煤炭智能重介分選技術(shù)進(jìn)展與探索

代偉，王昱棟，董良，趙躍民

（1. 中國(guó)礦業(yè)大學(xué) 信息與控制工程學(xué)院，江蘇 徐州 221116；2. 中國(guó)礦業(yè)大學(xué) 化工學(xué)院，江蘇 徐州 221116）

0 引言

近年來(lái)，隨著國(guó)家“碳達(dá)峰”和“碳中和”目標(biāo)任務(wù)的提出，選煤行業(yè)正從自動(dòng)化、信息化向智能化方向邁進(jìn)，以順應(yīng)國(guó)家發(fā)展戰(zhàn)略規(guī)劃[1-2]。智能化選煤是通過(guò)現(xiàn)代信息技術(shù)和人工智能技術(shù)，以信息資源為起點(diǎn)，依靠智能技術(shù)，實(shí)現(xiàn)選煤廠的精準(zhǔn)分離、精細(xì)管理和增量提效[3]。

在我國(guó)選煤行業(yè)中，重介分選工藝是我國(guó)使用最廣泛的選煤工藝，其依據(jù)煤和矸石的密度差異進(jìn)行選煤，我國(guó)絕大多數(shù)選煤廠是以重介分選工藝為核心，輔以跳汰選、浮選等工藝，實(shí)現(xiàn)煤炭的高效清潔。因此，重介選煤廠的智能化建設(shè)對(duì)我國(guó)煤炭行業(yè)的智能化建設(shè)起著至關(guān)重要的作用。

近年來(lái)，諸多煤炭企業(yè)與高校在重介分選智能化建設(shè)方面投入了大量研究，自動(dòng)化系統(tǒng)得到升級(jí)，提高了勞動(dòng)效率，減輕了工人勞動(dòng)強(qiáng)度，同時(shí)也減少了安全生產(chǎn)事故發(fā)生的概率。然而目前重介選煤廠智能化建設(shè)停滯在實(shí)現(xiàn)局部智能化，如智能配煤、人員定位等，在整體智能建設(shè)上還存在欠缺，在核心生產(chǎn)設(shè)備（重介質(zhì)旋流器、淺槽等）智能化上發(fā)展不足，選煤廠智能化建設(shè)進(jìn)入攻堅(jiān)階段。

本文面向我國(guó)雙碳政策與制造業(yè)智能化建設(shè)需求，從重介選煤廠智能感知、智能控制及智能優(yōu)化決策3 個(gè)方面分析了煤炭智能重介分選的研究現(xiàn)狀[4-6]。對(duì)當(dāng)前重介分選智能化建設(shè)存在的問(wèn)題進(jìn)行了梳理分析，總結(jié)了當(dāng)前重介分選智能化建設(shè)的局限性[7]。探索了重介選煤廠未來(lái)建設(shè)方向，提出了選煤廠智能優(yōu)化生產(chǎn)系統(tǒng)，圍繞系統(tǒng)智能感知、智能控制、智能優(yōu)化決策3 大核心模塊對(duì)選煤廠未來(lái)進(jìn)行了展望。

1 煤炭智能重介分選研究現(xiàn)狀

隨著信息與智能化技術(shù)的快速發(fā)展，重介分選在智能感知、智能控制和智能優(yōu)化決策領(lǐng)域進(jìn)行了探索。

1.1 煤炭重介分選智能感知現(xiàn)狀

精確的數(shù)學(xué)模型能夠描述煤炭重介分選工業(yè)過(guò)程并解釋作用機(jī)理，是重介分選特性分析、智能控制與優(yōu)化決策的重要基礎(chǔ)，對(duì)實(shí)現(xiàn)重介分選智能化起到重要的支撐作用。重介分選過(guò)程數(shù)學(xué)模型根據(jù)建立方式不同分為機(jī)理驅(qū)動(dòng)模型與數(shù)據(jù)驅(qū)動(dòng)模型。機(jī)理驅(qū)動(dòng)模型是建立在生產(chǎn)過(guò)程內(nèi)部機(jī)制基礎(chǔ)上，根據(jù)物料平衡等原理獲??；數(shù)據(jù)驅(qū)動(dòng)模型常常依靠大量的生產(chǎn)運(yùn)行數(shù)據(jù)，建立由易測(cè)數(shù)據(jù)到難測(cè)數(shù)據(jù)的映射模型。

1.1.1 機(jī)理驅(qū)動(dòng)模型

構(gòu)建精準(zhǔn)的選煤機(jī)理驅(qū)動(dòng)模型，對(duì)設(shè)計(jì)智能控制器、優(yōu)化分選參數(shù)具有重要的參考價(jià)值。已有眾多研究通過(guò)分析重介分選過(guò)程物理知識(shí)，構(gòu)建了重介分選機(jī)理驅(qū)動(dòng)模型。文獻(xiàn)[8]提出了一種用于描述在重力和離心力作用下的重介質(zhì)旋流器（Dense Medium Cyclone, DMC）模型，建立了粒度-密度分離曲面隨機(jī)模型，研究了在DMC 中顆粒所受的重力、流體流動(dòng)引起的流體動(dòng)力、顆粒間相互作用產(chǎn)生的隨機(jī)方向力等作用力驅(qū)動(dòng)下的現(xiàn)象學(xué)模型。文獻(xiàn)[9]利用雷諾應(yīng)力模型和混合模型獲得了流體流動(dòng)信息，利用隨機(jī)拉格朗日多相流模型計(jì)算煤顆粒上的壓力和液體阻力，實(shí)現(xiàn)了對(duì)選煤顆粒流動(dòng)的模擬，用于DMC 分選特性分析。文獻(xiàn)[10]使用拉格朗日多相流模型，通過(guò)多相模擬流場(chǎng)跟蹤單個(gè)選煤顆粒，可得到顆粒直徑在0.5～8 mm 范圍內(nèi)的DMC 分選效率。文獻(xiàn)[11]利用質(zhì)量平衡原理，開(kāi)發(fā)了重介質(zhì)旋流器分選（Dense Medium Cyclone Preparation, DMCP）過(guò)程動(dòng)態(tài)模型，在充分混合、體積恒定等合理假設(shè)下，利用礦漿中各物料的質(zhì)量平衡對(duì)DMCP 過(guò)程中單/雙篩子、混料桶、DMC、合格介質(zhì)桶等設(shè)備進(jìn)行單獨(dú)建模，再將各設(shè)備模型集成為完整的非線性狀態(tài)空間模型，并通過(guò)實(shí)際工業(yè)數(shù)據(jù)驗(yàn)證了模型的可行性。文獻(xiàn)[12]針對(duì)介質(zhì)供應(yīng)泵過(guò)度泵送而導(dǎo)致DMCP 過(guò)程效率低的問(wèn)題，將抽水蓄能系統(tǒng)（Pump Storage System，PSS）引入到DMCP 過(guò)程中，在系統(tǒng)中增加了額外的重介質(zhì)循環(huán)回路，實(shí)現(xiàn)了能量?jī)?chǔ)存，降低了DMCP 過(guò)程的能耗，并在文獻(xiàn)[11]的基礎(chǔ)上，開(kāi)發(fā)了基于PSS 的DMCP 過(guò)程動(dòng)態(tài)模型。

選煤機(jī)理驅(qū)動(dòng)模型根據(jù)煤炭分選生產(chǎn)工藝建立數(shù)學(xué)模型，不需要大量數(shù)據(jù)即可實(shí)現(xiàn)模型的構(gòu)建與驗(yàn)證，且模型具有可解釋性，對(duì)于生產(chǎn)過(guò)程運(yùn)行優(yōu)化控制具有重要指導(dǎo)作用。但是，由于煤炭重介分選過(guò)程存在強(qiáng)非線性和不確定性，以及部分關(guān)鍵數(shù)據(jù)測(cè)不準(zhǔn)乃至不可測(cè)性等問(wèn)題，導(dǎo)致理想機(jī)理驅(qū)動(dòng)模型往往在實(shí)際生產(chǎn)過(guò)程應(yīng)用中存在一定偏差，難以使用。

1.1.2 數(shù)據(jù)驅(qū)動(dòng)模型

選煤廠在生產(chǎn)過(guò)程中存儲(chǔ)了大量蘊(yùn)含產(chǎn)品質(zhì)量、設(shè)備狀態(tài)及生產(chǎn)過(guò)程特性的歷史數(shù)據(jù)[13]，基于這些數(shù)據(jù)，數(shù)據(jù)驅(qū)動(dòng)模型理論與方法在重介分選領(lǐng)域得到了廣泛研究。

文獻(xiàn)[14]利用模糊神經(jīng)網(wǎng)絡(luò)建立了以旋流器壓力、懸浮液液位等工業(yè)數(shù)據(jù)作為輸入，以懸浮液密度為輸出的數(shù)據(jù)驅(qū)動(dòng)模型。文獻(xiàn)[15]基于極限學(xué)習(xí)機(jī)建立了重介質(zhì)懸浮液的密度預(yù)測(cè)模型，其以目標(biāo)精煤灰分含量、實(shí)際精煤灰分含量、入料灰分含量等數(shù)據(jù)作為模型的輸入，利用試錯(cuò)法選擇合適的激活函數(shù)，智能推理密度預(yù)測(cè)值。文獻(xiàn)[16]通過(guò)在模型構(gòu)建過(guò)程中添加隱藏節(jié)點(diǎn)塊到網(wǎng)絡(luò)中，提高了隨機(jī)配置網(wǎng)絡(luò)（Stochastic Configuration Networks, SCN）的學(xué)習(xí)效率，以煤礦給礦率、重介質(zhì)懸浮液密度、DMC入口壓力為輸入，建立了DMCP 灰分含量的數(shù)據(jù)驅(qū)動(dòng)模型。文獻(xiàn)[17]針對(duì)DMCP 過(guò)程動(dòng)態(tài)時(shí)變與精煤灰分人工化驗(yàn)導(dǎo)致的數(shù)據(jù)稀缺問(wèn)題，提出了一種基于隨機(jī)向量函數(shù)鏈接網(wǎng)絡(luò)的在線自適應(yīng)半監(jiān)督學(xué)習(xí)模型，并通過(guò)引入L2 融合項(xiàng)與模糊推理技術(shù)，設(shè)計(jì)了一種平滑自適應(yīng)模型更新算法，可高效利用系統(tǒng)大量未化驗(yàn)標(biāo)定的過(guò)程數(shù)據(jù)。

值得注意的是，數(shù)據(jù)驅(qū)動(dòng)模型本質(zhì)上是將易測(cè)的輸入特征空間映射到復(fù)雜高維非線性特征空間，進(jìn)而實(shí)現(xiàn)對(duì)精煤灰分等難測(cè)參數(shù)的估計(jì)。然而，數(shù)據(jù)驅(qū)動(dòng)模型物理可解釋性差，建模時(shí)難以保證建模樣本對(duì)重介分選生產(chǎn)全工況的覆蓋，需要實(shí)時(shí)更新，但由于模型通常較為龐大復(fù)雜，需要較大的存儲(chǔ)空間和較高的計(jì)算能力，因此往往難以直接用于硬件資源有限的實(shí)際工業(yè)控制系統(tǒng)中。

1.2 煤炭重介分選智能控制現(xiàn)狀

智能控制是在精確的重介分選模型難以建立、控制任務(wù)復(fù)雜情況下，將自動(dòng)控制與人工智能相結(jié)合，設(shè)計(jì)自學(xué)習(xí)和自適應(yīng)控制方法，使得控制系統(tǒng)能夠根據(jù)生產(chǎn)要求，自主調(diào)節(jié)生產(chǎn)過(guò)程，實(shí)現(xiàn)安全、穩(wěn)定、連續(xù)生產(chǎn)[18]。

懸浮液密度對(duì)重介分選效果的影響最直接、最重要，直接決定精煤質(zhì)量和產(chǎn)率，其穩(wěn)定控制一直是實(shí)現(xiàn)重介分選智能控制的重要環(huán)節(jié)。文獻(xiàn)[19]以三產(chǎn)品重介質(zhì)選煤生產(chǎn)過(guò)程為研究對(duì)象，針對(duì)其非線性、多變量耦合及時(shí)變特點(diǎn)，設(shè)計(jì)了由懸浮液密度自校正控制器和煤泥含量PID 調(diào)節(jié)器組成的智能控制系統(tǒng)。為滿足懸浮液密度大范圍調(diào)節(jié)的生產(chǎn)要求，文獻(xiàn)[20]提出反分流工藝，設(shè)計(jì)了一種重介質(zhì)懸浮液密度寬域智能控制系統(tǒng)，采用支持向量機(jī)一對(duì)多分類算法，實(shí)現(xiàn)加介、穩(wěn)態(tài)、密度階躍上升、密度階躍下降4 種模式的智能切換控制，使得密度大范圍自主調(diào)節(jié)。文獻(xiàn)[21]針對(duì)加水和加介對(duì)懸浮液密度和液位的耦合影響，將前饋解耦與自校正廣義預(yù)測(cè)控制算法相結(jié)合，實(shí)現(xiàn)了重介質(zhì)懸浮液密度與液位的解耦控制。

重介分選智能控制以實(shí)現(xiàn)快速、穩(wěn)定跟蹤控制設(shè)定值為目標(biāo)，抑制各種外界干擾對(duì)控制系統(tǒng)的影響，在最優(yōu)控制設(shè)定值的前提下，能夠?qū)崿F(xiàn)系統(tǒng)最優(yōu)化運(yùn)行。

1.3 煤炭重介分選智能優(yōu)化決策現(xiàn)狀

控制設(shè)定值的最優(yōu)性通常依靠智能優(yōu)化決策來(lái)實(shí)現(xiàn)，重介分選過(guò)程中，理想狀態(tài)是能實(shí)時(shí)感知過(guò)程的動(dòng)態(tài)變化，獲得能夠保證精煤產(chǎn)品質(zhì)量并提高產(chǎn)量的最優(yōu)值，實(shí)現(xiàn)懸浮液密度設(shè)定值的自主調(diào)整。

文獻(xiàn)[22]建立了多種生產(chǎn)條件約束下的優(yōu)化控制模型，通過(guò)設(shè)計(jì)前饋控制與預(yù)測(cè)反饋控制實(shí)現(xiàn)密度設(shè)定值的在線優(yōu)化調(diào)整，將灰分控制在工藝期望值。文獻(xiàn)[23]為解決重介分選煤過(guò)程的強(qiáng)非線性和時(shí)變問(wèn)題，以實(shí)現(xiàn)精煤灰分控制為目標(biāo)，提出了一種模型與數(shù)據(jù)混合驅(qū)動(dòng)的重介分選煤過(guò)程自適應(yīng)運(yùn)行反饋控制方法，在線自主調(diào)整密度設(shè)定值。文獻(xiàn)[24]考慮了基礎(chǔ)回路過(guò)程的雙速率特性（輸出采樣周期和控制刷新周期不一致），提出了集成模型預(yù)測(cè)控制（Model Predictive Control，MPC）、提升技術(shù)與基于執(zhí)行-判別結(jié)構(gòu)的密度設(shè)定值優(yōu)化與自適應(yīng)控制的分層運(yùn)行優(yōu)化控制方法，實(shí)現(xiàn)了控制系統(tǒng)整體優(yōu)化提升。文獻(xiàn)[25]利用現(xiàn)場(chǎng)歷史數(shù)據(jù)，建立了一種基于時(shí)間序列最小二乘支持向量機(jī)的重介質(zhì)懸浮液密度設(shè)定值在線優(yōu)化模型。文獻(xiàn)[26]針對(duì)不同原煤配比下重介質(zhì)懸浮液密度設(shè)定值難以優(yōu)化決策的問(wèn)題，建立了粒子群優(yōu)化與最小二乘支持向量機(jī)相結(jié)合的密度設(shè)定值優(yōu)化模型。文獻(xiàn)[27]提出了一種基于強(qiáng)化學(xué)習(xí)的優(yōu)化控制方法，通過(guò)與生產(chǎn)環(huán)境交互，實(shí)現(xiàn)控制系統(tǒng)自學(xué)習(xí)優(yōu)化，對(duì)密度設(shè)定值進(jìn)行優(yōu)選。

當(dāng)前，雖然諸多重介分選智能優(yōu)化決策成果相繼報(bào)道，但現(xiàn)有算法的設(shè)計(jì)大多依賴現(xiàn)場(chǎng)實(shí)際運(yùn)行數(shù)據(jù)，特別是經(jīng)驗(yàn)豐富的工程師操作下的系統(tǒng)運(yùn)行數(shù)據(jù)，算法外推性差，難以廣泛使用。

2 煤炭重介分選智能化存在的問(wèn)題

2021 年，中國(guó)煤炭加工利用協(xié)會(huì)對(duì)國(guó)家首批智能化示范建設(shè)選煤廠從基礎(chǔ)平臺(tái)、生產(chǎn)環(huán)節(jié)及生產(chǎn)管理3 個(gè)方面進(jìn)行了調(diào)查，結(jié)果顯示大多選煤廠采用重介分選為主，且我國(guó)選煤廠智能化建設(shè)在生產(chǎn)管理與基礎(chǔ)平臺(tái)方面的智能化進(jìn)展較快，但在生產(chǎn)環(huán)節(jié)智能化方面務(wù)實(shí)性較差。生產(chǎn)核心密度控制系統(tǒng)建設(shè)完成度僅為19.4%[28]，選煤廠真正的核心環(huán)節(jié)建設(shè)亟需加強(qiáng)，當(dāng)下煤炭企業(yè)智能化建設(shè)進(jìn)入攻堅(jiān)階段，煤炭重介分選智能化建設(shè)存在的問(wèn)題愈發(fā)顯現(xiàn)。

2.1 原煤品質(zhì)波動(dòng)給智能控制技術(shù)帶來(lái)巨大挑戰(zhàn)

我國(guó)原煤品質(zhì)差異大，雜質(zhì)成分與含量波動(dòng)頻繁，加之原煤來(lái)源多樣，資源不斷劣質(zhì)化，導(dǎo)致選煤工藝生產(chǎn)的原料品質(zhì)波動(dòng)頻繁，對(duì)重介分選生產(chǎn)全工況智能優(yōu)化運(yùn)行帶來(lái)嚴(yán)峻挑戰(zhàn)。重介分選過(guò)程控制系統(tǒng)需及時(shí)根據(jù)原煤質(zhì)量?jī)?yōu)化選煤工藝過(guò)程參數(shù)，否則將導(dǎo)致生產(chǎn)精煤質(zhì)量下降乃至不達(dá)標(biāo)。然而目前重介分選行業(yè)仍然欠缺可靠低成本的原煤品質(zhì)檢測(cè)手段，因此原煤品質(zhì)波動(dòng)給煤炭重介分選工藝乃至所有選煤工藝智能控制系統(tǒng)的設(shè)計(jì)與應(yīng)用都帶來(lái)了極大挑戰(zhàn)。

2.2 煤炭重介分選自身具有極高的復(fù)雜性

煤炭重介分選是一個(gè)復(fù)雜的具有不確定性的物理變化過(guò)程[5]，具體體現(xiàn)在：

（1） 不確定性。重介分選過(guò)程易受到多源干擾及不確定動(dòng)態(tài)的影響，如原煤性質(zhì)、進(jìn)料速率、DMC 結(jié)構(gòu)參數(shù)、懸浮液粘度等都會(huì)對(duì)分選造成影響。這些因素的波動(dòng)普遍無(wú)法預(yù)知，導(dǎo)致重介分選過(guò)程機(jī)理更加復(fù)雜，控制系統(tǒng)難以設(shè)計(jì)。

（2） 滯后、多速率采樣特性。重介分選涉及多個(gè)子工藝流程，這些子工藝流程之間設(shè)備參數(shù)采樣周期并不一致，導(dǎo)致重介分選過(guò)程具有多速率采樣特性，進(jìn)而重介分選過(guò)程控制系統(tǒng)無(wú)法同步控制所有配套工藝跟隨系統(tǒng)動(dòng)態(tài)響應(yīng)，使得控制存在滯后性。

（3） 強(qiáng)非線性難精確建模特性。重介分選過(guò)程中主要參數(shù)相互之間存在強(qiáng)非線性，如混合礦漿與合格重介質(zhì)懸浮液的流量和原煤進(jìn)料速率之間、重介質(zhì)懸浮液密度與精煤產(chǎn)品灰分含量之間均呈明顯的非線性動(dòng)態(tài)關(guān)系，導(dǎo)致機(jī)理驅(qū)動(dòng)模型面臨復(fù)雜度和階數(shù)太高的問(wèn)題，難以建立精準(zhǔn)機(jī)理驅(qū)動(dòng)模型描述重介分選過(guò)程。

（4） 動(dòng)態(tài)時(shí)變特性。在實(shí)際生產(chǎn)過(guò)程中，原煤煤質(zhì)、懸浮液密度、壓力等參數(shù)都隨時(shí)間頻繁波動(dòng)，分選設(shè)備本身也會(huì)隨著設(shè)備磨損而變化，這些因素導(dǎo)致分選過(guò)程呈現(xiàn)動(dòng)態(tài)時(shí)變特性，使得建立的模型描述選煤過(guò)程的能力會(huì)隨生產(chǎn)時(shí)間增加而下降，甚至失效。

2.3 重介選煤廠智能化建設(shè)存在局限性

（1） 海量數(shù)據(jù)缺少數(shù)據(jù)挖掘。重介選煤廠在建設(shè)過(guò)程中往往更加重視對(duì)硬件的投入，安裝了大量在線感知裝置（如灰分儀、水分儀、密度計(jì)等），用于對(duì)生產(chǎn)工藝參數(shù)的實(shí)時(shí)檢測(cè)。但是對(duì)數(shù)據(jù)的處理欠缺統(tǒng)一的管理，數(shù)據(jù)之間標(biāo)準(zhǔn)不一，形成信息孤島，海量數(shù)據(jù)間沒(méi)有形成聯(lián)動(dòng)，更缺少深層次的分析挖掘，當(dāng)前選煤廠大多只是實(shí)現(xiàn)了對(duì)數(shù)據(jù)的獲取與可視化，缺少高效利用，這是重介選煤廠智能化建設(shè)投入大產(chǎn)出小的主要原因。

（2） 缺少數(shù)據(jù)與知識(shí)協(xié)同決策技術(shù)?，F(xiàn)階段煤炭重介分選智能化建設(shè)存在重感知、輕決策的問(wèn)題。近年來(lái)重介選煤廠利用機(jī)器學(xué)習(xí)技術(shù)在故障預(yù)警、生產(chǎn)狀態(tài)評(píng)價(jià)等方面進(jìn)行創(chuàng)新，還停留在感知智能，未投入到與生產(chǎn)密切相關(guān)的智能控制與智能優(yōu)化決策環(huán)節(jié)，對(duì)生產(chǎn)提質(zhì)增效并無(wú)實(shí)質(zhì)性幫助。其很大原因來(lái)自于大部分研究中所用的機(jī)器學(xué)習(xí)方法還屬于弱人工智能技術(shù)，缺少可解釋性，沒(méi)有融入工藝機(jī)理知識(shí)，單純利用數(shù)據(jù)驅(qū)動(dòng)搭建控制與決策方案，可靠性差，因此大大限制了生產(chǎn)效率和產(chǎn)品質(zhì)量的提高。

（3） 欠缺系統(tǒng)性規(guī)劃。受技術(shù)水平、資金、生產(chǎn)壓力等多重因素限制，國(guó)內(nèi)重介選煤廠的智能化建設(shè)往往是通過(guò)與高校、企業(yè)合作分批次進(jìn)行智能化升級(jí)，這導(dǎo)致了選煤廠建設(shè)過(guò)程中欠缺系統(tǒng)性規(guī)劃，以“打補(bǔ)丁”的形式進(jìn)行各個(gè)子環(huán)節(jié)的智能化改造，雖實(shí)現(xiàn)了局部智能化，但也導(dǎo)致了各個(gè)環(huán)節(jié)受升級(jí)時(shí)間、參建廠家不同的影響各自獨(dú)立，數(shù)據(jù)接口各異形成信息孤島，無(wú)法實(shí)現(xiàn)智能化選煤廠要求的數(shù)據(jù)互通，流程間缺少協(xié)同控制，制約了生產(chǎn)效率提高。

3 重介選煤廠智能化建設(shè)探索

為推進(jìn)重介分選行業(yè)的智能化與綠色化，實(shí)現(xiàn)全場(chǎng)設(shè)備自主控制，減少運(yùn)營(yíng)人員以實(shí)現(xiàn)無(wú)人化，重介選煤廠應(yīng)建設(shè)一套“智能感知、智能控制、智能優(yōu)化決策”一體化的智能優(yōu)化生產(chǎn)系統(tǒng)，結(jié)構(gòu)如圖1所示。智能感知作為智能化的基礎(chǔ)實(shí)現(xiàn)選煤工藝數(shù)據(jù)的感知獲?。恢悄芸刂偏@取傳感器等數(shù)據(jù)對(duì)選煤工藝進(jìn)行智能修正，確保對(duì)設(shè)定值的跟蹤；智能優(yōu)化決策分析智能控制模塊中分選過(guò)程的運(yùn)行狀態(tài)、調(diào)整工藝指標(biāo)設(shè)定值，實(shí)現(xiàn)工藝指標(biāo)設(shè)定值的動(dòng)態(tài)優(yōu)化。

圖 1 智能化選煤廠智能優(yōu)化生產(chǎn)系統(tǒng)Fig. 1 Intelligent coal preparation plant intelligent optimization production system

3.1 煤炭重介分選智能感知探索

煤炭重介分選智能感知在采集重介選煤廠全流程傳感器及視頻數(shù)據(jù)基礎(chǔ)上，建立多傳感器參數(shù)分析模型，融合智能圖像技術(shù)，實(shí)現(xiàn)重介選煤廠生產(chǎn)過(guò)程實(shí)時(shí)監(jiān)測(cè)、人員安全預(yù)警、選煤運(yùn)營(yíng)狀態(tài)分析等功能。

（1） 重介分選工藝運(yùn)行狀態(tài)參數(shù)在線檢測(cè)分析與建模。優(yōu)化重介分選過(guò)程關(guān)鍵可測(cè)分布式狀態(tài)核心參數(shù)（主要包括給煤量、懸浮液密度等）的傳感器精度，并能夠聯(lián)合多傳感器數(shù)據(jù)，通過(guò)建立關(guān)鍵數(shù)據(jù)軟測(cè)量模型，實(shí)現(xiàn)基于多維數(shù)據(jù)融合的難測(cè)參數(shù)（如精煤灰分）感知，實(shí)現(xiàn)多設(shè)備參數(shù)聯(lián)動(dòng)分析，提高數(shù)據(jù)利用率，形成選煤全流程關(guān)鍵狀態(tài)參數(shù)在線檢測(cè)基礎(chǔ)理論。

（2） 重介分選智能感知系統(tǒng)集成方法。研究選煤感知系統(tǒng)的構(gòu)建方法，形成全廠統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，打破信息孤島，實(shí)現(xiàn)對(duì)重介分選全流程分布式傳感器、在線軟測(cè)量模型、全廠智能視頻等感知信息的集成。開(kāi)發(fā)單人便攜式智能感知設(shè)備，提高運(yùn)營(yíng)人員工作效率。研發(fā)感知終端儲(chǔ)備多種功能的算法庫(kù)及在線學(xué)習(xí)算法，使感知系統(tǒng)可適用于監(jiān)測(cè)不同工藝的選煤設(shè)備。針對(duì)不同工況參數(shù)檢測(cè)的需求和特點(diǎn)，采取并行計(jì)算的模式同時(shí)實(shí)現(xiàn)多種在線感知任務(wù)。

3.2 煤炭重介分選智能控制探索

煤炭重介分選智能控制是智能感知選煤生產(chǎn)條件變化，自適應(yīng)調(diào)節(jié)控制回路，使回路控制層的輸出跟蹤設(shè)定值，實(shí)現(xiàn)運(yùn)行指標(biāo)的優(yōu)化控制。對(duì)運(yùn)行工況及時(shí)預(yù)測(cè)和診斷異常工況，當(dāng)異常工況出現(xiàn)時(shí)，通過(guò)自愈控制，排除異常工況，實(shí)現(xiàn)安全優(yōu)化運(yùn)行。

（1） 基于煤炭重介分選大數(shù)據(jù)的知識(shí)發(fā)現(xiàn)技術(shù)。重介分選生產(chǎn)過(guò)程中存在大量結(jié)構(gòu)化數(shù)據(jù)，從中進(jìn)行數(shù)據(jù)挖掘和知識(shí)分析具有重要意義。為此，需要通過(guò)機(jī)器學(xué)習(xí)等方法研究不同工況下生產(chǎn)過(guò)程的高效操作模式，基于頻繁項(xiàng)集對(duì)結(jié)構(gòu)化數(shù)據(jù)源進(jìn)行大數(shù)據(jù)價(jià)值分析和標(biāo)定[29]，設(shè)計(jì)知識(shí)發(fā)現(xiàn)觸發(fā)策略和潛在知識(shí)處理方法，形成選煤大數(shù)據(jù)價(jià)值分析方法與知識(shí)發(fā)現(xiàn)觸發(fā)機(jī)制。

（2） 數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)融合的選煤控制方法。選煤過(guò)程是一個(gè)強(qiáng)非線性、復(fù)雜的工業(yè)過(guò)程，難以精確搭建重介分選模型，亦難以設(shè)計(jì)精準(zhǔn)的控制器。因此需要研究如何將知識(shí)引導(dǎo)下的推理過(guò)程與個(gè)性化的數(shù)據(jù)特征進(jìn)行協(xié)同，尤其是數(shù)據(jù)信息對(duì)經(jīng)驗(yàn)知識(shí)和機(jī)理知識(shí)的豐富和補(bǔ)充，使結(jié)果既滿足一般的工藝約束條件，又符合局部系統(tǒng)和一定時(shí)域內(nèi)過(guò)程運(yùn)行的數(shù)據(jù)特征。

（3） 重介選煤廠全流程智能控制。重介選煤廠智能化建設(shè)應(yīng)當(dāng)打通從原煤入廠到精煤出廠多個(gè)環(huán)節(jié)（原煤破碎、煤炭重介分選、膠帶運(yùn)輸、精煤配比等），建立全流程的智能控制平臺(tái)。不是簡(jiǎn)單地將所有控制環(huán)節(jié)集成到一個(gè)控制模塊中，而是能夠有效整合獨(dú)立運(yùn)行的各個(gè)環(huán)節(jié)，形成上下聯(lián)動(dòng)控制，乃至打通不同環(huán)節(jié)之間的傳感器信息，以原煤物質(zhì)流為主線，建立重介選煤廠全流程跨環(huán)節(jié)設(shè)備協(xié)同控制，異常情況快速聯(lián)動(dòng)響應(yīng)。

3.3 煤炭重介分選智能優(yōu)化決策探索

煤炭重介分選智能優(yōu)化決策通過(guò)工業(yè)大數(shù)據(jù)實(shí)現(xiàn)反饋智能決策、人機(jī)交互，反映質(zhì)量、效率、成本、消耗、安全環(huán)境等方面的企業(yè)全局指標(biāo)、生產(chǎn)流程指標(biāo)和工藝過(guò)程指標(biāo)，進(jìn)而決策出煤炭重介分選生產(chǎn)系統(tǒng)在不同原料和工況下的工藝指標(biāo)、生產(chǎn)計(jì)劃及調(diào)度，為生產(chǎn)全流程協(xié)同控制提供優(yōu)化目標(biāo)。

（1） 原料供應(yīng)波動(dòng)條件下的煤炭重介分選全流程智能優(yōu)化。針對(duì)重介選煤廠的原煤來(lái)源復(fù)雜和原煤品質(zhì)波動(dòng)頻繁的特性，基于機(jī)器學(xué)習(xí)理論，建立外界原煤成分信息與設(shè)備傳感器數(shù)據(jù)知識(shí)融合的工藝技術(shù)指標(biāo)、效益和成本的智能過(guò)程模型。在原煤的雜質(zhì)含量（例原煤中硫、鈣、鎂等元素含量）、原料物性參數(shù)（例原煤灰分、水分等）、市場(chǎng)煤價(jià)、原料庫(kù)存情況等傳統(tǒng)選煤廠數(shù)據(jù)基礎(chǔ)上，分析原煤品質(zhì)波動(dòng)對(duì)不同環(huán)節(jié)間工藝的影響、設(shè)定參數(shù)改變對(duì)實(shí)際過(guò)程影響的時(shí)延、過(guò)程參數(shù)改變對(duì)下游環(huán)節(jié)的影響、下游環(huán)節(jié)對(duì)上游環(huán)節(jié)生產(chǎn)質(zhì)量的反映，以經(jīng)濟(jì)效益最大化為目標(biāo)，研究煤炭重介分選的工藝指標(biāo)和集成控制參數(shù)的優(yōu)化。

（2） 基于知識(shí)圖譜的重介分選全流程一體化優(yōu)化決策系統(tǒng)。探索知識(shí)圖譜與煤炭分選的深度融合，從而實(shí)現(xiàn)知識(shí)圖譜對(duì)設(shè)備參數(shù)、工藝參數(shù)、環(huán)境變量等質(zhì)量影響因素進(jìn)行語(yǔ)義關(guān)聯(lián)，輔助工程師在制造過(guò)程及時(shí)整合優(yōu)化各項(xiàng)參數(shù)，提高重介分選效率和重介分選產(chǎn)出；研究通過(guò)專家人工與統(tǒng)計(jì)學(xué)算法協(xié)同構(gòu)建知識(shí)圖譜的方法（如詞頻-逆文件頻率（Term Frequency-Inverse Document Frequency,TFIDF）算法），協(xié)同從選煤數(shù)據(jù)（原煤、精煤、重介分選過(guò)程數(shù)據(jù)）中完成實(shí)體的抽?。惶剿骼美鏞ILLIE 信息系統(tǒng)進(jìn)行實(shí)體關(guān)系抽取，實(shí)現(xiàn)實(shí)體間互相連接，形成網(wǎng)狀知識(shí)圖，達(dá)到從選煤數(shù)據(jù)集中獲取實(shí)體之間上下關(guān)系的目的；研究能夠根據(jù)選煤數(shù)據(jù)之間的關(guān)系提取有用知識(shí)的融合規(guī)則，確保分選數(shù)據(jù)的統(tǒng)一，完成實(shí)體合并、實(shí)體屬性融合及沖突檢測(cè)與解決，實(shí)現(xiàn)分選全流程一體化優(yōu)化決策知識(shí)融合。結(jié)合分選全流程場(chǎng)景的實(shí)際需求，研究將以往的決策案例作為知識(shí)注入圖譜方法，形成重介分選問(wèn)題與決策方案的語(yǔ)義關(guān)聯(lián)。對(duì)于用戶輸入的分選問(wèn)題及特征，研究基于自然語(yǔ)言處理技術(shù)的語(yǔ)義解析、通過(guò)知識(shí)表示學(xué)習(xí)技術(shù)實(shí)現(xiàn)知識(shí)推理和相似匹配，從而在知識(shí)圖譜中定位所需知識(shí)；探索開(kāi)發(fā)語(yǔ)義檢索、知識(shí)問(wèn)答、知識(shí)推薦等知識(shí)服務(wù)，構(gòu)建選煤應(yīng)用系統(tǒng)，最終能以易于交互的方式提供分選所需知識(shí)，并支持完整優(yōu)化決策方案生成。

4 結(jié)語(yǔ)

煤炭智能重介分選是我國(guó)選煤工業(yè)下一步的發(fā)展方向與目標(biāo)。盡管現(xiàn)有選煤智能化成果頗豐且部分已經(jīng)在選煤廠得到了驗(yàn)證，但理論研究及其實(shí)際應(yīng)用仍有待完善。

未來(lái)選煤廠智能化建設(shè)繼續(xù)圍繞智能感知、智能控制、智能優(yōu)化決策3 個(gè)方面，從全廠智能化建設(shè)與核心工藝智能化研究2 條道路探索。全廠智能化建設(shè)打通信息孤島，以物質(zhì)流、信息流為脈絡(luò)，建設(shè)全流程跨環(huán)節(jié)工藝協(xié)同控制與快速聯(lián)動(dòng)響應(yīng)，降低流程間浪費(fèi)，提高生產(chǎn)效率，促進(jìn)選煤廠少人化乃至無(wú)人化建設(shè)。核心工藝智能化研究探索融合知識(shí)與數(shù)據(jù)驅(qū)動(dòng)，能夠?qū)崟r(shí)分析、自學(xué)習(xí)、準(zhǔn)確感知、果斷決策、精準(zhǔn)控制，以提高生產(chǎn)管理方法的魯棒性與核心工藝的性能指標(biāo)。只有在2 條道路上共同進(jìn)步，才能提高我國(guó)選煤行業(yè)技術(shù)水平和國(guó)際競(jìng)爭(zhēng)力，實(shí)現(xiàn)選煤行業(yè)的可持續(xù)發(fā)展。