煤泥浮選加藥控制系統(tǒng)的研究與開發(fā).pdf

1、浮選是選煤的重要環(huán)節(jié)，同時也是高耗能環(huán)節(jié)，參與煤泥浮選的過程變量較多，變化波動較大，并且市場對浮選的品質(zhì)要求愈加嚴(yán)格，煤泥浮選過程自動化水平日益受到人們的重視，所以煤泥浮選自動化是一個必然的發(fā)展趨勢。但是，在煤泥浮選自動化實現(xiàn)的過程中還存在許多問題。首先，現(xiàn)場缺少參數(shù)檢測裝置與檢測手段；其次，數(shù)字圖像處理技術(shù)還沒有運用到煤泥浮選上；再次，雖然國內(nèi)外對煤泥浮選過程的控制理論有了深入的研究，但能夠真正應(yīng)用于生產(chǎn)實踐的控制策略還需要進(jìn)一步完善

2、。因此，論文從煤泥浮選過程變量檢測、數(shù)字圖像處理和浮選加藥控制系統(tǒng)三方面進(jìn)行研究。
　　（1）在對煤泥浮選過程研究的基礎(chǔ)上，設(shè)計了煤泥浮選加藥控制專家系統(tǒng)。確定了以入浮流量、入浮濃度、泡沫尺寸、泡沫灰度和尾礦灰分為輸入變量，起泡劑和捕收劑的添加量為操作變量的控制構(gòu)架。結(jié)合現(xiàn)場環(huán)境和操作工人的習(xí)慣，明確系統(tǒng)的基本功能，給出了系統(tǒng)中各軟件的結(jié)構(gòu)圖。
　　（2）提出一種基于圖像處理和神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的煤泥浮選尾礦灰分軟測量模型。

3、在提取尾礦圖像灰度直方圖的基礎(chǔ)上，進(jìn)行了BP神經(jīng)網(wǎng)絡(luò)算法、ELM算法和I-ELM算法的尾礦灰分預(yù)測研究。實驗結(jié)果表明增量型極限學(xué)習(xí)機I-ELM具有精度高、訓(xùn)練時間短的優(yōu)點，適用于尾礦灰分檢測。
　?。?）借助MATLAB圖像處理工具箱開發(fā)了泡沫圖像采集和處理系統(tǒng)。首先對采集到的泡沫圖像進(jìn)行濾波和增強處理，然后使用帶標(biāo)記的分水嶺算法對泡沫圖像分割，并去除極端小氣泡，求得氣泡平均尺寸。同時基于灰度直方圖提取灰度特征，并且對提取的特征和

4、精煤灰分做了相關(guān)性分析。
　　(4)根據(jù)專家系統(tǒng)設(shè)計的方法，開發(fā)設(shè)計了煤泥浮選加藥控制專家系統(tǒng)。以氣泡大小、灰度和尾礦灰分等主要特征為輸入，制定了基于模糊推理的浮選藥劑添加規(guī)則庫，采用定值控制方法粗調(diào)浮選藥劑添加量，藥劑補償量則是根據(jù)浮選狀態(tài)特征量，通過模糊推理的方法得到，完成了對粗調(diào)的補償；制定了推理策略，完成了推理機設(shè)計；對組態(tài)王界面進(jìn)行了設(shè)計，作為專家系統(tǒng)的人機交互界面；設(shè)計了數(shù)據(jù)庫作為專家系統(tǒng)綜合數(shù)據(jù)庫，實現(xiàn)數(shù)據(jù)管理、查詢