CN114768987B - 一种基于dcs的选煤厂重介灰分控制方法及系统 - Google Patents
一种基于dcs的选煤厂重介灰分控制方法及系统 Download PDFInfo
- Publication number
- CN114768987B CN114768987B CN202210249515.XA CN202210249515A CN114768987B CN 114768987 B CN114768987 B CN 114768987B CN 202210249515 A CN202210249515 A CN 202210249515A CN 114768987 B CN114768987 B CN 114768987B
- Authority
- CN
- China
- Prior art keywords
- ash
- coal
- density
- dcs
- ash content
- 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.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 218
- 238000002360 preparation method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000000926 separation method Methods 0.000 claims abstract description 23
- 238000005406 washing Methods 0.000 claims description 20
- 238000007667 floating Methods 0.000 claims description 14
- 238000003556 assay Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000002156 mixing Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000001502 supplementing effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 239000007788 liquid Substances 0.000 description 5
- 239000000725 suspension Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000006148 magnetic separator Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- B03B5/00—Washing granular, powdered or lumpy materials; Wet separating
- B03B5/28—Washing granular, powdered or lumpy materials; Wet separating by sink-float separation
- B03B5/30—Washing granular, powdered or lumpy materials; Wet separating by sink-float separation using heavy liquids or suspensions
- B03B5/36—Devices therefor, other than using centrifugal force
-
- 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
本发明实施例公开了一种基于DCS的选煤厂重介灰分控制方法及系统，该方法包括：DCS获取选煤所需的设定选煤参数，将设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分‑密度自适应因子；DCS采集灰分仪在线数据，根据灰分仪在线数据确定灰分软测量值；DCS根据灰分软测量值和灰分‑密度自适应因子确定修正值，根据修正值调整预测分选密度；DCS根据修正后的预测分选密度控制重介精煤的灰分。本发明实施例公开的基于DCS的选煤厂重介灰分控制方法及系统，能实现选煤厂的重介密度调整和灰分控制。
Description
技术领域
本发明涉及但不仅限于选煤控制技术，尤指一种基于DCS的选煤厂重介灰分控制方法及系统。
背景技术
大部分选煤厂采用重介选煤工艺，其工艺控制的好坏对选煤厂的经济效益影响较大。重选工艺的关键控制参数重精的灰分，控制方式是调节重介旋流器的分选密度。
重精灰分的测量一般由质计车间在生产过程中定时取样，在实验室使用快灰实验获得。分选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分选密度。由此可得，分选密度的给定是由产品质量和原煤信息决定。
对于大部分洗煤厂，原煤来源可能有多种，原煤的灰分、硫分的不同导致煤的可选性不同，需要进行配煤洗选。煤的配比变化会导致分选密度的来回波动，密度的设定值大幅度调整，造成重精灰分的波动。因此，在重选工艺中，为适应洗选过程中现场煤质波动及工况变化会带来的分选密度变化，经常需要对重精的灰分进行测量，对重介悬浮密度进行调整。
目前，已有的重介密度控制系统一般使用PID等控制算法进行调节重介悬浮密度，当煤质发生较大变化的时候，其控制系统无法做出适应性变化，无法实现重介灰分的良好调节。
发明内容
本申请实施例提供了一种基于DCS的选煤厂重介灰分控制方法，包括：
DCS获取选煤所需的设定选煤参数，将所述设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分-密度自适应因子；
DCS采集灰分仪在线数据，根据所述灰分仪在线数据确定灰分软测量值；
DCS根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，根据所述修正值调整所述预测分选密度；
DCS根据修正后的预测分选密度控制重介精煤的灰分。
本申请实施例还提供了一种分散控制系统，包括：控制装置，所述控制装置包括存储器和处理器，存储器用于存储执行指令；处理器调用所述执行指令，用于执行任一实施例所述的基于DCS的选煤厂重介灰分控制方法。
本申请实施例还提供了一种基于DCS的选煤厂重介灰分控制系统，包括：执行设备和如任一实施例所述的DCS，所述DCS与所述执行设备通过电缆连接。
本申请至少一个实施例提供的基于DCS的选煤厂重介灰分控制方法及系统，与现有技术相比，具有以下有益效果：可将DCS应用到选煤厂的选煤工艺中，DCS可通过训练好的煤质识别模型预测选煤所需的分选密度，以及可通过在线检测确定的灰分软测量值和煤质识别模型得到的灰分-密度自适应因子对预测分选密度进行修正，根据修正后的预测分选密度控制重介精煤的灰分，能实现选煤厂的重介密度调整和灰分控制，能够实现重介灰分的更稳定控制，能够快速适应洗选过程的密度需求，对煤种的变化适应能力好。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例提供的选煤厂选煤工艺的系统框图；
图2为本申请一示例实施例提供的基于DCS的选煤厂重介灰分控制方法的流程图；
图3为本申请一示例实施例提供的分散控制系统的结构框图；
图4为本申请另一示例实施例提供的分散控制系统的结构框图；
图5为本申请另一示例实施例提供的基于DCS的选煤厂重介灰分控制方法的流程图；
图6为本申请一示例实施例提供的基于DCS的选煤厂重介灰分控制系统的结构框图；
图7为本申请另一示例实施例提供的基于DCS的选煤厂重介灰分控制系统的结构框图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
对于大部分洗煤厂，原煤来源可能有多种，原煤的灰分、硫分的不同导致煤的可选性不同，需要进行配煤洗选。重介质选煤中，一般采用磁铁矿作为加重质，将磁铁矿粉加入到水中，制得密度大于水的重悬浮液。把煤放进去时，大于悬浮液密度的就会下沉，小于悬浮液密度的就会上浮，达到了煤炭按密度分选。
图1为本申请实施例提供的选煤厂选煤工艺的系统框图，如图1所示，通过调节旋流器209的分选密度，原煤208经过旋流器209分选，分选出的矸石212可以经过弧形筛309后，从弧形筛的出口309/1进入矸石脱介筛315，从矸石脱介筛的出口315/1进入到矸石皮带机901，经过矸石皮带机901传输至回收装置进行回收。分选出的中煤210可以经过弧形筛307后，从弧形筛的出口307/1进入中煤脱介筛313，从中煤脱介筛的出口313/1进入到中煤皮带机702，经过中煤皮带机701传输。分选出的精煤211可以经过弧形筛305后，从弧形筛的出口305/1进入精煤脱介筛311，从精煤脱介筛的出口311/1通过精煤皮带361进入到精煤皮带机362，经过中煤皮带机362传输。
分选出的矸石212可以经过弧形筛309后，从弧形筛的出口309/2进入合格介质桶(简称合介桶)323；分选出的矸石212可以经过弧形筛309和矸石脱介筛315后，从矸石脱介筛的出口315/2进入到合介桶323。
分选出的中煤210可以经过弧形筛307后，从弧形筛的出口307/2进入合介桶323；分选出的中煤210可以经过弧形筛307和中煤脱介筛313后，从中煤脱介筛的出口313/2进入到合介桶323。
分选出的精煤211可以经过弧形筛305后，从弧形筛的出口305/2进入合介桶323，以及从弧形筛的出口305/2经过分流阀205后进入煤泥重介桶325。分选出的精煤211可以经过弧形筛305和精煤脱介筛311后，从精煤脱介筛的出口311/2进入合介桶323，从精煤脱介筛的出口311/3进入精煤磁选机335和336，从精煤磁选机的出口335/1分别进入煤泥重介桶325和合介桶323，从精煤磁选机的出口335/2和出口336/2进入精煤磁尾桶327。
液位传感器203设置于合介桶323的内侧壁上，分流阀205设置于合介桶323与精煤稀介桶311之间的管路上，补水阀204设置于合介桶323与旋流器209之间的管路上，浓介泵206的进口与浓介桶321连接，浓介泵206的出口与合介桶323连接，密度计201设置于合介桶323与旋流器209之间的管路上，磁性物含量计202设置于合介桶323与旋流器209之间的管路上，合介泵207的进口与合介桶323连接，合介泵207的出口与磁性物含量计202连接，在线灰分仪213设置于精煤皮带机362上方。
其中，图1中旋流器209可以为无压三产品旋流器，补水阀204可以与循环水池H连接，补水阀可以获取循环水池中的水。
图2为本申请一示例实施例提供的基于DCS的选煤厂重介灰分控制方法的流程图，如图2所示，基于分散控制系统(Distributed Control System，简称DCS)的选煤厂重介灰分控制方法，可以包括：
S201：DCS获取选煤所需的设定选煤参数，将设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分-密度自适应因子。
可将DCS应用到选煤厂的选煤工艺中，DCS可采用数学分析及机器学习算法进行建模，将DCS中存储的设定选煤参数的历史数据，以及预测分选密度和灰分-密度自适应因子的历史数据形成知识库，以训练建立的煤质识别模型。
DCS可获取选煤所需的设定选煤参数，将获取的设定选煤参数直接输入训练好的煤质识别模型中，即可得到选煤的预测分选密度和灰分-密度自适应因子，可快速预测重介系统的分选密度，从而实现重介精煤的灰分控制。
设定选煤参数用于指示当前选煤工艺的相关参数，设定选煤参数可以包括：原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值。
设定选煤参数为操作人员根据经验值或实际应用而预先输入至DCS的人机交互装置中，人机交互装置可以为下述实施例中的远程管理终端。
S202：DCS采集灰分仪在线数据，根据灰分仪在线数据确定灰分软测量值。
考虑到预测分选密度与实际情况存在差异，可根据预测到的灰分-密度自适应因子，以及根据实际检测获得的灰分软测量值对预设分选密度进行修正，可提高预测分选密度的准确度，快速进行重介系统密度控制系统的准确投入。
DCS可实时采集灰分仪在线数据，以根据灰分仪在线数据确定灰分软测量值。
在一示例中，根据灰分仪在线数据确定灰分软测量值，可以包括：以预设时间段为滑动时间窗口，根据每个滑动时间窗口内的灰分仪在线数据确定灰分软测量值。
可分析在线灰分仪的测量值(灰分仪在线数据)，得到当前滑动时间窗口的灰分软测量值，以滑动窗口的方式利用灰分仪的数据，有效克服了在线灰分仪信号波动且准确性差的问题。
在一示例中，根据每个滑动时间窗口内的灰分仪在线数据确定灰分软测量值，可以包括：根据每个滑动时间窗口内的所有灰分仪在线数据计算出灰分仪在线数据均值；将灰分仪在线数据均值确定为灰分软测量值。
可将预设时间段内的所有灰分仪在线数据的均值作为灰分软测量值，以对预设分选密度进行修正。
在一可替代示例中，可将预设时间段内的一个灰分仪在线数据作为灰分软测量值，或者，可获取预设时间段内的所有灰分仪在线数据，去除所有灰分仪在线数据中的最大值和最小值，将剩余的灰分仪在线数据作为灰分软测量值。
S203：DCS根据灰分软测量值和灰分-密度自适应因子确定修正值，根据修正值调整预测分选密度。
DCS可根据灰分软测量值和灰分-密度自适应因子，对预测的分选密度进行修正，调整分选密度的设定。比如，修正值为+X，X可以为正数，则将预测分选密度+X得到修正后的分选密度。
在一示例中，DCS根据灰分软测量值和灰分-密度自适应因子确定修正值，可以包括：
获取重精灰分设定值，确定重精灰分设定值与灰分软测量值的差值；将差值与灰分-密度自适应因子的乘积确定为修正值。
DCS可将重精灰分设定值和软测量值进行相减，得到重精灰分设定值和软测量值的差值，将差值乘上灰分-密度自适应因子得到修正值，根据得到的该修正值对预测的分选密度进行修正，进行密度预测，调整分选密度的设定。
S204：DCS根据修正后的预测分选密度控制重介精煤的灰分。
DCS可通过训练好的煤质识别模型预测选煤所需的分选密度，以及可通过在线检测确定的灰分软测量值和煤质识别模型得到的灰分-密度自适应因子对预测分选密度进行修正，根据修正后的预测分选密度控制重介精煤的灰分，能实现选煤厂的重介密度调整和灰分控制，能够实现重介灰分的更稳定控制。
重精灰分设定值为操作人员根据经验值或实际应用而预先输入至DCS的人机交互装置中，人机交互装置可以为下述实施例中的现场控制终端。重精灰分设定值是指重介精煤的灰分的设定值，重精灰分是重介精煤的灰分的简称。
DCS根据修正后的预测分选密度控制重介精煤的灰分的实现原理可以与现有技术中根据分选密度控制重介精煤的灰分的实现原理相同。
在一示例中，DCS根据修正后的预测分选密度控制重介精煤的灰分，可以包括：DCS根据修正后的预测分选密度调节旋流器的分选密度，将旋流器的分选密度调节为预测分选密度，以控制重介精煤的灰分达到设定值。
在一示例中，DCS根据修正后的预测分选密度控制重介精煤的灰分，可以包括：根据修正后的预测分选密度调整补水阀、分流阀和浓介泵的开度来调节分选密度，将分选密度调节为预测分选密度，进而实现重介精煤的灰分控制。
本申请实施例公开的基于DCS的选煤厂重介灰分控制方法，可将DCS应用到选煤厂的选煤工艺中，DCS可通过训练好的煤质识别模型预测选煤所需的分选密度，以及可通过在线检测确定的灰分软测量值和煤质识别模型得到的灰分-密度自适应因子对预测分选密度进行修正，根据修正后的预测分选密度控制重介精煤的灰分，能实现选煤厂的重介密度调整和灰分控制，能够实现重介灰分的更稳定控制，能够快速适应洗选过程的密度需求，对煤种的变化适应能力好。
在本申请一示例实施例中，基于DCS的选煤厂重介灰分控制方法还可以包括：
DCS分别获取原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及分别获取预测分选密度和灰分-密度自适应因子的历史数据；
采用径向基(RBF)神经网络构建煤质识别模型；将原煤配洗参数的历史数据、原煤浮沉实验曲线数据的历史数据和灰分化验值的历史数据分别作为煤质识别模型的三个输入参数，将预测分选密度的历史数据和灰分-密度自适应因子的历史数据分别作为煤质识别模型的两个输出参数，从而构建训练数据以训练煤质识别模型。
DCS可采用RBF神经网络进行建模，将DCS中存储的原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及预测分选密度和灰分-密度自适应因子的历史数据形成知识库，分别作为煤质识别模型的输入参数和输出参数，以训练煤质识别模型。其中，输入参数可以看成样本数据，输出参数可以看成是对样本数据的标注。
DCS采用RBF神经网络进行建模的原理与现有方案中采用RBF神经网络进行建模的原理相同，本实施例在此不进行限定和赘述。
图3为本申请一示例实施例提供的分散控制系统的结构框图，如图3所示，分散控制系统可以包括：控制装置，控制装置可以包括存储器31和处理器32。
存储器用于存储执行指令，处理器可以是一个中央处理器(Central ProcessingUnit，简称CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或者完成实施本发明实施例的一个或多个集成电路。当控制装置运行时，处理器与存储器之间通信，处理器调用执行指令，用于执行以下操作：
获取选煤所需的设定选煤参数，将所述设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分-密度自适应因子；
采集灰分仪在线数据，根据所述灰分仪在线数据确定灰分软测量值；
根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，根据所述修正值调整所述预测分选密度；
根据修正后的预测分选密度控制重介精煤的灰分。
在本申请一示例实施例中，处理器根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，可以包括：
获取重精灰分设定值，确定所述重精灰分设定值与所述灰分软测量值的差值；
将所述差值与所述灰分-密度自适应因子的乘积确定为所述修正值。
在本申请一示例实施例中，处理器根据所述灰分仪在线数据确定灰分软测量值，可以包括：
以预设时间段为滑动时间窗口，根据每个滑动时间窗口内的灰分仪在线数据确定所述灰分软测量值。
在本申请一示例实施例中，处理器根据每个滑动时间窗口内的灰分仪在线数据确定所述灰分软测量值，可以包括：
根据每个滑动时间窗口内的所有灰分仪在线数据计算出灰分仪在线数据均值；
将所述灰分仪在线数据均值确定为所述灰分软测量值。
在本申请一示例实施例中，所述设定选煤参数包括：原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值；
处理器还用于：
DCS分别获取原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及分别获取预测分选密度和灰分-密度自适应因子的历史数据；
采用径向基神经网络构建煤质识别模型；将原煤配洗参数的历史数据、原煤浮沉实验曲线数据的历史数据和灰分化验值的历史数据分别作为所述煤质识别模型的三个输入参数，将预测分选密度的历史数据和灰分-密度自适应因子的历史数据分别作为所述煤质识别模型的两个输出参数，从而构建训练数据以训练所述煤质识别模型。
图4为本申请另一示例实施例提供的分散控制系统的结构框图，如图4所示，控制装置41可以包括：数据通信模块411、密度自学习模块413、灰分仪智能分析模块414、密度预测模块416和控制器417。
数据通信模块，用于获取选煤所需的设定选煤参数，设定选煤参数可以包括：原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值。
密度自学习模块，用于将所述设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分-密度自适应因子。
灰分仪智能分析模块，用于采集灰分仪在线数据，根据所述灰分仪在线数据确定灰分软测量值。
密度预测模块，用于根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，根据所述修正值调整所述预测分选密度。
控制器，用于根据修正后的预测分选密度控制重介精煤的灰分。
在一示例中，密度预测模块根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，可以包括：
获取重精灰分设定值，确定所述重精灰分设定值与所述灰分软测量值的差值；
将所述差值与所述灰分-密度自适应因子的乘积确定为所述修正值。
在一示例中，灰分仪智能分析模块根据所述灰分仪在线数据确定灰分软测量值，可以包括：
以预设时间段为滑动时间窗口，根据每个滑动时间窗口内的灰分仪在线数据确定所述灰分软测量值。
在一示例中，灰分仪智能分析模块根据每个滑动时间窗口内的灰分仪在线数据确定所述灰分软测量值，可以包括：
根据每个滑动时间窗口内的所有灰分仪在线数据计算出灰分仪在线数据均值；
将所述灰分仪在线数据均值确定为所述灰分软测量值。
在一示例中，控制装置41还可以包括：数据存储模块412，数据存储模块分别与数据通信模块、密度自学习模块、灰分仪智能分析模块和密度自动控制模块连接。
数据存储模块，用于存储原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及存储预测分选密度和灰分-密度自适应因子的历史数据；
密度自学习模块，还用于：
分别获取原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及分别获取预测分选密度和灰分-密度自适应因子的历史数据；
采用径向基神经网络构建煤质识别模型；将原煤配洗参数的历史数据、原煤浮沉实验曲线数据的历史数据和灰分化验值的历史数据分别作为所述煤质识别模型的三个输入参数，将预测分选密度的历史数据和灰分-密度自适应因子的历史数据分别作为所述煤质识别模型的两个输出参数，从而构建训练数据以训练所述煤质识别模型。
在一示例中，控制装置41还可以包括：密度自动控制模块415，密度自动控制模块分别与密度自学习模块、密度预测模块和控制器连接。控制器与选煤厂选煤工艺的系统的各个执行设备通过电缆连接。
密度自动控制模块，用于根据密度预测模块发送的修正后的预设分选密度，计算补水、分流、加介的指令，将指令发送给控制器；
控制器，还用于根据密度自动控制模块发动的指令，实时调整补水阀、分流阀和浓介泵的开度来调节分选密度，实现重介精煤的灰分控制目标。
在本申请一示例实施例中，如图4所示，分散控制系统还可以包括：远程管理终端42，远程管理终端与控制装置通过网络连接；远程管理终端，用于与用户进行交互，获取选煤所需的设定选煤参数。
可通过远程管理终端与用户进行交互，获取用户录入的选煤所需的设定选煤参数，可以由操作员通过远程管理终端的WEB(网页)界面远程录入原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值等设定选煤参数。
在本申请一示例实施例中，如图4所示，分散控制系统还可以包括：现场控制终端43，现场控制终端与控制装置通过电缆连接；现场控制终端，用于与用户进行交互，获取重精灰分设定值。
可通过现场控制终端与用户进行交互，获取用户录入的重精灰分设定值，可以由操作员通过现场控制终端的组态界面线程录入重精灰分设定值。
图5为本申请另一示例实施例提供的基于DCS的选煤厂重介灰分控制方法的流程图，如图5所示，可以包括：
S501：现场控制终端录入重精灰分设定值。
S502：远程管理终端录入选煤所需的设定选煤参数。
S503：数据通信模块自动获取选煤所需的设定选煤参数。
S504：数据存储模块存储重精灰分设定值和设定选煤参数。
S505：密度自学习模块识别数据，建立煤质识别模型；密度自学习模块根据训练好的煤质识别模型得到预测分选密度和灰分-密度自适应因子。
S506：控制器实时获取补水阀开度、分流阀开度和合介桶液位数据并发送给密度自动控制模块，控制器实时获取灰分仪在线数据并发送给灰分仪智能分析模块。
S507：灰分仪智能分析模块分析得到灰分软测量值。
S508：密度预测模块根据灰分软测量值和灰分-密度自适应因子确定修正值，对预测分选密度进行修正。
S509：密度自动控制模块根据修正后的预设分选密度，计算补水、分流、加介的指令，将指令发送给控制器。
S510：控制器实时调整补水阀、分流阀和浓介泵的开度。
图6为本申请一示例实施例提供的基于DCS的选煤厂重介灰分控制系统的结构框图，图7为本申请另一示例实施例提供的基于DCS的选煤厂重介灰分控制系统的结构框图，如图6和图7所示，基于DCS的选煤厂重介灰分控制系统可以包括：执行设备61和上述任一实施例所述的DCS62，DCS与执行设备通过电缆连接。
在本申请一示例实施例中，执行设备可以包括：
在线灰分仪213，用于检测灰分仪在线数据并发送给DCS。
在本申请一示例实施例中，执行设备还可以包括以下至少一种：液位传感器203、补水阀204、分流阀205、浓介泵206、密度计201和磁性物含量计202。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (7)
1.一种基于DCS的选煤厂重介灰分控制方法，其特征在于，包括：
DCS获取选煤所需的设定选煤参数，所述设定选煤参数包括：原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值，将所述设定选煤参数输入训练好的煤质识别模型中，得到选煤的预测分选密度和灰分-密度自适应因子；
DCS采集灰分仪在线数据，以预设时间段为滑动时间窗口，根据每个滑动时间窗口内的所述灰分仪在线数据确定灰分软测量值，包括：根据每个滑动时间窗口内的所有灰分仪在线数据计算出灰分仪在线数据均值；将所述灰分仪在线数据均值确定为所述灰分软测量值；
DCS根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，根据所述修正值调整所述预测分选密度；
DCS根据修正后的预测分选密度控制重介精煤的灰分；
其中，所述DCS根据所述灰分软测量值和所述灰分-密度自适应因子确定修正值，包括：获取重精灰分设定值，确定所述重精灰分设定值与所述灰分软测量值的差值；将所述差值与所述灰分-密度自适应因子的乘积确定为所述修正值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
DCS分别获取原煤配洗参数、原煤浮沉实验曲线数据和灰分化验值的历史数据，以及分别获取预测分选密度和灰分-密度自适应因子的历史数据；
采用径向基神经网络构建煤质识别模型；将原煤配洗参数的历史数据、原煤浮沉实验曲线数据的历史数据和灰分化验值的历史数据分别作为所述煤质识别模型的三个输入参数，将预测分选密度的历史数据和灰分-密度自适应因子的历史数据分别作为所述煤质识别模型的两个输出参数，从而构建训练数据以训练所述煤质识别模型。
3.一种分散控制系统，其特征在于，包括：控制装置，所述控制装置包括存储器和处理器，存储器用于存储执行指令；处理器调用所述执行指令，用于执行如权利要求1-2任一项所述的基于DCS的选煤厂重介灰分控制方法。
4.根据权利要求3所述的系统，其特征在于，所述系统还包括：远程管理终端，所述远程管理终端与所述控制装置通过网络连接；
所述远程管理终端，用于与用户进行交互，获取选煤所需的设定选煤参数。
5.根据权利要求3所述的系统，其特征在于，所述系统还包括：现场控制终端，所述现场控制终端与所述控制装置通过电缆连接；
所述现场控制终端，用于与用户进行交互，获取重精灰分设定值。
6.一种基于DCS的选煤厂重介灰分控制系统，其特征在于，包括：执行设备和如权利要求3-5任一项所述的分散控制系统DCS，所述DCS与所述执行设备通过电缆连接。
7.根据权利要求6所述的系统，其特征在于，所述执行设备包括：
在线灰分仪，用于检测灰分仪在线数据并发送给所述DCS。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249515.XA CN114768987B (zh) | 2022-03-14 | 2022-03-14 | 一种基于dcs的选煤厂重介灰分控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249515.XA CN114768987B (zh) | 2022-03-14 | 2022-03-14 | 一种基于dcs的选煤厂重介灰分控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114768987A CN114768987A (zh) | 2022-07-22 |
| CN114768987B true CN114768987B (zh) | 2024-02-02 |
Family
ID=82422703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210249515.XA Active CN114768987B (zh) | 2022-03-14 | 2022-03-14 | 一种基于dcs的选煤厂重介灰分控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114768987B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101382556A (zh) * | 2008-09-28 | 2009-03-11 | 山西潞安矿业(集团)有限责任公司 | 一种基于数据驱动的煤泥浮选精煤灰份软测量方法 |
| 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 |
| CN105547917A (zh) * | 2016-02-22 | 2016-05-04 | 天地（唐山）矿业科技有限公司 | 一种煤炭产品灰分自动检测方法 |
| CN111604163A (zh) * | 2020-04-17 | 2020-09-01 | 天津德通电气股份有限公司 | 一种炼焦煤选煤厂高精度重介智能控制系统及方法 |
| CN112138861A (zh) * | 2020-08-21 | 2020-12-29 | 南京业恒达智能系统股份有限公司 | 重介智能控制方法及系统 |
| WO2021057349A1 (zh) * | 2019-09-23 | 2021-04-01 | 中国矿业大学 | 一种重介分选过程智能控制系统及方法 |
| 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 |
-
2022
- 2022-03-14 CN CN202210249515.XA patent/CN114768987B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101382556A (zh) * | 2008-09-28 | 2009-03-11 | 山西潞安矿业(集团)有限责任公司 | 一种基于数据驱动的煤泥浮选精煤灰份软测量方法 |
| 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 |
| CN105547917A (zh) * | 2016-02-22 | 2016-05-04 | 天地（唐山）矿业科技有限公司 | 一种煤炭产品灰分自动检测方法 |
| WO2021057349A1 (zh) * | 2019-09-23 | 2021-04-01 | 中国矿业大学 | 一种重介分选过程智能控制系统及方法 |
| CN111604163A (zh) * | 2020-04-17 | 2020-09-01 | 天津德通电气股份有限公司 | 一种炼焦煤选煤厂高精度重介智能控制系统及方法 |
| CN112138861A (zh) * | 2020-08-21 | 2020-12-29 | 南京业恒达智能系统股份有限公司 | 重介智能控制方法及系统 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 匡亚丽.选煤厂计算机应用.中国矿业大学出版社,2007,(第第1版版),第26-27页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114768987A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110605178B (zh) | 一种重介分选过程智能控制系统及方法 | |
| EP3293151B1 (en) | Apparatus and method for analyzing membrane fouling of a seawater desalination system | |
| CN106964483B (zh) | 一种无压给料重介旋流器选煤过程自动控制方法及系统 | |
| CN114768987B (zh) | 一种基于dcs的选煤厂重介灰分控制方法及系统 | |
| CN111604163A (zh) | 一种炼焦煤选煤厂高精度重介智能控制系统及方法 | |
| CN112138861A (zh) | 重介智能控制方法及系统 | |
| CN101382556A (zh) | 一种基于数据驱动的煤泥浮选精煤灰份软测量方法 | |
| CN103412489A (zh) | 一种磨矿粒度在线预报系统及方法 | |
| CN110090478B (zh) | 一种充填场景下的深锥浓密机智能控制方法 | |
| CN115318431A (zh) | 重介浅槽系统的控制方法、装置和处理器 | |
| Meyer et al. | Coal dense medium separation dynamic and steady-state modelling for process control | |
| KR102085296B1 (ko) | 분류 알고리즘을 이용한 역삼투 공정에서의 분리막 유지관리 의사결정 지원 방법 | |
| 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 | |
| RU2567330C2 (ru) | Способ автоматического контроля и управления процессом флотации | |
| CN113628270B (zh) | 摇床接矿位置的调整方法、装置、电子设备及存储介质 | |
| CN115970883A (zh) | 一种赤铁矿强磁选工艺参数的优化方法 | |
| Polupan et al. | Genetic algorithm usage for optimization of saturator operation | |
| CN114444391A (zh) | 一种基于粒子群优化的氧化风机运行优化算法 | |
| Su et al. | Online estimation of soil grain diameter during dredging of Hopper dredger using continuous–discrete feedback particle filter | |
| Dawson et al. | Flotation control incorporating fuzzy logic and image analysis | |
| CN114971599B (zh) | 食品制造加工工艺参数设置方法、装置、设备及介质 | |
| CN115495502A (zh) | 基于机器学习的洗煤厂重介分选密度计算系统及方法 | |
| CN116974184B (zh) | 磁选过程优化控制方法、装置、计算机设备及存储介质 | |
| CN117408440B (zh) | 基于多维传感器的河道排污口污水智能处理方法及系统 | |
| US20230212030A1 (en) | Device and method for selecting optimal water treatment model for chemical dosing optimization |
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 |