原煤识别模式在煤炭产量计量系统中的应用

为了准确计算煤矿的产量,需要把煤矸石的量减掉,针对这个问题,研究了基于图像识别的煤矸石识别技术,从煤矸石与煤炭的样本数据中分离数据,最终完成煤矸石的识别系统。采用自适应增强算法(AdaBoost算法)对实现目标的检测达到了很好的效果,虽然原煤图像存在着多样性,受到遮挡、光照、视角等的影响,通过AdaBoost算法对原煤数据库和非原煤数据库训练逐步提升原煤分类器性能,能成功实现原煤识别检测。论文中识别系统充分利用图像识别技术和人工智能思想,将机器学习引入煤矸石模型的建模环节,成功实现煤炭和煤矸石的区分。

龙王沟选煤厂智能化控制实践与分析

推进选煤厂智能化建设是科技进步、时代发展的必然趋势。龙王沟选煤厂原有选煤工艺流程已不能满足智能选煤厂需求,因此对龙王沟选煤厂重介系统与浓缩系统进行智能化改造。原重介系统同位素在线灰分仪检测精度不能满足指导生产的要求,由于缺少磁性物含量检测仪,合格介质悬浮液的磁性物含量未能进行有效控制,生产过程中易出现重介悬浮液密度不稳定。原浓缩系统絮凝剂和凝聚剂加药无具体规章制度,检查浓缩机溢流澄清具有滞后性。通过密度含量模糊控制,液位模糊控制,煤泥含量模糊控制对重介系统悬浮液多参数智能控制,通过模糊算法对重介悬浮液密度寻优进行控制;浓缩系统从絮凝剂添加量的智能预测、絮凝剂添加量的智能控制和絮凝剂加药过程的智能控制3方面进行改造。智能化改造后龙王沟选煤厂智能化改造之后重介系统精煤灰分降低0.88%,重液使用量降低0.03 kg/t,浓缩系统絮凝剂使用量降低2.53 g/t。为龙王沟后续为打造样板型智能化选煤厂奠定基础。