关键词:
矿山机械
煤矸分选
双能X射线透射
识别定位
机器学习
特征提取
分选参数
摘要:
煤炭作为我国主体能源,经洗选可大幅提高利用价值。现阶段我国煤炭主要以动筛跳汰、重介浅槽等进行湿法分选,耗水耗能、工艺复杂、污染环境。煤炭入选比例与世界主要产煤国家相差约15.0%,缺少先进分选方法、技术与装备占主导因素。双能X射线透射(Dual Energy X-Ray Transmission,DE-XRT)分选基于煤矸对X射线吸收响应差异,通过探测器检测不同信号实现识别,结合气体射流吹射完成分离,不耗水、不受环境影响、不污染、可实现智能化无人化,能够有效替代现有湿法分选。然而目前投产应用的分选装置物料粒径大小均为随机分布,重叠粘连致使分割定位精度低、精准识别难、剔除带出高。DE-XRT技术自身硬化、余辉、扇形和厚度效应不仅缩小识别粒径范围,而且降低识别精度。核心算法面向不同地区差异化品质煤矸,未能有效建立分选参数调控机制,装置性能和应用场景范围受限。本文针对现有DE-XRT智能分选装置存在的缺陷和技术难题,开展如下研究:
(1)探析DE-XRT煤矸识别原理,揭示煤矸DE-XRT吸收响应规律,阐释X射线连续光谱透射煤矸的硬化、余辉、扇形和厚度效应。依据煤矸物性,制备不同地区、不同厚度和密度的差异化品质物料。采集并建立煤矸图像数据集,结合数字图像处理知识对获取图像进行高斯滤波去噪、两点法不均匀校正、LucyRichardson余辉复原和分块最大化类间方差阈值分割预处理。
(2)设计形选识别算法判断重叠粘连指导分割,预测散化队列分布重叠率、分布密度等状态参数。基于共轭直线点线位置关系检测凹点,利用凹点分割粘连重叠煤矸。针对复杂多目标粘连重叠,设计基于多重灰度阈值迭代分割标记种子点的分水岭分割算法,实现目标精准定位,为识别奠定基础。研究表明:煤矸厚度在5~150 mm范围内,形选识别精度高于98.0%,散化队列分布状态参数预测误差低于4.1%,重叠粘连目标分割定位精度高于94.0%。
(3)考虑DE-XRT识别技术厚度、余辉、硬化和扇形效应缺陷,引入机器学习模型自动创建分类模型,提出多维度高精度识别方法。从多张图像、多层面、多角度提取融合灰度、纹理、几何形状、X射线吸收响应等多维特征削弱缺陷影响,实现原煤预排矸识别的同时具备分选参数调控机制,满足不同地区差异化品质煤矸分选需求。进一步的,以多维特征在高维空间中到支持向量机分类超平面的距离表征电子密度,实现对煤矸DE-XRT成像密度变化细节的表达。研究表明:面向5~150 mm厚度原煤预排矸识别率高于99.0%,分选参数基于煤矸密度变化选取与厚度变化相关性较低,揭示了关键分选参数-密度-灰分映射选择关系。
(4)基于散化队列分布规律,创新设计煤矸滚筒筛分装置以粒径从小到大的规则化排列替代现有随机排列。改进设计分离装置结构和剔除方案,有效提高形选识别、分割定位准确率,降低耗气量,揭示重叠粘连目标分割对识别影响。对关键系统部件如布料、辐射防护、射源温控、物料输送、剔除和接料系统等设计测试。搭建DE-XRT分选装置试验平台,验证基于分割的煤矸识别定位方法有效性。研究表明:规则排列状态下,形选识别精度提高5.6%,分割精度最小提高16.9%,形心定位精度最小提高12.0%。选择直径10 mm、6 mm喷嘴分别吹射大、小颗粒煤矸,单次响应6 mm喷嘴可节约64.3%气量。综合性分选试验结果显示:基于分割的煤矸识别准确率超99.0%,分选后矸中带煤、煤中带矸数量比低于2.0%。
本研究为现有煤矸DE-XRT智能分选装置的识别定位算法提供了理论参考,为提升装置性能提供了设计方案。所提出的识别及定位算法可作为通用算法实现快速部署,并可推广应用至其它矿产资源和固废可再生资源分选。
图[168]表[36]参[161]