智能干选机在矸石山煤炭资源回收中的应用

山西一煤矿开采煤层赋存条件复杂、井下矸石产量大且矸石中携带少量煤炭。若将井下矸石直接堆积到矸石山上,不仅会增加矸石山占用空间,还容易引起矸石山自燃等问题。为避免矸石山自燃并减少矸石山占用空间,提出将天元智能干选机用在矸石山煤炭资源回收中,对智能干选机结构及分选原理进行分析,策划矸石山煤炭资源回收工艺流程。通过使用智能干选机,每年可从矸石山中多回收煤炭资源约7 500 t,直接增加收入约2.63×10^(6)元;同时基本杜绝了矸石山自燃、附近村民捡煤块等问题,经济及社会效益显著。

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。

表面活性剂辅助的煤矸识别教学实验设计

基于“液体介入+红外检测”技术设计了不同浓度表面活性剂辅助下的煤矸识别实验,从煤矸温变规律、煤矸温差规律、混矸率及识别准确率计算三方面分析了活性剂辅助对煤矸石识别效果的影响。实验结果表明,表面活性剂可极大增强煤矸温变效应,但不同浓度的活性剂扩大煤矸温差的程度不同;与清水对照组相比,0.05%浓度的DTAB溶液具有最佳的煤矸短时温差提升效果,可大幅提高基于红外图像的煤矸识别准确率。该实验设计基于智能放煤领域学科前沿成果,涉及采矿、计算机、化学等多个学科的知识交叉,能够提升学生综合运用跨学科知识解决实际问题的能力。

千万吨级综放工作面智能化放煤理论及关键技术

针对综采放顶煤工作面在智能放煤理论、智能感知与识别关键技术、智能放煤综合决策技术和远程放顶煤智能控制技术方面存在的问题,依托“十三五”国家重点研发计划——千万吨级特厚煤层智能化综放开采关键技术及示范,开展了千万吨级综放工作面智能化放煤理论及关键技术研究,取得如下成果:(1)开展了顶板顶煤组合体压缩试验、煤岩组合体破碎块度分布试验和不同顶板-顶煤条件下综放开采放煤相似模拟试验,阐明了顶板顶煤的破碎-运移的相互作用过程;开发了采空区三维激光空间探测技术,证明了群组放煤过程中顶煤“面接触块体成拱现象;开展以采放协调、高回收率、低含矸率为约束条件的特厚煤层多口群组智能放煤数值模拟,确定了群组放煤口数量;综上,为智能放煤工艺优化提供了可靠理论基础。(2)对工作面煤矸地质信息及物性特征、顶煤放落过程全周期感知要素进行探索研究,形成了包含“顶煤厚度在线探测-煤矸精准识别-煤流动态测量”的综合感知技术体系,为智能化放煤决策技术提供了充分的数据信息支撑。(3)建立了综放面“人-机-环”多源信息数据库,构建了基于采放时间协调、采放空间协调、采放运能协调的特厚煤层综放面采放协调决策模型,开发了基于Q-learning算法的智能放煤决策软件,形成了基于煤矸识别、顶煤厚度探测和过煤量监测感知,结合煤矸运移时序特征和经验数据的人工智能决策技术。(4)研发了智能综放面三机位姿高精度惯导监测与控制技术,实现了采煤机、液压支架、刮板输送机的实时定位、姿态监测及动作控制;开发了智能化矿山融合通信调度系统,构建了智能综放远程综合控制平台,成功实现了“远程一键启动”模式的智能放煤。(5)在塔山矿8222工作面,开展了基于探地雷达的顶煤厚度在线探测技术、融合振动-音频-高光谱的煤矸精准识别技术、基于激光三维扫描的放煤量实时监测技术和综放工作面智能化放煤决策软件的应用,现场顶煤厚度探测、混矸率和放煤量的误差分别控制在10.71%、9.32%和7.8%以内,平均每个放煤循环节省时间约30 min,实现了年产1500万t的综放工作面智能高效放煤。

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。

井下煤矸智能分选在新庄煤矿的应用

井下煤矸智能分选系统作为煤炭绿色开采的重要内容,能促使煤矿矸石不出井、地面无留存、有效杜绝矸石山地面堆放引发的系列生态环保问题,最大限度减少煤炭开采对生态环境的扰动。开展井下矸石智能分选系统建设是新型煤炭工业发展的方向,是构建人与自然和谐共生的新型能源供给体系的优先选项,设计推荐井下煤矸分选采用以智能干选机为核心的智能分选工艺。在井底煤仓下口布置TDS智能分选硐室系统。以减少矸石无效运输,提高原煤质量,节省运输成本,提高销售收入,提高企业经济效益。

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。

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。

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。

基于DeepLab v3+的综放工作面含矸率预测研究

针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运用DeepLab v3+模型进行煤矸图像语义分割,进而计算煤矸图像的投影面积含矸率。利用PFC3D数值模拟软件,基于重建的三维煤矸块体建立数值模型,模拟顶煤放落和刮板输送机运煤过程,通过fish语言读取每个矸石或煤的体积,计算得到煤矸堆积体体积含矸率。通过分析不同顶煤厚度条件下刮板输送机上煤矸堆积体的投影面积含矸率与体积含矸率的量化关系,建立了煤流的体积含矸率预测模型。实验结果表明:DeepLab v3+模型的准确率、平均像素准确率和平均交并比分别为97.68%,97.72%,95.33%,均高于经典语义分割模型FCN8s和PSPNet,实现了煤矸堆积体投影面积含矸率的精准快速识别;体积含矸率预测模型的决定系数R^(2)为0.9828,预测效果较好。

基于KRB-YOLOv5s的煤矸识别方法

为解决煤矿高粉尘、低照度、高噪声与堆叠等复杂环境因素导致的煤矸识别精度低、漏检与误检问题,提出一种基于KRB-YOLOv5s算法的煤矸识别方法。采用K均值聚类(K-means++)算法对数据集进行重新聚类,以得到更精准的锚框参数;在YOLOv5s主干网络中引入大核卷积结构重参数(RepLKNet)网络,通过大核卷积架构提取目标更高层级的特征信息;在YOLOv5s颈部引入加权双向特征金字塔(Bi FPN)网络,通过双向跨尺度连接对目标多尺度特征进行快速捕捉与融合。在煤矸数据集上开展实验,结果表明:与其他YOLO系列检测算法相比,KRB-YOLOv5s算法在高粉尘、低照度、高噪声与堆叠工况下的综合检测性能最佳,识别精度均值(m AP)达94.5%,比YOLOv5s算法提高了3.3个百分点。研究结论为煤矿复杂工况下煤矸智能分选提供参考。

基于GSL-YOLO模型的综放工作面混矸率检测方法

针对现有基于深度学习的综放工作面混矸率检测方法在井下低照度、高粉尘、煤矸堆叠等复杂条件下存在煤矸识别精度低、分割效果差、模型参数量和运算量大、未实现混矸率的实时检测等问题,提出了一种基于GSL-YOLO模型的混矸率检测方法。GSL-YOLO模型在YOLOv8-seg的基础上进行以下改进:在主干网络中引入全局注意力机制(GAM),通过减少信息弥散和放大全局交互表示提高模型特征提取能力;选用具有高效局部聚合网络的空间金字塔池化(SPPELAN)模块,提升模型处理不同尺寸目标时的检测性能;采用轻量级非对称多级压缩检测头(LADH),降低模型的训练难度,同时提高推理速度。提出了一种基于类别分割掩码的混矸率计算方法,该方法基于煤流图像处理结果中的分割掩码信息,计算其中矸石的像素面积与总像素面积的比值,作为瞬时混矸率。实验结果表明:(1)GSL-YOLO模型的m AP@0.5∶0.95达96.1%,比YOLOv8-seg模型提高了0.8%。(2)GSL-YOLO模型的参数量为2.9×10^(6)个,浮点运算次数为11.4×10^(9),模型权重为6.0MiB,比YOLOv8-seg模型分别降低了12.1%,5.8%,11.8%,实现了模型的轻量化。(3)GSL-YOLO模型在测试集上的帧率为12帧/s,基本满足实时检测要求。(4)与YOLO系列模型相比,GSL-YOLO模型分割效果最好,检测精度最高,参数量和运算量较少,综合性能最佳。(5)基于截取的综放工作面后部刮板输送机上煤流视频中的3帧图像,计算了瞬时混矸率,结果表明,提出的混矸率计算方法基本实现了综放工作面混矸率的实时计算。

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。

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。

济三矿煤矸井下原位智能分选系统及技术研究

针对济三煤矿井下矸石处理困难问题,通过对比分析现有井下煤矸分选技术的适应条件及优缺点,优选了井下智能分选技术的煤矸分选措施,基于济三矿井下系统布置,选择在西区胶带巷与西部胶带巷交叉附近建立了井下煤矸分选系统,并设计了济三矿井下智能分选系统布置方案。工程应用表明,该系统增加了主井有效提升能力,有效提升了矿井效益,每年可增加收入1.2亿元。

塔山煤矿井下煤矸智能分选方案设计

为解决塔山煤矿矸石无效提升的问题,实现矿井的安全、高效、绿色开采。根据塔山煤矿实际开采现状及生产系统,结合煤矸智能分选系统布置原则,提出将井下煤矸智能分选系统布置在井底搭接硐室附近。同时,通过对塔山煤矿生产能力及原煤粒径进行分析,结合智能分选系统的分选能力,对系统的设备布置方案及主要设备选型进行设计,实施井下煤矸智能分选后可解决矿井的矸石无效提升问题,实现生态环境与经济效益的和谐统一,并为类似条件矿井进行井下煤矸分选提供相关设计经验。

智能机器人系统在煤矸分选工艺中的研究与应用

鉴于传统选煤厂人工分选劳动量大、效率低、粉尘多等问题,传统选煤厂选煤工艺不能满足新时期工业生产的技术标准。随着煤炭分选技术的不断进步,人工作业也逐渐被自动化选配装置所代替。介绍了煤矸智能分选技术的研究现状,开发了智能矸石分选机器人,阐述了系统技术方案,研究矸石分选系统的全自动化流程以及计算机视觉、图像处理等技术。通过对社会经济效益分析表明,该系统可显著提高选煤准确率、提升企业生产效率和经济效益,实现了减人、增安、提效的目的。

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。