浮选尾煤灰分和粒度特征的图像检测与建模研究

发布时间：2020-05-27 17:06

【摘要】：随着工业过程自动化整体水平的不断提升,煤泥浮选过程的自动控制和智能控制也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产品质量的在线检测,包括浮选精煤和尾煤。然而相关检测技术与传感器的缺失严重限制了浮选智能化发展。一直以来浮选产品的质量检测研究多集中在浮选精煤方面,而忽略了浮选尾煤。浮选尾煤质量作为重要的反馈信息,对实现浮选过程闭环优化控制具有至关重要的作用。在煤泥浮选实际生产过程中,现场操作人员主要依靠肉眼目测尾煤颜色判断灰分,同时通过手抓感觉判断浮选尾矿是否存在“跑粗”问题,在此基础上进行药剂用量、泡沫层厚度、充气量等变量的调整,从而保证浮选产品质量。本文以此为切入点,重点研究了利用机器视觉的方法来实现对浮选尾煤灰分和粗颗粒含量的预测。论文首先构建了一套图像采集系统用来实现浮选尾煤煤浆表面图像和颗粒粒度图像的获取。主要包括:由彩色CCD相机、定焦镜头和环形光组成的1#图像采集系统,用于浮选尾煤煤浆表面图像获取;由黑白CCD相机、双远心镜头和平行光源的组成的2#图像采集系统,用于煤浆中颗粒图像的获取;设计了一个合理的样本容器,为同时实现上述图像采集创造了条件。为了研究浮选尾煤灰分和煤浆表面图像之间的关系,利用浮选尾煤、浮选精煤和矸石为基础样本,分别制备了浓度为40g/L,不同灰分的煤浆样本。在相同条件下利用1#图像采集系统拍摄不同灰分的煤浆表面,在RGB、YUV和HSI三个颜色空间下进行了颜色矩特征的提取和分析,结果表明:煤浆图像的彩色特征信息主要包含在一阶颜色矩中;通过R、G、B线性转换而来的U分量和V分量一阶颜色矩对煤浆灰分的变化最为敏感,相关性最好;同时,U分量和V分量直方图的偏度最低,对称性最好,分布更接近于正态分布。分别建立了R、G、B分量单变量回归模型以及R、G、B分量定式组合下的Y、U、V分量的回归模型,结果表明:通过引入R、G、B分量减法运算的U、V分量建立的回归模型精度明显提高。在此基础上,分别采用线性组合和二阶多项式组合的方法构建了不同形式的色差变量,并分别作为自变量建立了煤浆灰分预测模型,模型拟合效果表明:基于R、G、B三分量线性组合的色差变量C_(rgb)所建立模型精度优于两分量线性组合的色差变量C_(rb),C_(rg)和C_(gb);通过对R、G、B分量进行二阶多项式组合构建的色差变量所建立的灰分回归模型精度得到了进一步提高。考虑到浓度对图像特征的影响,又分别制备了不同浓度的煤浆,在各浓度下利用基于不同组合而来的色差变量建立煤浆灰分预测模型。对比了各个色差变量在不同浓度条件下的拟合精度,最终综合考虑模型精度、全局通用性和模型复杂程度,选择了色差变量C_(rgb)作为自变量,用来建立浮选尾煤灰分软测量模型。同时,发现了C_(rgb)随着浓度的增大逐渐降低,最后趋于平稳的规律,构建了浓度校正函数用于对色差变量C_(rgb)进行修正,最终建立了基于浓度和彩色图像特征的浮选尾煤灰分软测量模型。在朗伯-比尔定律基础上,定义了浮选尾煤煤浆颗粒的遮光效应K′和质量浓度M_S之间的函数,研究了基于2#图像采集系统获取到的浮选尾煤煤浆透射图像灰度特征随浓度的变化规律,发现了在相同的粒度组成下,煤浆透射图像灰度均值随着浓度的增加而逐渐降低,建立了基于煤浆透射图像灰度特征的浮选尾煤浓度预测模型。研究了不同粒级煤浆颗粒图像的差异,发现对于+0.125mm粒级煤泥,采用2#图像采集系统可以清楚的拍摄到颗粒形貌,而对于-0.125mm粒级煤泥由于颗粒粘连絮团现象严重,难以获得清楚的颗粒形貌图像。对于不同浓度的煤浆,发现了当煤浆浓度大于30g/L时,由于颗粒堆叠和粘连过于严重,因而难以获取清晰的颗粒图像,最终选择的实验煤浆浓度为20g/L。为了实现对浮选尾煤中粗颗粒含量的检测,制备了浓度20g/L粗颗粒含量分别为5%、10%、15%和20%的煤浆样本,利用导向滤波、自适应直方图均衡化以及最大类间方差法对图像进行了预处理,利用形态学处理的方法消除了200um以下颗粒,针对颗粒粘连和重叠的问题,本文研究了基于距离变换、标记符控制分水岭和膨胀算法相结合的分割算法,并实现了对浮选尾煤粘连粗颗粒的良好分割。采用Sobel算子进行了边缘提取,最终获得了尾煤煤浆中粗颗粒的数目和形状参数,并建立了基于图像检测法的浮选尾煤粗颗粒含量即跑粗程度的预测模型。最后,论文对基于产品指标的浮选过程优化控制策略进行了初步研究,提出了一个煤泥浮选过程的优化控制框架,并对浮选精煤灰分软测量方法进行了研究和仿真,结果表明:当浮选精煤灰分软测量模型的输入变量加入浮选尾煤灰分信息时,模型预测精度得到了明显的提高。这也在一定程度上证明了实现浮选尾煤灰分检测的重要性,同时为浮选精煤灰分的软测量建模提供了一个有益的思路。本论文提出了一种基于图像处理的浮选尾煤灰分、浓度和粒度的检测方法,具有检测装置不与煤浆接触、无辐射、结果直观准确的优点。有助于最终解决煤泥浮选工业过程中的浮选尾煤产品质量难以实现在线检测的技术难题,对煤泥浮选过程智能化的实现,浮选过程分选效率的提高具有重要意义。
【图文】：

试验系统,实物,煤浆,样本

图 2-2 试验系统实物图Fig.2-2 The physical map of the test system首先在搅拌桶中配置好相应性质的煤浆溶液，启动搅拌，从而保证进入样本样本容器中的煤浆均匀，，性质稳定。续稳定的输送至样本容器中，如图 2-3 所示，蠕动泵转速1#图像采集系统对煤浆表面进行拍摄，属于宏观观测，主；在样本容器下部，设计了扁平型的样本池，样本池内腔系统对煤浆中颗粒进行拍摄，研究基于图像处理的煤浆中最终煤浆从样本容器排放口流回搅拌装置中。

容器设计,实物,样本,粒级

图 2-3 样本容器设计图和实物图Fig.2-3 Design drawing and physical photo of the sample container 试验样品准备我国的炼焦煤选煤厂煤泥浮选尾煤灰分一般在 30%-60%之间，本文实验样本来煤厂，柳湾选煤厂选煤二车间工艺为：50-1 mm粒级原煤采用重介旋流器进行分m 以下通过分级浓缩旋流器进行分级，分级粒度 0.25 mm，其中溢流 1-0.25 mmTBS粗煤泥分选机进行分选，0.25-0 mm粒级的煤泥进入4台XJM-S-20浮选系研究对象为煤泥浮选的尾煤，其粒度组成如表 2-1 所示。表 2-1 浮选尾煤粒度组成Tab.2-1 Particle size composition of flotation tailings粒级/mm 产率/% 灰分/% 累计产率/% 累计灰分/%+0.5 1.29 5.57 1.29 5.570.5-0.25 11.44 7.18 12.73 7.02
【学位授予单位】：太原理工大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TD94;TD923

【参考文献】