杜 強(qiáng)

（山西華陽(yáng)集團(tuán)新能股份有限公司一礦選煤廠，山西 陽(yáng)泉 045000）

1 概述

山西華陽(yáng)集團(tuán)新能股份有限公司一礦選煤廠洗選后塊煤在轉(zhuǎn)載入倉(cāng)和裝車時(shí)，輸送成品塊煤的入倉(cāng)刮板機(jī)和倉(cāng)下裝車皮帶機(jī)運(yùn)行速度快、輸送量大、物料摻雜密集且顏色相同，目測(cè)無(wú)法快速識(shí)別和判斷煤塊粒度大小與變化，難以做到實(shí)時(shí)分析塊煤限下率數(shù)據(jù)并給出判斷結(jié)論，只能采取人工間斷性采樣再進(jìn)行分析的方法。在智能化選煤廠建設(shè)發(fā)展趨勢(shì)下，需對(duì)出廠塊煤限下率變化狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，提高煤質(zhì)管理水平。

2 塊煤限下率管控現(xiàn)狀

山西華陽(yáng)集團(tuán)一礦選煤廠洗選后的中小塊煤經(jīng)篩分機(jī)分級(jí)后，由兩臺(tái)刮板機(jī)轉(zhuǎn)載進(jìn)入中小塊倉(cāng)。選小塊粒度為13～25 mm，限下率≤15.0%；選中塊粒度為25～90 mm，限下率≤13.0%。由于傳統(tǒng)技術(shù)手段的限制，選煤廠對(duì)塊煤限下率的管控一直沒有較有效的方法，目前采用人工采樣檢測(cè)產(chǎn)品限下率，存在效率低、反饋滯后現(xiàn)象，無(wú)法做到實(shí)時(shí)管控。圖1 為洗選后塊煤轉(zhuǎn)載流程。

圖1 洗選后塊煤轉(zhuǎn)載流程

中、小塊裝車皮帶機(jī)上方分別對(duì)應(yīng)九個(gè)成品煤倉(cāng)，裝車時(shí)塊煤限下率檢測(cè)由人工檢查，再經(jīng)人工采樣復(fù)查，皮帶速度達(dá)到2.5 m/s，人眼無(wú)法有效識(shí)別塊煤粒度變化，誤判率高、效率低，影響裝車速度。在轉(zhuǎn)載中，塊煤出現(xiàn)破損，限下率增大，因此經(jīng)常造成限下率超標(biāo)導(dǎo)致煤質(zhì)罰款，造成經(jīng)濟(jì)損失。圖2 為塊煤入倉(cāng)、裝車流程。

圖2 塊煤入倉(cāng)、裝車流程

3 識(shí)別塊煤限下率方案研究

3.1 構(gòu)建塊煤限下率預(yù)警系統(tǒng)

通過(guò)調(diào)查研究并結(jié)合現(xiàn)場(chǎng)實(shí)際情況，確定采用圖像識(shí)別技術(shù)、大數(shù)據(jù)技術(shù)、深度分析的方法構(gòu)建塊煤限下率預(yù)警系統(tǒng)[1]。預(yù)警系統(tǒng)流程：在塊炭入倉(cāng)刮板機(jī)頭和裝車皮帶機(jī)頭安裝先進(jìn)的工業(yè)圖像采集設(shè)備，實(shí)時(shí)監(jiān)測(cè)塊倉(cāng)上方兩臺(tái)入倉(cāng)刮板機(jī)和塊倉(cāng)下方兩條裝車皮帶機(jī)的煤流圖像，將圖像傳輸?shù)饺雮}(cāng)煤流和裝車煤流識(shí)別系統(tǒng)中，由預(yù)警系統(tǒng)大數(shù)據(jù)平臺(tái)對(duì)圖像數(shù)據(jù)進(jìn)行初步處理和歷史數(shù)據(jù)比對(duì)，再經(jīng)過(guò)云平臺(tái)的人工智能識(shí)別算法計(jì)算分析，實(shí)現(xiàn)對(duì)實(shí)時(shí)煤流狀態(tài)的監(jiān)測(cè)分析，在塊煤限下率超標(biāo)時(shí)發(fā)出報(bào)警提示，由調(diào)度室通知現(xiàn)場(chǎng)人員進(jìn)行調(diào)整。通過(guò)對(duì)入倉(cāng)環(huán)節(jié)、裝車環(huán)節(jié)實(shí)時(shí)煤流監(jiān)測(cè)和預(yù)警，解決出廠塊煤限下率超標(biāo)問(wèn)題，保障塊煤質(zhì)量。圖3為塊煤限下率預(yù)警系統(tǒng)。

圖3 塊煤限下率預(yù)警系統(tǒng)

3.2 預(yù)警系統(tǒng)建立方法及功能

由入倉(cāng)煤流識(shí)別系統(tǒng)、裝車煤流識(shí)別系統(tǒng)、大數(shù)據(jù)平臺(tái)、預(yù)警云平臺(tái)，采用圖像識(shí)別技術(shù)構(gòu)建塊煤限下率預(yù)警系統(tǒng)。

（1）入倉(cāng)煤流識(shí)別系統(tǒng)。開發(fā)基于視頻格式的入倉(cāng)刮板機(jī)煤流粒度實(shí)時(shí)狀態(tài)的深度學(xué)習(xí)智能識(shí)別算法，以及對(duì)應(yīng)的監(jiān)控預(yù)警系統(tǒng)云平臺(tái)軟件和大數(shù)據(jù)平臺(tái)[2]。實(shí)現(xiàn)塊煤入倉(cāng)前產(chǎn)品限下率過(guò)程管控，并根據(jù)檢測(cè)數(shù)據(jù)及時(shí)反饋調(diào)度。如果限下率超標(biāo)，及時(shí)通知操作人員調(diào)整分級(jí)篩的分級(jí)效果，并相應(yīng)調(diào)整各項(xiàng)影響參數(shù)和影響因素。

（2）裝車煤流識(shí)別系統(tǒng)。開發(fā)基于視頻格式的裝車煤流粒度實(shí)時(shí)狀態(tài)的深度學(xué)習(xí)智能識(shí)別算法，以及對(duì)應(yīng)的監(jiān)控預(yù)警系統(tǒng)云平臺(tái)軟件和大數(shù)據(jù)平臺(tái)。實(shí)現(xiàn)最終產(chǎn)品限下控制的實(shí)時(shí)檢測(cè)和預(yù)警，根據(jù)檢測(cè)數(shù)據(jù)及時(shí)反饋調(diào)度，現(xiàn)場(chǎng)操作人員及時(shí)調(diào)節(jié)各倉(cāng)口閘板、煤量大小以及調(diào)整固定篩閘板開度，最終控制塊煤限下率，保證產(chǎn)品質(zhì)量合格。

（3）大數(shù)據(jù)平臺(tái)。采用分布式數(shù)據(jù)計(jì)算架構(gòu)，為大量圖像處理的實(shí)時(shí)性計(jì)算提供強(qiáng)有力的支撐，有效解決大量歷史數(shù)據(jù)的存儲(chǔ)和追溯問(wèn)題。

（4）預(yù)警云平臺(tái)。由大數(shù)據(jù)平臺(tái)提供服務(wù)器及數(shù)據(jù)匯集網(wǎng)關(guān)[3]，分別布置于服務(wù)器端和數(shù)據(jù)端，實(shí)現(xiàn)對(duì)圖像采集設(shè)備數(shù)據(jù)接口協(xié)議對(duì)接，多種網(wǎng)絡(luò)傳輸協(xié)議集成以及數(shù)據(jù)協(xié)議解析框架，實(shí)現(xiàn)圖像采集設(shè)備數(shù)據(jù)的實(shí)時(shí)匯集。采用人工智能深度學(xué)習(xí)圖像識(shí)別技術(shù)方法，對(duì)煤流圖像進(jìn)行實(shí)時(shí)分析監(jiān)測(cè)。

3.3 煤流圖像采集和識(shí)別分析方法

（1）采集方法。在入倉(cāng)刮板機(jī)頭和裝車皮帶機(jī)頭安裝先進(jìn)的工業(yè)圖像采集設(shè)備，前端采用高精度防爆工業(yè)攝像頭，針對(duì)多粉塵現(xiàn)場(chǎng)進(jìn)行防塵優(yōu)化，避免影響采集精確圖像。

（2）識(shí)別分析方法。采用人工智能深度學(xué)習(xí)圖像識(shí)別法對(duì)煤流圖像進(jìn)行識(shí)別，這是一種針對(duì)大煤流圖像的精確分析法?；谏疃葘W(xué)習(xí)OneStep 系列算法，通過(guò)大量多種情況的煤流圖像樣本和煤流多維特征進(jìn)行深度提取，構(gòu)建符合實(shí)時(shí)煤流監(jiān)測(cè)的數(shù)學(xué)模型，確保系統(tǒng)精確分析和預(yù)警[4]。圖像識(shí)別分析需要經(jīng)過(guò)以下五個(gè)步驟。

① 樣本采集。分別在306、307 兩條塊煤入倉(cāng)刮板機(jī)和326、327 兩條塊煤裝車皮帶機(jī)頭安裝視頻采集設(shè)備，樣本采樣約2～3 個(gè)月，大約采集40萬(wàn)張樣本，即每組10 萬(wàn)張。② 算法論證。組織算法團(tuán)隊(duì)編譯兩種算法。③ 程序?qū)崿F(xiàn)。算法團(tuán)隊(duì)把算法提煉成編程語(yǔ)言由程序團(tuán)隊(duì)編程實(shí)現(xiàn)。④ 樣本訓(xùn)練。編程結(jié)束后開始訓(xùn)練樣本，四個(gè)場(chǎng)景每個(gè)場(chǎng)景預(yù)訓(xùn)練8 萬(wàn)張樣本，2 萬(wàn)張為測(cè)試樣本，實(shí)驗(yàn)室階段算法精度需達(dá)到85%以上。⑤ 算法調(diào)優(yōu)。當(dāng)算法精度達(dá)到85%時(shí)，現(xiàn)場(chǎng)安裝設(shè)備，不斷采集樣本訓(xùn)練算法并調(diào)優(yōu)，直到每個(gè)算法精度達(dá)到95%以上。

3.4 預(yù)警系統(tǒng)綜合功能

（1）限下率在線監(jiān)測(cè)

該系統(tǒng)通過(guò)對(duì)塊煤限下參數(shù)在線監(jiān)測(cè)，獲取生產(chǎn)、裝車塊煤煤質(zhì)運(yùn)行狀態(tài)信息。對(duì)獲取的信息進(jìn)行實(shí)時(shí)記錄，從而在現(xiàn)場(chǎng)終端操作站可顯示狀態(tài)趨勢(shì)圖等信息。

（2）限下率超標(biāo)實(shí)時(shí)報(bào)警功能

系統(tǒng)監(jiān)測(cè)到限下率超標(biāo)時(shí)能及時(shí)給出報(bào)警，同時(shí)在現(xiàn)場(chǎng)終端操作站的報(bào)警信息窗口顯示其報(bào)警等級(jí)、報(bào)警時(shí)間等，也可實(shí)現(xiàn)語(yǔ)音報(bào)警，提示相關(guān)人員。超標(biāo)設(shè)定值可由系統(tǒng)管理員權(quán)限級(jí)人工設(shè)定。

（3）報(bào)警記錄查詢功能

可通過(guò)現(xiàn)場(chǎng)終端操作站對(duì)監(jiān)控設(shè)備進(jìn)行故障記錄查詢，以表格形式列出需查詢時(shí)間段的所有報(bào)警記錄，包括報(bào)警設(shè)備、類型、參數(shù)、時(shí)間、內(nèi)容及值班員等。

（4）數(shù)據(jù)管理功能

系統(tǒng)具有大容量數(shù)據(jù)存儲(chǔ)功能，保存系統(tǒng)運(yùn)行記錄和報(bào)警記錄，為事故追溯定責(zé)提供數(shù)據(jù)依據(jù)。

（5）遠(yuǎn)程監(jiān)測(cè)功能

系統(tǒng)與本選煤廠集中控制系統(tǒng)留有通訊接口，可接入選煤廠局域網(wǎng)，在選煤廠調(diào)度室內(nèi)可實(shí)施對(duì)設(shè)備運(yùn)行狀態(tài)的遠(yuǎn)程監(jiān)測(cè)。

4 優(yōu)點(diǎn)及效益

4.1 優(yōu)點(diǎn)

（1）可替代人工采樣檢測(cè)，克服人工效率低、速度慢、滯后性等劣勢(shì)，對(duì)產(chǎn)品限下率控制可以做到實(shí)時(shí)檢測(cè)和預(yù)警，通過(guò)對(duì)生產(chǎn)過(guò)程中產(chǎn)品質(zhì)量的管控，提高塊煤產(chǎn)品質(zhì)量。

（2）可實(shí)現(xiàn)入倉(cāng)前對(duì)產(chǎn)品限下率進(jìn)行過(guò)程管控，并根據(jù)檢測(cè)數(shù)據(jù)及時(shí)反饋選煤廠調(diào)度，及時(shí)調(diào)整各項(xiàng)影響參數(shù)和因素。

（3）可實(shí)時(shí)查詢并留存相應(yīng)圖像識(shí)別資料，具有分析功能，也可實(shí)現(xiàn)遠(yuǎn)程操控。當(dāng)用戶反饋某個(gè)時(shí)段發(fā)生商品煤限下率超標(biāo)時(shí)可追本溯源，通過(guò)分析可判斷是生產(chǎn)環(huán)節(jié)還是裝車環(huán)節(jié)出現(xiàn)了問(wèn)題，從而與用戶及時(shí)對(duì)接，快速做出應(yīng)對(duì)方案。

4.2 經(jīng)濟(jì)效益

項(xiàng)目實(shí)施后，可實(shí)現(xiàn)實(shí)時(shí)在線檢測(cè)產(chǎn)品限下率，滿足用戶對(duì)產(chǎn)品質(zhì)量的要求，避免質(zhì)量事故的發(fā)生。塊煤產(chǎn)品合格率可以提高1.5%，按年生產(chǎn)140 萬(wàn)t塊炭計(jì)，增加合格產(chǎn)品2.1 萬(wàn)t，按塊煤與末煤差價(jià)300 元/t 計(jì)，每年至少可以減少煤質(zhì)罰款630 萬(wàn)元。

4.3 社會(huì)效益

構(gòu)建基于人工智能圖像識(shí)別塊煤限下率預(yù)警系統(tǒng)，將使產(chǎn)品質(zhì)量管控水平提升到全新的數(shù)字時(shí)代，監(jiān)控人員可以隨時(shí)根據(jù)系統(tǒng)分析結(jié)果進(jìn)行跟蹤和分析，科學(xué)地進(jìn)行調(diào)度，為選煤廠產(chǎn)品質(zhì)量提供數(shù)字化支撐，同時(shí)還可減少人工采樣工作量。

5 結(jié)論

近年來(lái)各級(jí)部門對(duì)煤炭企業(yè)生產(chǎn)管理提出越來(lái)越高的要求，選煤廠也必將由傳統(tǒng)的自動(dòng)化選煤廠向智能化選煤廠轉(zhuǎn)變。人工智能圖像識(shí)別塊煤限下率的方法對(duì)推動(dòng)選煤廠智能化建設(shè)具有積極意義，可有效推動(dòng)企業(yè)及行業(yè)技術(shù)進(jìn)步。