论文部分内容阅读
浮选是选煤的重要环节,同时也是高耗能环节,参与煤泥浮选的过程变量较多,变化波动较大,并且市场对浮选的品质要求愈加严格,煤泥浮选过程自动化水平日益受到人们的重视,所以煤泥浮选自动化是一个必然的发展趋势。但是,在煤泥浮选自动化实现的过程中还存在许多问题。首先,现场缺少参数检测装置与检测手段;其次,数字图像处理技术还没有运用到煤泥浮选上;再次,虽然国内外对煤泥浮选过程的控制理论有了深入的研究,但能够真正应用于生产实践的控制策略还需要进一步完善。因此,论文从煤泥浮选过程变量检测、数字图像处理和浮选加药控制系统三方面进行研究。(1)在对煤泥浮选过程研究的基础上,设计了煤泥浮选加药控制专家系统。确定了以入浮流量、入浮浓度、泡沫尺寸、泡沫灰度和尾矿灰分为输入变量,起泡剂和捕收剂的添加量为操作变量的控制构架。结合现场环境和操作工人的习惯,明确系统的基本功能,给出了系统中各软件的结构图。(2)提出一种基于图像处理和神经网络算法相结合的煤泥浮选尾矿灰分软测量模型。在提取尾矿图像灰度直方图的基础上,进行了BP神经网络算法、ELM算法和I-ELM算法的尾矿灰分预测研究。实验结果表明增量型极限学习机I-ELM具有精度高、训练时间短的优点,适用于尾矿灰分检测。(3)借助MATLAB图像处理工具箱开发了泡沫图像采集和处理系统。首先对采集到的泡沫图像进行滤波和增强处理,然后使用带标记的分水岭算法对泡沫图像分割,并去除极端小气泡,求得气泡平均尺寸。同时基于灰度直方图提取灰度特征,并且对提取的特征和精煤灰分做了相关性分析。(4)根据专家系统设计的方法,开发设计了煤泥浮选加药控制专家系统。以气泡大小、灰度和尾矿灰分等主要特征为输入,制定了基于模糊推理的浮选药剂添加规则库,采用定值控制方法粗调浮选药剂添加量,药剂补偿量则是根据浮选状态特征量,通过模糊推理的方法得到,完成了对粗调的补偿;制定了推理策略,完成了推理机设计;对组态王界面进行了设计,作为专家系统的人机交互界面;设计了数据库作为专家系统综合数据库,实现数据管理、查询、存储。(5)在浮选控制专家系统和机器视觉图像处理的基础上,搭建了煤泥浮选加药控制系统的硬件和软件平台;应用通讯协议,实现了该控制系统内部数据连接,构建了基于OPC协议的组态王和MATLAB通讯协议,实现了MATLAB与上位机之间数据传输;通过DDE技术实现了组态王和推理机的有效通讯;组态王SQL访问功能访问数据库;实现了煤泥浮选加药控制系统模拟运行,运行结果表明数据传输稳定,专家系统推理正确。