骤，并将该方法成功应用到某选煤厂的洗选产品设计。

优化商品煤产品结构 推进煤炭供给侧结构性改革

立足开滦集团选煤实际,从组织、管理、技术和经济等角度,阐述了开滦集团的"大精煤"战略,介绍了开滦集团优化商品煤产品结构的具体做法,总结了开滦集团推进煤炭供给侧结构性改革的经验。

煤液化产品的中间相微观结构分析

以不同溶剂、不同反应温度、不同氢初压及不同煤种所制取的煤液化产品为主,观察了这些产品经不同温度炭化后中间相球体的产生、长大及结合过程,并探讨了这些中间相球体的产生和所形成焦炭结构间的关系。

选煤产品实际产率格氏法的快捷计算方法

介绍了一种在Excel中利用格氏法快捷计算选煤产品实际产率的方法。

煤炭直接液化产品中氯含量测定

采用高温裂解燃烧/离子色谱法建立了测定煤直接液化产品微量氯含量分析方法。样品在高温裂解燃烧炉燃烧,其中氯化合物生成HCl气体或Cl2,经水吸收形成含Cl-的水溶液,离子色谱测出水溶液中的Cl-含量,进而计算出样品中的氯含量。优化的测定条件:燃烧炉温度1300℃,燃烧时间10 min,载气流速1.5 mL/min,样品进样量为0.10～0.16 g。2种不同添加量加标样品的平均回收率为106.61%和94.82%,分析结果的相对标准偏差为3.24%和0.18%。通过对多种煤直接液化产品氯含量分析,获得了煤液化产品中氯含量分布信息。

计算选煤产品实际产率格式法的修正

为了进一步提高格式公式法计算选煤产品实际产率的准确性 ,引入煤炭分选前后数质量平衡关系 ,对格式公式法进行修正 ;修正后的方法只需用复杂公式计算精煤产率即可 。

基于分配曲线数学模型的选煤产品结构预测

以兖州选煤厂为研究对象,并通过差分进化算法进行多参数的寻优计算。建立了分配曲线数学模型,利用20组三产品重介质旋流器分选的单机检查数据,对分选工艺的产品进行预测,分析了密度级别对程序运行效率及预测结果精确性的影响。结果表明:结构预测模型的误差较小、准确度较高,综合考虑预测结果精确性及程序运行效率,密度级别增加至100级时较为合理,为提高当前煤炭资源利用率提供了参考。

贵州煤电化产品综合一体化开发研究

在西部大开发背景下,贵州省围绕煤炭开发利用的重化工业得到长足的发展,但同时也存在资源浪费大、综合利用水平低、经济发展与生态环保的矛盾日益尖锐、资源机会成本的优化选择欠缺等问题。为此,以资源的节约和综合利用为核心的煤、电、化产品综合一体化开发,对贵州节能减排、转变经济增长方式、走新型工业化道路具有重要意义。

选煤产品抽检方案的确定

通过总体接收样本原则的推证,确定出选煤产品质量的检验标准δ0和应抽取的样本容量。并给出了应用此方案时,估计总体方差σ2应抽取的样本的最小容量。

非正态总体的选煤产品抽检方案

根据选煤产品质量特征有时并不服从正态分布,而比较接近服从韦伯分布的情况,建立了抽样检验方案,并求出其OC函数。

中心选煤厂产品结构优化方案探索

为了解决中心选煤厂精煤滞销的问题,根据2015—2017年的实际生产数据,探索产品结构优化方案。方案对比分析说明:在经济效益相同的条件下,适当提高冶炼精煤产品的质量,不但可以促进中煤产品发热量的提高,而且能够拓展冶炼精煤市场,有助于推动销售工作的顺利开展。

关于制定煤炭产品洁净化的政策建议

从煤炭企业本身来说 。

动力用煤的各粒级原料煤及选煤产品密度与灰分关系研究

基于重介质旋流器单机检测试验的原料煤和选煤产品的原始数据,通过回归分析的方法推导出两者正相关关系良好,并得出截距a和斜率b均很接近的各粒级煤炭的密度与灰分回归方程48个,采用数理统计t检测法对回归方程进行了核算。结果表明:50~0.5 mm综合粒级原料煤(密度范围1.60~2.10 kg/L)的密度与灰分回归方程可靠性高,可以用来预测各粒级煤炭产品的密度。

炼焦用原料煤和选煤产品密度与灰分的关系研究

根据超级重介质旋流器单机检查的炼焦用原料煤和选煤产品的浮沉试验资料,采用回归分析方法推导出密度和灰分正相关关系良好的回归方程31个,其截距a和斜率b都甚为接近;采用数理统计t值检验法,对回归方程计算的密度值和浮沉试验的平均密度值进行核算,表明两者之间没有显著性差异,可以用80～0. 5 mm综合粒级原料煤的密度与灰分回归方程来预测各粒级选煤产品的密度。