CN112246428A - 煤炭浮选方法及系统 - Google Patents
煤炭浮选方法及系统 Download PDFInfo
- Publication number
- CN112246428A CN112246428A CN202011214663.5A CN202011214663A CN112246428A CN 112246428 A CN112246428 A CN 112246428A CN 202011214663 A CN202011214663 A CN 202011214663A CN 112246428 A CN112246428 A CN 112246428A
- Authority
- CN
- China
- Prior art keywords
- real
- historical
- data
- coal
- image data
- 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.)
- Granted
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
- B03B13/02—Control arrangements specially adapted for wet-separating apparatus or for dressing plant, using physical effects using optical effects
-
- 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
Abstract
本发明提供一种煤炭浮选方法及系统,其方法包括:获取历史图像数据和历史音频数据;将历史图像数据和历史音频数据整合为历史信号;将历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据;利用样本数据对机器模型进行训练,将训练完成的机器学习模型作为煤炭灰分检测模型;获取实时图像数据和实时音频数据;将实时图像数据和实时音频数据整合为实时信号;将实时信号输入至煤炭灰分检测模型中得到煤炭实时灰分检测结果;根据煤炭实时灰分检测结果调整浮选药剂的添加量。本方案能够保证洗选质量,解决了现有技术中难以在线监测、调整浮选实际灰分的难题。
Description
技术领域
本发明涉及煤炭自动洗选设备技术领域,具体涉及一种煤炭浮选方法及系统。
背景技术
在煤炭工业的生产过程中,要提升煤炭产品的质量和节省自然资源,选煤技术要达到一定水平。但是在我国每年仍有近一半的原煤没有洗选就直接使用了。
目前煤炭洗选行业被广泛应用的洗选设备有:重介质旋流器、跳汰分选机、螺旋分选机、重介质分选槽、摇床等,这些设备在技术及实践操作等方面都已经很成熟。而浮选设备经过多年的发展,日趋完善,能够满足各种煤质的要求,但浮选过程控制仍没有实现自动化,浮选灰分检测目前没有十分可靠的在线检测方法,仍采用人工采样、制样、化验,得出灰分结果滞后2-4小时。生产现场浮选操作依靠工人的眼睛、耳朵,去看泡沫形态、颜色、听现场声音,凭多年积累的工作经验进行预判灰分,待实验室灰分出来后做对比,导致生产调节严重滞后,且易受主观因素、工作疲劳程度、工作经验能力等影响,给出的判断结果也并不精准。
发明内容
有鉴于此,本发明提供一种煤炭浮选方法及系统,以解决现有技术中煤炭洗选依靠人工操作导致的信息滞后以及准确度低的问题。
本发明提供一种煤炭浮选方法,包括如下步骤:
获取包含洗选池内现场环境的历史图像数据和包含洗选池内现场声音的历史音频数据;
将所述历史图像数据和所述历史音频数据整合为历史信号;
将所述历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据;
利用所述样本数据对机器模型进行训练,将训练完成的机器学习模型作为煤炭灰分检测模型;
获取包含洗选池内现场环境的实时图像数据和包含洗选池内现场声音的实时音频数据;
将所述实时图像数据和所述实时音频数据整合为实时信号;
将所述实时信号输入至所述煤炭灰分检测模型中得到煤炭实时灰分检测结果;
根据所述煤炭实时灰分检测结果调整浮选药剂的添加量。
可选地,上述的煤炭浮选方法,将所述历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据的步骤中:
所述灰分含量区间包括五个,分别为:0<B<9.5%、9.5%≤B<10.5%、10.5%≤B<11.5%、11.5%≤B<12.5%以及B>12.5%。
可选地,上述的煤炭浮选方法,获取包含洗选池内现场声音的历史音频数据和实时音频数据的步骤中包括:
获取到洗选池内现场声音信号后,通过小波变换对所述现场声音信号进行滤波处理,之后得到所述历史音频数据或所述实时音频数据。
可选地,上述的煤炭浮选方法,获取包含洗选池内现场声音的历史图像数据和实时图像数据的步骤中包括:
获取到洗选池内现场图像信号后,经过引导滤波器清除现场图像信号中的无用噪声得到所述历史图像数据或所述实时图像数据。
可选地,上述的煤炭浮选方法,根据所述煤炭实时灰分检测结果调整浮选药剂的添加量的步骤中包括:
获取洗选需求灰分含量A,获取实际选洗灰分含量B;
若B<A,增加捕收剂的添加量以调整捕收剂与起泡剂加药比例直至B=A;
若B>A,减小捕收剂的添加量以调整捕收剂与起泡剂加药比例直至B=A。
可选地,上述的煤炭浮选方法,通过如下方式将图像数据和音频数据整合为信号:
压缩所述图像数据,压缩所述音频数据;
将压缩后的图像数据和压缩后的音频数据按照如下数据帧格式进行整合得到一帧数据包,数据包包括帧头和数据内容,其中:
所述帧头格式包括:
版本号,标识目前系统版本号;
包头长度,用于描述该数据包的长度;
图像格式,用于描述图像数据的格式;
声音格式,用于描述音频数据的编码方式;
图像尺寸,用于描述图像尺寸的长度与宽度,其以像素为单位;
所述数据内容包括图像数据内容和音频数据内容的组合。
本发明还提供一种存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行以上任一项所述的煤炭浮选方法。
本发明还提供一种煤炭浮选系统,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行以上任一项所述的煤炭浮选方法。
可选地,上述的煤炭浮选系统,还包括:
摄像仪,采集包含洗选池内现场环境的图像数据,并将图像数据传输至所述处理器;
拾音器,采集包含洗选池内现场声音的音频数据,并将音频数据传输至所述处理器。
可选地,上述的煤炭浮选系统:
所述摄像仪为隔爆高码流摄像仪,所述隔爆高码流摄像仪采集到的图像数据包括JPEG、TIFF或RAW格式的图像;
所述拾音器为隔爆高保真拾音器,所述为隔爆高保真拾音器采集到的音频数据包括WAV、MP3、MP3Pro、WMA、MP4或SACD格式的音频。
本发明提供的以上技术方案,与现有技术相比,至少具有如下有益效果:通过历史图像数据和历史音频数据对机器模型进行训练,利用训练好的模型对实时图像数据和实时音频数据进行分析,能够获得选洗现场煤炭的准确的灰分值,进而对浮选药剂的添加量进行调整,从而保证洗选质量,解决了现有技术中难以在线监测、调整浮选实际灰分的难题。
附图说明
图1为本发明一个实施例所述的煤炭浮选方法的流程图;
图2为本发明一个实施例所述图像数据和音频数据整合之后得到的数据帧的数据包格式;
图3为本发明一个实施例所述的煤炭浮选系统的结构框图;
图4为煤炭浮选过程的工作流程示意图。
具体实施方式
下面将结合附图进一步说明本发明实施例。在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明的简化描述,而不是指示或暗示所指的装置或组件必需具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。其中,术语“第一位置”和“第二位置”为两个不同的位置。
本实施例提供一种煤炭浮选方法,如图1所示,包括如下步骤:
S101:获取包含洗选池内现场环境的历史图像数据和包含洗选池内现场声音的历史音频数据。可以通过隔爆高码流摄像仪采集现场环境中的实时图像,并且以视频信号等方式,传输到后台的设备。可在实时监测洗选池内现场实际情况;然后经过引导滤波器清除图像的无用噪声(诸如粉尘,水雾等干扰),最大限度地保留图像原有的轮廓等细节信息。通过隔爆高保真拾音器采集声音数据,实时采集现场洗选池内声音,并传送至后台的设备。可在现场采集洗选池内声音,通过小波变换将含噪声音信号进行滤波处理,得到有效数据。
S102:将所述历史图像数据和所述历史音频数据整合为历史信号。可以通过音视频混合编码协议,将采集得到的音频声音数据和视频图像数据进行同频组合,将音频数据与视频数据合为一路数据信号,同时每秒数据切分成50份。
S103:将所述历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据。优选地,本步骤中所述灰分含量区间包括五个,分别为:0<B<9.5%、9.5%≤B<10.5%、10.5%≤B<11.5%、11.5%≤B<12.5%以及B>12.5%。具体地,对步骤S102中的每小时180000份的数据以五个灰分含量区间进行分类,并做好数据标定。
S104:利用所述样本数据对机器模型进行训练,将训练完成的机器学习模型作为煤炭灰分检测模型。以标定好的数据作为样本数据,通过人工智能算法进行模型训练;即机器学习,通过打好标签的数据,让其对分成五类的数据进行识别学习,确定基本的模型,让模型根据现场采集的音频图像数据,识别现场浮选机各室实际灰分属于五类中的哪一种,反复训练,调节算法相应的参数,使得模型识别的精度逐渐提高达到要求精度,得到训练好的模型。
S105:获取包含洗选池内现场环境的实时图像数据和包含洗选池内现场声音的实时音频数据。其处理方式与步骤S101中对历史数据进行处理的方式相同。
S106:将所述实时图像数据和所述实时音频数据整合为实时信号。其处理方式与步骤S102中对历史数据进行处理的方式相同。
S107:将所述实时信号输入至所述煤炭灰分检测模型中得到煤炭实时灰分检测结果。
S108:根据所述煤炭实时灰分检测结果调整浮选药剂的添加量。具体地,本步骤可以包括:获取洗选需求灰分含量A,获取实际选洗灰分含量B。若B<A,通过浮选精矿泡沫形状、颜色,增加捕收剂的添加量以调整捕收剂与起泡剂加药比例使得现场洗选池内实际灰分含量增加,直到B=A,后保持洗选池内起泡剂和捕收剂的添加量处于相等状态。若B>A,通过浮选精矿泡沫形状、颜色,减小捕收剂的添加量以调整捕收剂与起泡剂加药比例使得现场洗选池内实际灰分含量增加,直到B=A,后保持洗选池内起泡剂和捕收剂的添加量处于相等状态。
上述方案中,通过小波变换对所述现场声音信号进行滤波处理的算法简单介绍如下:
含噪信号的数学模型可以表示为:y=x+n;其中,y为噪声数据(观测数据),由信号x和噪声n组成,该公式为向量表示,去噪的实质就是根据观测数据y对信号x进行估计,去噪过程的3个步骤可以描述为:
以上方案,将音频声音数据和视频图像数据同频组合,进行数据标定,通过人工智能算法进行模型训练,将大幅度提高识别精度。本方案中,对于组合数据设置了新的协议,具体内容如下:经过压缩后的视频、音频数字文件数据由多个帧组成,帧是数据文件最小组成单位。每个帧又由帧头、数据内容组成。每个帧播放时间是01026秒,其长度随位率的不同而不等。本方案创新地提出了一种新的数据文件结构,如图2所示,其包括:
1.帧头格式
版本号(Version):长度4比特;标识目前采用的版本号。
包头长度(Header Length):长度4比特;描述该数据包头的长度。该部分占4个bit位,单位为32bit(4个字节),即本区域值=数据帧头部长度(单位为bit)/(8*4),因此,一个数据帧包头的长度最长为“1111”,即15*4=60个字节。
图像格式(image format):长度4比特。图像文件存放在记忆卡上的格式,通常有JPEG、TIFF、RAW等。
声音格式(sound format):长度2比特。是指数字音频的编码方式,不同的数字音频设备一般都对应着不同的音频文件格式,通常有WAV、MP3、MP3Pro、WMA、MP4、SACD格式等。
图像尺寸(image size):长度6比特。图像尺寸的长度与宽度是以像素为单位。比如:分辨率640×480的图片,大概需要31万像素,2048×1536的图片,则需要高达314万像素。像素图片分辨率越高,所需像素越多。
包总长(Total Length):长度16比特。以字节为单位计算的数据帧的长度(包括头部和数据),所以IP包最大长度65535字节。
片偏移(Fragment Offset):长度13比特。表示该IP包在该组分片包中位置,接收端靠此来组装还原。
2.数据内容
数据(Data):存储的是具体的数据内容,是采集的视频图像数据和音频声音数据的组合。
本实施例提供的以上方案,通过人工智能技术模拟现场操作多年积累的历史数据得到人工智能模型,利用人工智能模型对现场洗选过程进行分析实时得到煤炭灰分值,解决人工化验浮精灰分延迟的问题。同时,通过不同药剂方案对应不同灰分段浮选精煤的特有特征,解决精准浮选加药问题,可节约浮选药剂用量。采用本发明上述实施例中的方案,可精确控制浮现精煤灰分,提高浮选精煤稳定性,提高精煤产率,提高企业效益。
本发明一部分实施例还提供一种存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行以上任一方案中所述的煤炭浮选方法。
图3是本实施例提供的煤炭浮选系统的硬件结构示意图,该设备包括:
一个或多个处理器301以及存储器302,图3中以一个处理器301为例。该系统还可以包括:输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接,图3中以通过总线连接为例。存储器302作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的煤炭浮选方法。
进一步地,以上系统还可以包括:摄像仪,采集包含洗选池内现场环境的图像数据,并将图像数据传输至所述处理器;拾音器,采集包含洗选池内现场声音的音频数据,并将音频数据传输至所述处理器。所述摄像仪为隔爆高码流摄像仪,所述隔爆高码流摄像仪采集到的图像数据包括JPEG、TIFF或RAW格式的图像;所述拾音器为隔爆高保真拾音器,所述为隔爆高保真拾音器采集到的音频数据包括WAV、MP3、MP3Pro、WMA、MP4或SACD格式的音频。该系统的工作流程如图4所示:
1-处理器接收到摄像仪和拾音器发送的信号;
1.1-针对拾音器发送的信号创建线程1;
1.2-收集拾音器发送的信号数据;
1.3-将音频信号转换为标准格式;
1.4-对标准格式的音频数据进行小波变换和滤波处理;
2.1-针对摄像仪发送的信号创建线程2;
2.2-收集摄像仪发送的拍摄图像;
2.3-将图片信号转换为标准格式;
2.4-对标准给是的图片信号进行引导滤波器滤波;
3-将步骤1.4和步骤2.4得到的数据进行同频合并组合。
4-调用人工智能算法。
5-输出灰分检测结果。
以上方案,通过人工智能算法计算得出现场浮选机各室实际洗选的灰分值,之后能够与洗选标准要求的灰分含量作对比,从而可以根据比对结果给出浮选药剂的调整方案,保证洗选质量,很好地解决了现有技术找那个完全考人工操作所存在的滞后性以及准确度低的问题。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种煤炭浮选方法,其特征在于,包括如下步骤:
获取包含洗选池内现场环境的历史图像数据和包含洗选池内现场声音的历史音频数据;
将所述历史图像数据和所述历史音频数据整合为历史信号;
将所述历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据;
利用所述样本数据对机器模型进行训练,将训练完成的机器学习模型作为煤炭灰分检测模型;
获取包含洗选池内现场环境的实时图像数据和包含洗选池内现场声音的实时音频数据;
将所述实时图像数据和所述实时音频数据整合为实时信号;
将所述实时信号输入至所述煤炭灰分检测模型中得到煤炭实时灰分检测结果;
根据所述煤炭实时灰分检测结果调整浮选药剂的添加量。
2.根据权利要求1所述的煤炭浮选方法,其特征在于,将所述历史信号进行分类,每一类历史信号对应于不同的灰分含量区间,将历史信号的类别与对应的灰分含量区间关联后作为样本数据的步骤中:
所述灰分含量区间包括五个,分别为:0<B<9.5%、9.5%≤B<10.5%、10.5%≤B<11.5%、11.5%≤B<12.5%以及B>12.5%。
3.根据权利要求1所述的煤炭浮选方法,其特征在于,获取包含洗选池内现场声音的历史音频数据和实时音频数据的步骤中包括:
获取到洗选池内现场声音信号后,通过小波变换对所述现场声音信号进行滤波处理,之后得到所述历史音频数据或所述实时音频数据。
4.根据权利要求1所述的煤炭浮选方法,其特征在于,获取包含洗选池内现场声音的历史图像数据和实时图像数据的步骤中包括:
获取到洗选池内现场图像信号后,经过引导滤波器清除现场图像信号中的无用噪声得到所述历史图像数据或所述实时图像数据。
5.根据权利要求1所述的煤炭浮选方法,其特征在于,根据所述煤炭实时灰分检测结果调整浮选药剂的添加量的步骤中包括:
获取洗选需求灰分含量A,获取实际选洗灰分含量B;
若B<A,增加捕收剂的添加量以调整捕收剂与起泡剂加药比例直至B=A;
若B>A,减小捕收剂的添加量以调整捕收剂与起泡剂加药比例直至B=A。
6.根据权利要求1-5任一项所述的煤炭浮选方法,其特征在于,通过如下方式将图像数据和音频数据整合为信号:
压缩所述图像数据,压缩所述音频数据;
将压缩后的图像数据和压缩后的音频数据按照如下数据帧格式进行整合得到一帧数据包,数据包包括帧头和数据内容,其中:
所述帧头格式包括:
版本号,标识目前系统版本号;
包头长度,用于描述该数据包的长度;
图像格式,用于描述图像数据的格式;
声音格式,用于描述音频数据的编码方式;
图像尺寸,用于描述图像尺寸的长度与宽度,其以像素为单位;
所述数据内容包括图像数据内容和音频数据内容的组合。
7.一种存储介质,其特征在于,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行权利要求1-6任一项所述的煤炭浮选方法。
8.一种煤炭浮选系统,其特征在于,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行权利要求1-6任一项所述的煤炭浮选方法。
9.根据权利要求8所述的煤炭浮选系统,其特征在于,还包括:
摄像仪,采集包含洗选池内现场环境的图像数据,并将图像数据传输至所述处理器;
拾音器,采集包含洗选池内现场声音的音频数据,并将音频数据传输至所述处理器。
10.根据权利要求9所述的煤炭浮选系统,其特征在于:
所述摄像仪为隔爆高码流摄像仪,所述隔爆高码流摄像仪采集到的图像数据包括JPEG、TIFF或RAW格式的图像;
所述拾音器为隔爆高保真拾音器,所述为隔爆高保真拾音器采集到的音频数据包括WAV、MP3、MP3Pro、WMA、MP4或SACD格式的音频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011214663.5A CN112246428B (zh) | 2020-11-04 | 2020-11-04 | 煤炭浮选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011214663.5A CN112246428B (zh) | 2020-11-04 | 2020-11-04 | 煤炭浮选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112246428A true CN112246428A (zh) | 2021-01-22 |
CN112246428B CN112246428B (zh) | 2022-07-26 |
Family
ID=74268118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011214663.5A Active CN112246428B (zh) | 2020-11-04 | 2020-11-04 | 煤炭浮选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112246428B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112934471A (zh) * | 2021-02-22 | 2021-06-11 | 乌海市广源洗煤有限责任公司 | 一种难选极难选煤浮选工艺 |
CN114791480A (zh) * | 2022-03-14 | 2022-07-26 | 国能智深控制技术有限公司 | 一种选煤厂重介灰分的软测量方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA28886U (en) * | 2007-08-17 | 2007-12-25 | East Ukrainian Volodymyr Dal N | Method of automatic control of flotation process |
CN102297822A (zh) * | 2010-06-22 | 2011-12-28 | 中国矿业大学 | 一种通过图像分析预测煤粒灰分的方法 |
CN110220908A (zh) * | 2019-07-02 | 2019-09-10 | 太原理工大学 | 一种浮选精煤灰分的在线检测系统及其在线检测方法 |
CN111111931A (zh) * | 2020-02-24 | 2020-05-08 | 中煤科工集团唐山研究院有限公司 | 一种煤泥浮选机泡沫层状态实时监测的系统及方法 |
CN111754028A (zh) * | 2020-06-08 | 2020-10-09 | 吉林大学 | 一种基于高光谱的煤炭灰分、水分检测系统及方法 |
CN111753912A (zh) * | 2020-06-28 | 2020-10-09 | 中国矿业大学 | 一种基于深度学习的煤泥浮选精煤灰分预测方法 |
-
2020
- 2020-11-04 CN CN202011214663.5A patent/CN112246428B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
UA28886U (en) * | 2007-08-17 | 2007-12-25 | East Ukrainian Volodymyr Dal N | Method of automatic control of flotation process |
CN102297822A (zh) * | 2010-06-22 | 2011-12-28 | 中国矿业大学 | 一种通过图像分析预测煤粒灰分的方法 |
CN110220908A (zh) * | 2019-07-02 | 2019-09-10 | 太原理工大学 | 一种浮选精煤灰分的在线检测系统及其在线检测方法 |
CN111111931A (zh) * | 2020-02-24 | 2020-05-08 | 中煤科工集团唐山研究院有限公司 | 一种煤泥浮选机泡沫层状态实时监测的系统及方法 |
CN111754028A (zh) * | 2020-06-08 | 2020-10-09 | 吉林大学 | 一种基于高光谱的煤炭灰分、水分检测系统及方法 |
CN111753912A (zh) * | 2020-06-28 | 2020-10-09 | 中国矿业大学 | 一种基于深度学习的煤泥浮选精煤灰分预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112934471A (zh) * | 2021-02-22 | 2021-06-11 | 乌海市广源洗煤有限责任公司 | 一种难选极难选煤浮选工艺 |
CN114791480A (zh) * | 2022-03-14 | 2022-07-26 | 国能智深控制技术有限公司 | 一种选煤厂重介灰分的软测量方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112246428B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112246428B (zh) | 煤炭浮选方法及系统 | |
CN112394152A (zh) | 一种基于大数据的水质实时智能监测分析管理系统 | |
CN110955288B (zh) | 一种基于大数据的环境监管系统 | |
CN110781889B (zh) | 一种基于深度学习的蓝莓果实中总糖含量的无损检测方法 | |
CN110243732B (zh) | 一种粒度范围为2-500um的全程矿浆磨矿粒度在线检测系统 | |
CN112288597A (zh) | 一种基于层次聚类和直方图算法的能耗在线异常检测方法 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN105867326A (zh) | 一种成型机工艺质量参数跟踪系统及其跟踪方法 | |
CN101877223A (zh) | 影音编辑系统、方法及具有该影音编辑系统的电子设备 | |
CN112800909A (zh) | 一种自学习型的烟丝杂物视像检测方法 | |
CN114640884B (zh) | 一种在线视频播放质量分析方法、系统及计算机存储介质 | |
CN106073823A (zh) | 一种智能化医用超声图像处理设备、系统及方法 | |
CN113624759A (zh) | 一种基于机器学习的苹果无损检测方法 | |
CN104539898A (zh) | 一种室内行为习惯收集系统 | |
CN111537512A (zh) | 一种基于深度学习的烟梗形态智能识别系统及方法 | |
CN112967223A (zh) | 一种基于人工智能的纺织品检测系统、方法及介质 | |
CN115400882A (zh) | 煤炭的浮选方法、浮选装置、处理器与浮选系统 | |
CN111669575A (zh) | 图像处理效果的测试方法、系统、电子设备、介质及终端 | |
CN109632799A (zh) | 基于机器视觉的水稻叶片氮含量移动检测分级方法、系统和计算机可读存储介质 | |
CN111766241B (zh) | 一种基于图像处理的烟丝结构检测方法 | |
CN113448514B (zh) | 一种多源语音数据的自动处理系统 | |
CN116931497B (zh) | 一种基于人工智能的裁剪机控制系统 | |
CN116863338A (zh) | 一种智能化的广地龙分选方法 | |
KR101649993B1 (ko) | 입자 생성 및 성장 현상 판독 장치 및 방법 | |
CN117593678A (zh) | 一种基于nvr对接的录像视频分析码流转运方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |