CN111604163A - 一种炼焦煤选煤厂高精度重介智能控制系统及方法 - Google Patents

一种炼焦煤选煤厂高精度重介智能控制系统及方法 Download PDF

Info

Publication number
CN111604163A
CN111604163A CN202010303539.XA CN202010303539A CN111604163A CN 111604163 A CN111604163 A CN 111604163A CN 202010303539 A CN202010303539 A CN 202010303539A CN 111604163 A CN111604163 A CN 111604163A
Authority
CN
China
Prior art keywords
ash content
density
dense medium
ash
precision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010303539.XA
Other languages
English (en)
Inventor
王槊华
齐红亮
王恩生
章宏令
周宏强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huainan Mining Group Coal Preparation Co ltd
Tianjin Detong Electrical Co ltd
Original Assignee
Huainan Mining Group Coal Preparation Co ltd
Tianjin Detong Electrical Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huainan Mining Group Coal Preparation Co ltd, Tianjin Detong Electrical Co ltd filed Critical Huainan Mining Group Coal Preparation Co ltd
Priority to CN202010303539.XA priority Critical patent/CN111604163A/zh
Publication of CN111604163A publication Critical patent/CN111604163A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03B—SEPARATING SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS
    • B03B13/00—Control arrangements specially adapted for wet-separating apparatus or for dressing plant, using physical effects
    • B03B13/005—Methods or arrangements for controlling the physical properties of heavy media, e.g. density, concentration or viscosity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03B—SEPARATING SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS
    • B03B13/00—Control arrangements specially adapted for wet-separating apparatus or for dressing plant, using physical effects
    • B03B13/04—Control arrangements specially adapted for wet-separating apparatus or for dressing plant, using physical effects using electrical or electromagnetic effects

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Feedback Control In General (AREA)

Abstract

一种炼焦煤选煤厂高精度重介智能控制系统及方法，本发明涉及选煤技术领域，首先利用预测模块根据入洗原煤、产品的历史大数据建立自学习数学模型预测重介生产的初始密度值；然后利用控制模块采用模糊PID实现密度的自动跟踪，利用高精度测灰仪并采用模糊神经网络实现灰分‑密度闭环智能控制。其具有精准预测重介密度工艺参数、提高重介精煤产品质量、稳定并提高重介密度跟踪效果等优点。

Description

一种炼焦煤选煤厂高精度重介智能控制系统及方法
技术领域
本发明涉及选煤技术领域，具体涉及一种炼焦煤选煤厂高精度重介智能控制系统及方法。
背景技术
目前，大部分选煤厂采用重选工艺，重选工艺的关键参数密度是通过原煤的浮沉试验得到原煤的浮沉资料，进而绘制原煤可选性曲线(H-R)，再根据精煤的质量要求得到入选密度，密控司机根据经验来设定目标密度。在实际的生产过程中，重介的实际目标密度与可选性曲线的理论密度有较大差异，因此需要利用实际的生产数据来在线学习生成初始密度。但是在系统没有生产前，虽已有大量的历史生产数据，但是无法获得生产过程的实时数据，如何利用已有的历史数据来获得较为准确初始密度值是我们亟需解决的问题。
精煤灰分是评价选煤厂重介生产最重要的指标，而密度能否快速稳定的跟踪设定密度也直接体现在精煤的灰分中。现有的选煤厂基本都是根据至少一小时以后的快灰手动调整设定密度来满足精煤产品的质量要求，造成精煤灰分的稳定性与合格率很难达标。焦煤选煤厂对精煤产品的质量要求更高，通常重介精煤灰分需要控制在±0.5％范围内甚至更小，如果没有高精度的灰分检测装置用于回控密度和高精度密度自动跟踪方式将很难满足用户的精煤灰分需求。对于重介选煤这种大滞后环节的在线控制而言，选用常规的PID很难满足实际的控制要求，模糊控制虽然具有不需要建立具体模型的优点，但是模糊控制的规则受设计人员的经验限制很难建立起性能优良的控制器。
发明内容
本发明的目的在于针对现有技术的缺陷和不足，提供一种设计合理的炼焦煤选煤厂高精度重介智能控制方法，其具有精准预测重介密度工艺参数、提高重介精煤产品质量、稳定并提高重介密度跟踪效果等优点。
为达到上述目的，本发明采用了下列技术方案：首先利用预测模块根据入洗原煤、产品的历史大数据建立自学习数学模型预测重介生产的初始密度值；然后利用控制模块采用模糊PID实现密度的自动跟踪，利用高精度测灰仪并采用模糊神经网络实现灰分-密度闭环智能控制。
进一步地，所述的预测模块定期采集、存储原煤灰分、原煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量等历史大数据作为训练样本的输入信息，重介目标密度作为训练样本的输出信息，采用最小二乘支持向量机进行训练学习。
进一步地，所述的预测模块根据原煤灰分搜索一定灰分范围内历史原煤数据所对应的原煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量并对这些参数分别进行均值处理，将处理后的平均值和原煤灰分作为预测模型的输入来预测重介目标密度，生产时再定期积累样本并优化数学模型。
进一步地，所述的控制模块将预测所得重介目标密度作为初始目标密度，采用模糊PID自动跟踪初始目标密度，根据在线灰分采用模糊神经网络调整目标密度。
进一步地，所述的控制模块采用分段的模糊PID来自动跟踪实时密度，使得系统具备快速跟踪、精确、稳定等特点，密度跟踪精度达到±0.003g/cm3。
进一步地，所述的控制模块的目标值为设定灰分，采用高精度旁路测灰仪检测精煤灰分，灰分检测精度在±0.3％。
进一步地，所述的控制模块将实时灰分和平均灰分均作为参考值，当实时灰分或者平均灰分在设定灰分较小的范围内波动时，不调整目标密度；当实时灰分与平均灰分均大于或小于设定灰分的正常范围时，则以平均灰分作为参考调整目标密度；当实时灰分低于设定灰分范围而平均灰分高于设定灰分时，则不调整目标密度；当实时灰分高于设定灰分范围而平均灰分低于设定灰分时，则不调整目标密度。
采用上述方法后，本发明的有益效果是：本发明提供了一种炼焦煤选煤厂高精度重介智能控制系统及方法，其具有精准预测重介密度工艺参数、提高重介精煤产品质量、稳定并提高重介密度跟踪效果等优点。
附图说明：
图1是本发明的实施框图。
图2是本发明中预测模块的实施框图。
图3是本发明中预测模块用于低灰预测的实施效果图。
图4是本发明中预测模块用于高灰预测的实施效果图。
图5是本发明中控制模块的控制原理框图。
图6是本发明中控制模块的灰分回控密度的控制原理框图。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-图6所示，本具体实施方式采用如下技术方案：其操作步骤如下：
1、采集、处理并存储一段时间的原煤灰分、煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量、重介目标密度等参数，其中以原煤灰分、煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量作为训练样本的输入，以重介目标密度作为训练样本的输出采用最小二乘支持向量机来进行获得预测数学模型(如图2所示)；
2、生产前输入原煤灰分，根据原煤灰分搜索该一定范围(高灰±5，低灰±3)内历史原煤数据所对应的原煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量并对这些参数分别进行均值处理，将原煤灰分和平均值作为预测模型的输入来预测输出，该输出值作为本次生产重介环节密度的初始设定值，利用某选煤厂的生产数据所预测的结果如图3和图4所示(图3为低灰预测，其标准差为0.00115，最大误差为0.00252，最大误差位置为8；图4为高灰预测，标准差为0.00228，最大误差为0.00498，最大误差位置为3)；生产的过程中不断积累更新样本并优化数学模型，样本的更新流程如下：在实际生产过程中，当样本数量低于1800条时，生产过程中每 20分钟积累一次样本，当样本数量达到1800条时，则执行先进先出的原则更新样本，生产前利用样本自学习优化数学模型，利用优化后的数学模型再进行预测；
3、采用高精度旁路测灰仪检测精煤灰分(灰分检测精度在±0.3％)，设定精煤目标灰分，将预测的重介密度初始值作为目标密度，根据实时密度采用分段模糊PID调节加水阀和分流阀的开度自动跟踪密度，使得实时密度稳定在目标密度±0.003g/cm3的范围内；具体控制原理如图5所示；
4、控制模块根据高精度旁路测灰仪灰分平均灰分、与目标灰分的偏差决定是否调整目标密度，其具体步骤如下：当实时灰分(高灰低于目标灰分0.25，低灰低于目标灰分0.2)和平均灰分(低于目标灰分0.1)均低于目标灰分时则升高目标密度；当实时灰分(高灰高于目标灰分0.25，低灰高于目标灰分 0.2)和平均灰分(高于目标灰分0.1)高于目标灰分时则降低目标密度；当高灰实时灰分与目标灰分在±0.25的范围内波动和低灰实时灰分与目标灰分在±0.2的范围内波动则不调整目标密度；当平均灰分在目标灰分±0.1的范围内波动时也不调整目标密度；当实时灰分高于设定值，平均灰分低于设定值则不调整目标密度；当实时灰分低于设定值，平均灰分高于设定值也不调整目标密度。
5、当实时灰分、平均灰分均满足调整密度设定值的条件时，则以目标灰分与平均灰分的误差、误差变化率作为模糊神经网络的输入，对输入的模糊化、推理和反模糊化作为模糊神经网络的中间层，以密度设定值的变化量作为模糊神经网络的输出，通过不断自学习获得最优的控制规则和控制参数来调整目标密度并自动跟踪密度，从而使得精煤灰分在设定的目标范围内波动。具体的控制原理如图6所示。
采用上述方法后，本具体实施方式的有益效果如下：本具体实施方式提供了一种炼焦煤选煤厂高精度重介智能控制系统及方法，其具有精准预测重介密度工艺参数、提高重介精煤产品质量、稳定并提高重介密度跟踪效果等优点。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：首先利用预测模块根据入洗原煤、产品的历史大数据建立自学习数学模型预测重介生产的初始密度值；然后利用控制模块采用模糊PID实现密度的自动跟踪，利用高精度测灰仪并采用模糊神经网络实现灰分-密度闭环智能控制。
2.根据权利要求1所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的预测模块定期采集、存储原煤灰分、原煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量等历史大数据作为训练样本的输入信息，重介目标密度作为训练样本的输出信息，采用最小二乘支持向量机进行训练学习。
3.根据权利要求1所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的预测模块根据原煤灰分搜索一定灰分范围内历史原煤数据所对应的原煤入洗量、入料压力、重介实时密度、精煤流量、中煤流量、矸石流量并对这些参数分别进行均值处理，将处理后的平均值和原煤灰分作为预测模型的输入来预测重介目标密度，生产时再定期积累样本并优化数学模型。
4.根据权利要求1所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的控制模块将预测所得重介目标密度作为初始目标密度，采用模糊PID自动跟踪初始目标密度，根据在线灰分采用模糊神经网络调整目标密度。
5.根据权利要求1所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的控制模块采用分段的模糊PID来自动跟踪实时密度，使得系统具备快速跟踪、精确、稳定等特点，密度跟踪精度达到±0.003g/cm3。
6.根据权利要求1所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的控制模块的目标值为设定灰分，采用高精度旁路测灰仪检测精煤灰分，灰分检测精度在±0.3％。
7.根据权利要求6所述的一种炼焦煤选煤厂高精度重介智能控制系统及方法，其特征在于：所述的控制模块将实时灰分和平均灰分均作为参考值，当实时灰分或者平均灰分在设定灰分较小的范围内波动时，不调整目标密度；当实时灰分与平均灰分均大于或小于设定灰分的正常范围时，则以平均灰分作为参考调整目标密度；当实时灰分低于设定灰分范围而平均灰分高于设定灰分时，则不调整目标密度；当实时灰分高于设定灰分范围而平均灰分低于设定灰分时，则不调整目标密度。
CN202010303539.XA 2020-04-17 2020-04-17 一种炼焦煤选煤厂高精度重介智能控制系统及方法 Pending CN111604163A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010303539.XA CN111604163A (zh) 2020-04-17 2020-04-17 一种炼焦煤选煤厂高精度重介智能控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010303539.XA CN111604163A (zh) 2020-04-17 2020-04-17 一种炼焦煤选煤厂高精度重介智能控制系统及方法

Publications (1)

Publication Number Publication Date
CN111604163A true CN111604163A (zh) 2020-09-01

Family

ID=72203897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010303539.XA Pending CN111604163A (zh) 2020-04-17 2020-04-17 一种炼焦煤选煤厂高精度重介智能控制系统及方法

Country Status (1)

Country Link
CN (1) CN111604163A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112642584A (zh) * 2021-01-28 2021-04-13 丹东东方测控技术股份有限公司 一种基于模糊控制和pid控制的重介精煤灰分控制方法
CN113608510A (zh) * 2021-08-04 2021-11-05 中国矿业大学 一种选煤单机设备智能控制系统控制方法
CN114768987A (zh) * 2022-03-14 2022-07-22 国能智深控制技术有限公司 一种基于dcs的选煤厂重介灰分控制方法及系统
CN115495502A (zh) * 2022-09-28 2022-12-20 煤炭科学研究总院有限公司 基于机器学习的洗煤厂重介分选密度计算系统及方法
CN116213095A (zh) * 2023-02-09 2023-06-06 无锡雪浪数制科技有限公司 一种基于重介质分选的精煤产品灰分智能调节方法及系统
CN117705197A (zh) * 2024-02-02 2024-03-15 天津德通电气有限公司 一种用于选煤厂智能加介系统的实时监测方法
CN117772407A (zh) * 2024-01-02 2024-03-29 北京龙软科技股份有限公司 一种重介分选密度调节自适应控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758962A (zh) * 2003-01-10 2006-04-12 Bm联合煤炭经营有限公司 处理颗粒材料的方法和装置
CN203076072U (zh) * 2013-01-28 2013-07-24 中国煤炭进出口公司 一种重介选煤系统及其介质密度自动控制系统
CN106908464A (zh) * 2017-03-01 2017-06-30 四川新先达测控技术有限公司 煤矿分析系统及方法
CN106964483A (zh) * 2017-04-28 2017-07-21 中国矿业大学 一种无压给料重介旋流器选煤过程自动控制方法及系统
CN109781750A (zh) * 2019-02-11 2019-05-21 天津美腾科技有限公司 基于x射线的煤灰分检测装置及检测方法
CN110605178A (zh) * 2019-09-23 2019-12-24 中国矿业大学 一种重介分选过程智能控制系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758962A (zh) * 2003-01-10 2006-04-12 Bm联合煤炭经营有限公司 处理颗粒材料的方法和装置
CN203076072U (zh) * 2013-01-28 2013-07-24 中国煤炭进出口公司 一种重介选煤系统及其介质密度自动控制系统
CN106908464A (zh) * 2017-03-01 2017-06-30 四川新先达测控技术有限公司 煤矿分析系统及方法
CN106964483A (zh) * 2017-04-28 2017-07-21 中国矿业大学 一种无压给料重介旋流器选煤过程自动控制方法及系统
CN109781750A (zh) * 2019-02-11 2019-05-21 天津美腾科技有限公司 基于x射线的煤灰分检测装置及检测方法
CN110605178A (zh) * 2019-09-23 2019-12-24 中国矿业大学 一种重介分选过程智能控制系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任良才等: "重介质旋流器密度智能控制浅谈", 《山西焦煤科技》 *
岳广礼: "《重介选煤工艺参数智能控制》", 31 March 2013, 中国矿业大学出版社 *
朱干彬: "重介质悬浮液密度闭环控制系统", 《煤炭加工与综合利用》 *
胡娟等: "基于模糊神经网络的重介质悬浮液", 《煤炭科技·加工转化》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112642584A (zh) * 2021-01-28 2021-04-13 丹东东方测控技术股份有限公司 一种基于模糊控制和pid控制的重介精煤灰分控制方法
CN112642584B (zh) * 2021-01-28 2022-07-29 丹东东方测控技术股份有限公司 一种基于模糊控制和pid控制的重介精煤灰分控制方法
CN113608510A (zh) * 2021-08-04 2021-11-05 中国矿业大学 一种选煤单机设备智能控制系统控制方法
CN114768987A (zh) * 2022-03-14 2022-07-22 国能智深控制技术有限公司 一种基于dcs的选煤厂重介灰分控制方法及系统
CN114768987B (zh) * 2022-03-14 2024-02-02 国能智深控制技术有限公司 一种基于dcs的选煤厂重介灰分控制方法及系统
CN115495502A (zh) * 2022-09-28 2022-12-20 煤炭科学研究总院有限公司 基于机器学习的洗煤厂重介分选密度计算系统及方法
CN116213095A (zh) * 2023-02-09 2023-06-06 无锡雪浪数制科技有限公司 一种基于重介质分选的精煤产品灰分智能调节方法及系统
CN116213095B (zh) * 2023-02-09 2023-09-15 无锡雪浪数制科技有限公司 一种基于重介质分选的精煤产品灰分智能调节方法及系统
CN117772407A (zh) * 2024-01-02 2024-03-29 北京龙软科技股份有限公司 一种重介分选密度调节自适应控制系统
CN117705197A (zh) * 2024-02-02 2024-03-15 天津德通电气有限公司 一种用于选煤厂智能加介系统的实时监测方法
CN117705197B (zh) * 2024-02-02 2024-04-26 天津德通电气有限公司 一种用于选煤厂智能加介系统的实时监测方法

Similar Documents

Publication Publication Date Title
CN111604163A (zh) 一种炼焦煤选煤厂高精度重介智能控制系统及方法
CN110605178B (zh) 一种重介分选过程智能控制系统及方法
CN109879410B (zh) 一种污水处理曝气控制系统
CN101349893B (zh) 自适应模型预测控制装置
CN102339040B (zh) 精馏塔优化控制方法
CN110374047B (zh) 基于变形的拱坝运行期实时安全监控阈值确定方法
CN110090478B (zh) 一种充填场景下的深锥浓密机智能控制方法
CN113820976B (zh) 基于人工智能的闸门智能控制方法
CN110639686B (zh) 一种煤炭分选重介质密度自动调节系统及工作方法
CN109508818A (zh) 一种基于LSSVM的在线NOx预测方法
Efheij et al. Comparison of model predictive control and PID controller in real time process control system
CN113420500B (zh) 智能常减压系统
KR20010022606A (ko) 결정 성장 장치 및 프로세스
Li et al. Data-driven modeling and operation optimization with inherent feature extraction for complex industrial processes
CN114768987B (zh) 一种基于dcs的选煤厂重介灰分控制方法及系统
CN116213095B (zh) 一种基于重介质分选的精煤产品灰分智能调节方法及系统
CN1171836C (zh) 乙烯装置中丙烯精馏塔的智能控制方法
CN111766779B (zh) 一种转炉煤气及天然气混合热值配比稳定控制方法
CN102486632A (zh) 一种对二甲苯氧化过程中对苯二甲酸结晶粒径在线分析方法
Zhang et al. An event-triggered predictive control for weight control system
CN115373267B (zh) 一种数控立车伺服系统及其跟踪精度自愈调控方法与应用
CN117076260B (zh) 一种参数及设备异常检测方法及装置
CN116974184B (zh) 磁选过程优化控制方法、装置、计算机设备及存储介质
Ebnali et al. Artificial intelligence for inferential control of crude oil stripping process
Zhang et al. Learning-Based Model Predictive Control with Hammerstein Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200901