WO2023179344A1 - 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 - Google Patents
基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 Download PDFInfo
- Publication number
- WO2023179344A1 WO2023179344A1 PCT/CN2023/079776 CN2023079776W WO2023179344A1 WO 2023179344 A1 WO2023179344 A1 WO 2023179344A1 CN 2023079776 W CN2023079776 W CN 2023079776W WO 2023179344 A1 WO2023179344 A1 WO 2023179344A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- flotation
- slurry
- intelligent
- dosing
- unit
- Prior art date
Links
- 238000005188 flotation Methods 0.000 title claims abstract description 143
- 239000002002 slurry Substances 0.000 title claims abstract description 121
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003245 coal Substances 0.000 title abstract description 24
- 239000003795 chemical substances by application Substances 0.000 title abstract 6
- 239000008396 flotation agent Substances 0.000 title abstract 5
- 239000011362 coarse particle Substances 0.000 claims abstract description 36
- 238000004148 unit process Methods 0.000 claims abstract description 3
- 238000003909 pattern recognition Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims description 2
- 230000003116 impacting effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 11
- 239000003250 coal slurry Substances 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 239000012141 concentrate Substances 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect 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
- B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
- B03D1/00—Flotation
- B03D1/14—Flotation machines
-
- 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
- B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
- B03D1/00—Flotation
- B03D1/14—Flotation machines
- B03D1/1443—Feed or discharge mechanisms for flotation tanks
- B03D1/145—Feed mechanisms for reagents
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明涉及一种基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法,属于浮选加药技术领域,解决了现有技术中浮选加药人工调节带来的不及时、剂量不准确的问题。本发明提供了一种基于浮选尾煤矿浆检测的浮选智能加药系统,包括浮选信息采集单元、灰分智能预测单元和分布式控制加药单元,所述浮选信息采集单元获取矿浆的流量、浓度、粗颗粒含量和图像信息,所述灰分智能预测单元对矿浆的流量、浓度、粗颗粒含量和图像信息处理获得矿浆的灰分,所述分布式控制加药单元根据矿浆的灰分及矿浆的流量、浓度和粗颗粒含量调控加药量。本发明可实现不间断实时监控浮选参数,及时对加药量进行调整。
Description
本发明涉及浮选加药技术领域,尤其涉及一种基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法。
浮选技术是最为经济有效的微细煤泥分离方法,也是煤炭深度分选的重要方法,在选煤厂的煤泥水处理、实现煤泥水闭路循环中起到至关重要的作用。浮选过程中加药量的精准控制是保证浮选精煤灰分、浮选精煤回收率和降低药剂消耗的重要手段,加药量过高,浮选过程选择性差,会导致增加药剂消耗的同时提高精煤灰分,无法保证精煤品质,加药量过低,选择性过高,则会导致精煤产率降低。
当前选煤厂的浮选系统的智能化水平低,浮选加药判断主要由人工进行,其浮选效果取决于浮选司机的生产经验以及精心管理程度,根据眼看矿浆颜色、手摸判断浮选尾矿是否存在“跑粗”问题等感官结果,手动进行操作,不能达到精确定量,具有滞后性和个人主观性,导致生产情况不稳定。此外,浮选加药装置所处位置一般较高,除了经常调节带来的体力消耗大外,药剂挥发所产生的刺激性气味也会影响浮选司机的健康,浮选工作环境有待改进。
传统的自动化加药系统多为开环控制,是在浮选司机确定数值后系统按照固定数值进行加药,缺少了根据工况而对加药量自动调整的反馈环节。随着市场对浮选的品质要求愈加严格以及工业过程智能化水平的不断提升,煤泥浮选智能化越来越受到人们的重视。浮选过程智能控制
的关键环节之一是实现浮选过程中产品指标的实时检测,当前对浮选矿浆灰分的预测主要有图像法和直接检测法两种检测方法,传统的图像灰分预测是通过对精矿泡沫、灰度等的分析得出精矿灰分,而由于精矿灰分浮动区间较小,预测精确度要求高,很难做到较为精确的灰分预测,精矿灰分预测的偏差也将扩大对回收率的影响。对于直接检测法,当前应用较多的主要是利用矿浆灰分仪对精矿矿浆灰分进行检测,而缺乏对尾矿矿浆的检测,减少了对回收率的控制,且矿浆灰分仪投资成本高,测定结果有一定的滞后性,不能达到实时的监测效果,无法及时调整加药量,保证浮选效率。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法,用以解决现有浮选加药人工调节带来的不及时、剂量不准确的问题。
一方面,本发明提供了一种基于浮选尾煤矿浆检测的浮选智能加药系统,包括浮选信息采集单元、灰分智能预测单元和分布式控制加药单元,所述浮选信息采集单元获取矿浆的流量、浓度、粗颗粒含量和图像信息,所述灰分智能预测单元对矿浆的流量、浓度、粗颗粒含量和图像信息处理获得矿浆的灰分,所述分布式控制加药单元根据矿浆的灰分及矿浆的流量、浓度和粗颗粒含量调控加药量。
进一步地,所述浮选智能加药系统包括矿浆准备器和浮选设备,所述矿浆准备器对矿浆进行预处理后经所述浮选设备进行浮选。
进一步地,所述矿浆准备器包括桶体,所述桶体的上端设有进水管和进料管,所述桶体的下端设有出料管。
进一步地,所述浮选信息采集单元包括流量计和浓度计,所述流量计和所述浓度计设于所述矿浆准备器的下游。
进一步地,所述流量计和所述浓度计分别用于获取由所述矿浆准备器向所述浮选设备流入的矿浆的流量和浓度。
进一步地,所述浮选信息采集单元还包括力传感器和工业相机,所述力传感器和所述工业相机均设于所述浮选设备的尾矿出口处。
进一步地,所述力传感器用于获取矿浆撞击挡板震动数据,所述工业相机用于获取矿浆的图像。
进一步地,所述灰分智能预测单元包括图像灰分预测单元和振动模式识别单元,所述图像灰分预测单元根据获取的矿浆图像计算矿浆灰度,所述振动模式识别单元根据所述力传感器获取的矿浆撞击挡板震动数据计算矿浆的粗颗粒含量。
进一步地,所述分布式控制加药单元包括集控中心单元和浮选控制中心单元,所述集控中心单元根据矿浆的灰分、粗颗粒含量、矿浆量和矿浆浓度向浮选控制中心单元发出加药指令,所述浮选控制中心单元对加药指令进行解析,向自动加药室发出加药剂量指令。
另一方面,本发明提供了一种基于浮选尾煤矿浆检测的浮选智能加药方法,用于上述基于浮选尾煤矿浆检测的浮选智能加药系统,步骤包括:
S1:浮选入料经过矿浆准备器处理后,先经由流量计、浓度计收集流量、浓度信息,然后进入浮选设备分选,分选得到的尾矿进入信息采集区域;
S2:力传感器将采集到的信息反馈给基于模式识别算法的振动模式识别单元,基于SVM支持向量机回归的模式识别算法,通过以往数据训练出的模型,从而分析出尾矿矿浆中粗颗粒的含量;
工业相机将采集到的信息反馈给基于神经网络的图像灰分预测单元,通过对图像灰度分布分析,综合粗颗粒含量因素,实时进行尾矿灰分预测;
S3:将得到的灰分、粗颗粒含量、矿浆量和矿浆浓度信息传入集控中心单元,集控中心单元的决策系统根据以上数据向浮选控制中心单元发出加药指令,从而调控尾矿灰分,实现控制闭环。
与现有技术相比,本发明至少可实现如下有益效果之一:
(1)本发明可实现24小时不间断实时监控浮选参数,及时对加药量进行调整,具有较强的时效性。
(2)本发明引入模式识别算法利用力传感器探测尾煤矿浆中的粗颗粒含量,及时反馈尾煤矿浆中“跑粗”情况,在保证数据可靠性的同时降低了成本,能够提高浮选效率。
(3)本发明智能加药工艺引入了PAC主成分分析及BP神经网络回归分析数据库,及机器学习训练的定量加药策略,采用机械化精准控制加药量,能够避免由于工人操作和判断失误,产生的欠调或超调的情况,提高了精煤的回收率。
(4)本发明提出的智能加药工艺流程简单、投资少、运行成本低,经济效益显著,且无大型设备投入,易于在原厂基础上改造。
(5)本发明结合工厂日常采质化数据进行预测回归矫正,对算法进行调整,从而防止由于煤样波动,煤种变化等导致的预测结果的偏离。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来
实现和获得。
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为具体实施例的浮选智能加药系统结构示意图;
图2为具体实施例的浮选智能加药系统控制流程图。
附图标记:
1-矿浆准备器;11-桶体;12-进水管;13-进料管;14-出料管;2-浮选设备;31-流量计;32-浓度计;33-力传感器;34-工业相机;35-光源。
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本发明一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接,可以是机械连接,也可以是电连接,可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
全文中描述使用的术语“顶部”、“底部”、“在……上方”、“下”和“在……上”是相对于装置的部件的相对位置,例如装置内部的顶部和底部衬底的相对位置。可以理解的是装置是多功能的,与它们在空间中的方位无关。
实施例1
本发明的一个具体实施例,如图1-图2所示,公开了一种基于浮选尾煤矿浆检测的浮选智能加药系统(以下简称“浮选智能加药系统”),包括浮选信息采集单元、灰分智能预测单元和分布式控制加药单元,浮选信息采集单元获取矿浆的流量、浓度、粗颗粒含量和图像信息,灰分智能预测单元对矿浆的流量、浓度、粗颗粒含量和图像信息处理获得矿浆的灰分,分布式控制加药单元根据矿浆的灰分及矿浆的流量、浓度和粗颗粒含量调控加药量。
浮选智能加药系统包括矿浆准备器1和浮选设备2,矿浆准备器1对矿浆进行预处理后经浮选设备2进行浮选。
矿浆准备器1包括桶体11,桶体11的上端设有进水管12和进料管13,桶体11的下端设有出料管14。
浮选信息采集单元包括流量计31和浓度计32,流量计31和浓度计32设在矿浆准备器1的下游,用于获取由矿浆准备器1向浮选设备2流入的矿浆的流量和浓度。
浮选信息采集单元还包括力传感器33和工业相机34,力传感器33和工业相机34均设于浮选设备2的尾矿出口处,力传感器33用于获取矿浆撞击挡板震动数据,工业相机34用于获取矿浆的图像。
值得注意的是,工业相机34配有光源35、除雾器和遮光罩。
灰分智能预测单元包括图像灰分预测单元和振动模式识别单元,图像灰分预测单元根据获取的矿浆图像计算矿浆灰度,振动模式识别单元根据力传感器33获取的矿浆撞击挡板震动数据计算矿浆的粗颗粒含量。
分布式控制加药单元包括集控中心单元和浮选控制中心单元,集控中心单元根据矿浆的灰分、粗颗粒含量、矿浆量和矿浆浓度具体情况向浮选控制中心单元发出加药指令,浮选控制中心单元对加药指令进行解
析,向自动加药室发出加药剂量指令,自动加药室通过控制主副电磁阀调控浮选系统加药量,从而调控尾矿灰分,从而实现控制闭环。
具体地,自动加药室通过控制主电磁阀调控矿浆准备器1的加药量,通过控制副电磁阀调控浮选设备2的加药量。
灰分预测计算模块将结合工厂日常采质化数据进行预测回归矫正,对算法进行调整,从而防止由于煤样波动,煤种变化等导致的预测结果的偏离。
实施例2
本发明的另一个具体实施例,如图1-图2所示,公开了一种基于浮选尾煤矿浆检测的浮选智能加药方法,采用实施例1的基于浮选尾煤矿浆检测的浮选智能加药系统,步骤包括:
S1:浮选入料经过矿浆准备器1处理后,先经由流量计31、浓度计32收集流量、浓度信息,然后进入浮选设备2分选,分选得到的尾矿进入信息采集区域。
本实施例中,矿浆准备器1包括桶体11,桶体11设有进水管11、进料管12和出料管14,进水管12和进料管13设于桶体11的上端,出料管14设于桶体11的下端。
流量计31和浓度计32设在矿浆准备器1的下游,用于获取由矿浆准备器1向浮选设备2流入的矿浆的流量和浓度。
S2:力传感器33将采集到的信息反馈给基于模式识别算法的振动模式识别单元,基于SVM支持向量机回归的模式识别算法,通过以往数据训练出的模型,从而分析出尾矿矿浆中粗颗粒的含量。
在尾矿排料口的特定位置设置力传感器33,通过基于SVM支持向量机回归的模式识别算法模仿浮选司机的“触觉”检测粗颗粒含量,排除粗颗粒含量对灰分预测的影响,并且对跑粗情况进行实时监控。
工业相机34将采集到的信息反馈给基于神经网络,示例性地,如基于YOLOV5网络的图像灰分预测单元,通过对图像灰度分布分析,综合粗颗粒含量等因素,实时进行尾矿灰分预测。
工业相机34及光源35和去雾器等设备放置在浮选尾矿出口上端,对浮选尾矿浆的图像进行监测。独立计算单元模块将结合工业相机34捕捉到的矿浆图像灰度所提取特征值、尾矿出料口设置的流量计和浓度计参数,以及所给光源的强度、粗颗粒含量等信息通过样本训练好的CNN神经网络模型计算出所对应的灰分。
系统定期进行灰分预测回归矫正,灰分预测计算单元将结合选厂定期采质化的灰分的真实数据,通过调整运算参数的主成分关系以及网络权重对预测结果进行矫正,从而防止由于煤样波动,煤种变化等导致的预测结果的偏离。
本实施例中,力传感器33和工业相机34均设于浮选设备2的尾矿出口处,力传感器33用于获取矿浆撞击挡板震动数据,工业相机34用于获取矿浆的图像。工业相机34配有光源35、除雾器和遮光罩。
S3:得到的灰分、粗颗粒含量、矿浆量和矿浆浓度等信息传入集控中心单元,集控中心单元的决策系统将根据具体情况向浮选控制中心单元发出加药指令。
浮选控制中心单元对加药指令进行解析,向自动加药室发出所加药剂量指令,自动加药室通过控制主副电磁阀调控浮选系统加药量,从而调控尾矿灰分,从而实现控制闭环。
集控中心单元结合预测的灰分、粗颗粒含量、矿浆流量、矿浆浓度等信息经过PAC主成分分析算法结合数据库信息,对浮选加药环节进行控制。
具体地,集控中心单元采集到工业相机实时图像等信息,结合预测
的灰分、粗颗粒含量、矿浆流量、矿浆浓度等,对浮选工况进行判断。通过决策系统,经过PAC主成分分析算法结合数据库信息,对浮选加药环节进行控制,将加药信息发送至加药站,通过变频器加机械隔膜式计量泵的机械加药模式精准调控浮选加药,当所加药剂变动量超出所设定的警戒阈值时,系统报警,需要人工确认更改。
优选的,变频器选用西门子G120C 0.75KWLO(0.55KWHO)C类,其广泛应用与泵与风机的变频,并支持总线控制,模拟量输入控制,方便浮选工控系统对其进行控制。
优选的,机械隔膜计量泵选用米顿罗GM0090PQ9MNN泵头PVC材质,隔膜PTFE材质其可以准确有效的运输较为粘稠的浮选药剂,搭配变频电机方便利用变频器对其进行流量控制。
优选的,加药管流量计选用NKGF-06F1I1/SLZ圆齿轮流量计,其高精度、小量程、耐有机腐蚀的特性,适用于对加入浮选药剂量的实时监控。
优选的,PLC选用西门子S7 200 smart ST-20晶体管输出,配合EAM03模拟量输入输出模块,配合流量计反馈的信息,通过控制变频器对加药量进行实时闭环控制。
本实施例提供的浮选智能加药系统,根据浮选尾煤矿浆的数据信息(矿浆流量、浓度、粗颗粒含量和灰分)调控加药量,可实现24小时不间断实时监控浮选参数,及时对加药量进行调整,具有较强的时效性。
本实施例提供的浮选智能加药系统,引入模式识别算法利用力传感器探测尾煤矿浆中的粗颗粒含量,及时反馈尾煤矿浆中“跑粗”情况,在保证数据可靠性的同时降低了成本,能够提高浮选效率。
本实施例提供的浮选智能加药系统,智能加药工艺引入了PAC主成分分析及BP神经网络回归分析数据库,及机器学习训练的定量加药策
略,采用机械化精准控制加药量,能够避免由于工人操作和判断失误,产生的欠调或超调的情况,提高了精煤的回收率。
本实施例提供的浮选智能加药系统,智能加药工艺流程简单、投资少、运行成本低,经济效益显著,且无大型设备投入,易于在原厂基础上改造;结合工厂日常采质化数据进行预测回归矫正,对算法进行调整,从而防止由于煤样波动,煤种变化等导致的预测结果的偏离。
本发明模仿现阶段浮选司机依靠视觉和触觉加药,建立基于人工神经网络的机器视觉、触觉加药决策机制;减轻了浮选工人加药的劳动强度,解决了人工调节带来的不及时、剂量不准确的问题,能够实现及时和长时的对浮选机的药剂添加量进行控制,在保证产品灰分同时,减少跑粗提高回收率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
- 一种基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,包括浮选信息采集单元、灰分智能预测单元和分布式控制加药单元,所述浮选信息采集单元获取矿浆的流量、浓度、粗颗粒含量和图像信息,所述灰分智能预测单元对矿浆的流量、浓度、粗颗粒含量和图像信息处理获得矿浆的灰分,所述分布式控制加药单元根据矿浆的灰分及矿浆的流量、浓度和粗颗粒含量调控加药量。
- 根据权利要求1所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述浮选智能加药系统包括矿浆准备器(1)和浮选设备(2),所述矿浆准备器(1)对矿浆进行预处理后经所述浮选设备(2)进行浮选。
- 根据权利要求2所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述矿浆准备器(1)包括桶体(11),所述桶体(11)的上端设有进水管(12)和进料管(13),所述桶体(11)的下端设有出料管(14)。
- 根据权利要求2所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述浮选信息采集单元包括流量计(31)和浓度计(32),所述流量计(31)和所述浓度计(32)设于所述矿浆准备器(1)的下游。
- 根据权利要求4所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述流量计(31)和所述浓度计(32)分别用于获取由所述矿浆准备器(1)向所述浮选设备(2)流入的矿浆的流量和浓度。
- 根据权利要求4所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述浮选信息采集单元还包括力传感器(33)和工业相机(34),所述力传感器(33)和所述工业相机(34)均设于所述浮选设备(2)的尾矿出口处。
- 根据权利要求6所述的基于浮选尾煤矿浆检测的浮选智能加药系 统,其特征在于,所述力传感器(33)用于获取矿浆撞击挡板震动数据,所述工业相机(34)用于获取矿浆的图像。
- 根据权利要求6所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述灰分智能预测单元包括图像灰分预测单元和振动模式识别单元,所述图像灰分预测单元根据获取的矿浆图像计算矿浆灰度,所述振动模式识别单元根据所述力传感器(33)获取的矿浆撞击挡板震动数据计算矿浆的粗颗粒含量。
- 根据权利要求1-8所述的基于浮选尾煤矿浆检测的浮选智能加药系统,其特征在于,所述分布式控制加药单元包括集控中心单元和浮选控制中心单元,所述集控中心单元根据矿浆的灰分、粗颗粒含量、矿浆量和矿浆浓度向浮选控制中心单元发出加药指令,所述浮选控制中心单元对加药指令进行解析,向自动加药室发出加药剂量指令。
- 一种基于浮选尾煤矿浆检测的浮选智能加药方法,其特征在于,用于权利要求1-9所述的基于浮选尾煤矿浆检测的浮选智能加药系统,步骤包括:S1:浮选入料经过矿浆准备器(1)处理后,先经由流量计(31)、浓度计(32)收集流量、浓度信息,然后进入浮选设备(2)分选,分选得到的尾矿进入信息采集区域;S2:力传感器(33)将采集到的信息反馈给基于模式识别算法的振动模式识别单元,基于SVM支持向量机回归的模式识别算法,通过以往数据训练出的模型,从而分析出尾矿矿浆中粗颗粒的含量;工业相机(34)将采集到的信息反馈给基于神经网络的图像灰分预测单元,通过对图像灰度分布分析,综合粗颗粒含量因素,实时进行尾矿灰分预测;S3:将得到的灰分、粗颗粒含量、矿浆量和矿浆浓度信息传入集控 中心单元,集控中心单元的决策系统根据以上数据向浮选控制中心单元发出加药指令,从而调控尾矿灰分,实现控制闭环。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210288356.4 | 2022-03-23 | ||
CN202210288356.4A CN114713381B (zh) | 2022-03-23 | 2022-03-23 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023179344A1 true WO2023179344A1 (zh) | 2023-09-28 |
Family
ID=82240339
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/138268 WO2023179111A1 (zh) | 2022-03-23 | 2022-12-12 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
PCT/CN2023/079776 WO2023179344A1 (zh) | 2022-03-23 | 2023-03-06 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/138268 WO2023179111A1 (zh) | 2022-03-23 | 2022-12-12 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114713381B (zh) |
WO (2) | WO2023179111A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114713381B (zh) * | 2022-03-23 | 2023-07-07 | 中国矿业大学 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE611637C (de) * | 1929-11-27 | 1935-04-03 | Erz U Kohle Flotation G M B H | Vorrichtung zur Schwimmaufbereitung von Erzen, Kohlen u. dgl. |
CN202272472U (zh) * | 2011-08-23 | 2012-06-13 | 北京纵横兴业科技发展有限公司 | 一种用于监控输煤系统的输煤皮带上大块煤的系统 |
CN102671773A (zh) * | 2012-04-10 | 2012-09-19 | 拜城县众泰煤焦化有限公司 | 一种煤泥浮选自动控制工艺 |
CN108580247A (zh) * | 2017-12-29 | 2018-09-28 | 扬州大学 | 一种颗粒物筛分机及其筛分的方法 |
CN109269951A (zh) * | 2018-09-06 | 2019-01-25 | 山西智卓电气有限公司 | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 |
CN113970510A (zh) * | 2021-10-20 | 2022-01-25 | 天地(唐山)矿业科技有限公司 | 一种基于人工仿生的浮选尾矿粒度在线检测装置及方法 |
CN114146823A (zh) * | 2021-12-10 | 2022-03-08 | 枣庄矿业(集团)有限责任公司田陈煤矿 | 一种煤泥智能浮选系统及方法 |
CN114713381A (zh) * | 2022-03-23 | 2022-07-08 | 中国矿业大学 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61123699A (ja) * | 1984-11-20 | 1986-06-11 | Electric Power Dev Co Ltd | 脱灰高濃度スラリ−の製造方法 |
CN103344644A (zh) * | 2013-06-27 | 2013-10-09 | 天地(唐山)矿业科技有限公司 | 一种浮选尾矿灰分在线检测装置 |
CN204194144U (zh) * | 2014-09-23 | 2015-03-11 | 新矿内蒙古能源有限责任公司 | 基于入浮矿浆预稳流截粗的浮选设备 |
CN105127002B (zh) * | 2015-07-17 | 2018-02-02 | 中国矿业大学 | 一种有效减少精煤中高灰细泥污染的浮选工艺 |
CN105446401A (zh) * | 2016-01-05 | 2016-03-30 | 天津美腾科技有限公司 | 智能浮选药剂定量添加系统 |
CN207546767U (zh) * | 2017-06-28 | 2018-06-29 | 贵州大学 | 一种粗颗粒浮选柱浮选的装置 |
CN108255082A (zh) * | 2017-12-31 | 2018-07-06 | 天津美腾科技有限公司 | 基于矿浆灰分检测和浮选入料信息的浮选智能控制系统 |
JP7074406B2 (ja) * | 2018-03-13 | 2022-05-24 | 住友重機械エンバイロメント株式会社 | 薬剤添加量制御装置及び薬剤添加量制御方法 |
CN211570318U (zh) * | 2019-12-06 | 2020-09-25 | 迈海(苏州)环保科技有限公司 | 一种无人值守自动化微颗粒吸附过滤处理装置 |
PE20221691A1 (es) * | 2019-12-19 | 2022-11-02 | Univ Queensland | Un sensor para monitorear la recuperacion por flotacion |
CN215235855U (zh) * | 2021-04-27 | 2021-12-21 | 湖北三宁矿业有限公司 | 一种无人值守破碎筛分检测装置 |
-
2022
- 2022-03-23 CN CN202210288356.4A patent/CN114713381B/zh active Active
- 2022-12-12 WO PCT/CN2022/138268 patent/WO2023179111A1/zh unknown
-
2023
- 2023-03-06 WO PCT/CN2023/079776 patent/WO2023179344A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE611637C (de) * | 1929-11-27 | 1935-04-03 | Erz U Kohle Flotation G M B H | Vorrichtung zur Schwimmaufbereitung von Erzen, Kohlen u. dgl. |
CN202272472U (zh) * | 2011-08-23 | 2012-06-13 | 北京纵横兴业科技发展有限公司 | 一种用于监控输煤系统的输煤皮带上大块煤的系统 |
CN102671773A (zh) * | 2012-04-10 | 2012-09-19 | 拜城县众泰煤焦化有限公司 | 一种煤泥浮选自动控制工艺 |
CN108580247A (zh) * | 2017-12-29 | 2018-09-28 | 扬州大学 | 一种颗粒物筛分机及其筛分的方法 |
CN109269951A (zh) * | 2018-09-06 | 2019-01-25 | 山西智卓电气有限公司 | 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法 |
CN113970510A (zh) * | 2021-10-20 | 2022-01-25 | 天地(唐山)矿业科技有限公司 | 一种基于人工仿生的浮选尾矿粒度在线检测装置及方法 |
CN114146823A (zh) * | 2021-12-10 | 2022-03-08 | 枣庄矿业(集团)有限责任公司田陈煤矿 | 一种煤泥智能浮选系统及方法 |
CN114713381A (zh) * | 2022-03-23 | 2022-07-08 | 中国矿业大学 | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114713381A (zh) | 2022-07-08 |
CN114713381B (zh) | 2023-07-07 |
WO2023179111A1 (zh) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103011356B (zh) | 一种高浊度水系自动投药控制方法 | |
WO2023179344A1 (zh) | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 | |
CN101382556B (zh) | 一种基于数据驱动的煤泥浮选精煤灰份软测量方法 | |
CN102385315B (zh) | 水厂智能混凝投药控制系统及其控制方法 | |
CN106933099B (zh) | 一种选煤厂浓缩机和压滤机药剂添加协同控制系统 | |
CN103118755B (zh) | 水流处理方法及系统 | |
CN108255082A (zh) | 基于矿浆灰分检测和浮选入料信息的浮选智能控制系统 | |
CN109852765A (zh) | 一种钢水包底吹氩智能控制方法 | |
CN106745707A (zh) | 一种污水处理污泥物料平衡的控制系统及控制方法 | |
CN114380379B (zh) | 一种煤泥水的加药控制方法及系统 | |
CN103744362A (zh) | 一种污水电化处理过程智能控制系统及其智能控制方法 | |
CN113798066B (zh) | 一种浮选装备矿浆气体弥散检测系统与方法 | |
CN211620147U (zh) | 一种基于图像识别的污水处理加药量控制系统 | |
CN208919717U (zh) | 用于控制管道输送矿浆浓度的智能控制装置 | |
CN114011588A (zh) | 一种多工艺浮选液位自动控制实训装置 | |
CN115375009A (zh) | 一种建立混凝智能监控联动系统的方法 | |
CN114289189B (zh) | 一种多工艺浮选柱分选系统药剂添加自动控制实训装置 | |
CN106944240A (zh) | 一种煤泥水半浓缩浮选工艺的实现方法及装置 | |
CN107657143B (zh) | 液体中氧气通入量的设置方法 | |
US5023803A (en) | Process to control the addition of carbonate to electrolytic cell brine systems | |
CN207405215U (zh) | 一种金泥置换装置 | |
CN111458477A (zh) | 一种智能浮沉试验重液调节方法 | |
Cao et al. | Reagent dosage control for the antimony flotation process based on froth size pdf tracking and an index predictive model | |
CN109917740A (zh) | 一种氯气氧化除杂智能控制系统及控制方法 | |
CN205550204U (zh) | 一种硫酸自动配酸系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 23773595 Country of ref document: EP Kind code of ref document: A1 |