基于自动加药设计的煤泥水絮体特征分类识别研究

作     者：韩宜纯 

作者单位：太原理工大学 

学位级别：硕士

导师姓名：宋书宇;樊玉萍;贾怀军

授予年度：2022年

学科分类：081902[工学-矿物加工工程] 0819[工学-矿业工程] 08[工学] 

主      题：煤泥水 有效絮体 机器视觉 综合评价体系 BP神经网络 

摘      要：煤泥水处理是湿法选煤的关键环节,对煤炭洗选产品质量及煤炭企业生态环保具有重要意义,本论文针对煤泥水处理过程中絮体识别评价困难导致的固液分离效果差、药耗高、调控滞后的问题,提出了自动加药设计的煤泥水沉降絮体特征智能分类与识别技术,研究内容包括:(1)以马兰选煤厂浓缩机入料为研究对象建立原料样本库,设计和开发基于机器视觉的原位检测系统,通过原位检测装置采集大量动态絮体图像特征,设计开发煤泥水絮体自动提取软件,采用MATLAB软件对采集装置获取的絮体图像进行灰度化、中值滤波、阈值分割等预处理,去除D颗粒和模糊絮体,获得清晰的目标絮体图像,和絮体的颜色、形状及纹理等数字特征,为后续絮体综合评价体系提供基础数据。(2)采用主成分分析法获取原位检测絮体的形状综合特征、离心综合特征、灰度综合特征、分形综合特征四个综合评价指标,以此为基础构建絮体特性综合评价体系,并分析不同絮凝剂类型和电解质类型对综合评价指标的影响及规律。(3)根据选煤厂的煤泥水实际工况,结合絮凝剂和电解质对综合评价指标影响规律,将煤泥水生产效果预定义四种状态为W～W,在此基础上,设计和开发以絮体图像特征为基础的分类器模型,通过构建Fisher线性模型、RBF神经网络模型以及BP神经网络模型发现Fisher线性模型精度在70%左右,RBF神经网络模型对W类絮体识别率低,而BP神经网络对各类絮体图像的分类精度最高,均达到90%以上,分类效果最好。(4)上述絮体智能分类系统用于煤泥水沉降中试系统药剂用量的调节,构建了絮体特征智能分类的煤泥水自动加药系统方案。试验结果表明,采用BP神经网络对不同类别絮体图像进行检测,准确度均在90%以上,所提出的方法能够在中试系统中实现根据絮体特征对煤泥水沉降效果智能分类并调节加药量,为智能化选煤厂的建设提供了一种新方法、新思路。