基于BP神經(jīng)網(wǎng)絡(luò)的選煤廠壓濾控制系統(tǒng)智能化改造

楊鵬民

(中煤陜西榆林能源化工有限公司，陜西 榆林 719000)

隨著“中國制造2025”政策的實施和我國能源結(jié)構(gòu)的調(diào)整，煤炭行業(yè)進(jìn)入戰(zhàn)略轉(zhuǎn)型期，以綠色、智能為突破點的高質(zhì)量發(fā)展成為新主題[1-5]。為順應(yīng)智能化發(fā)展趨勢，國內(nèi)眾多選煤廠對洗選中的不同環(huán)節(jié)進(jìn)行了智能化改造，壓濾作為煤炭洗選中最后的生產(chǎn)環(huán)節(jié)，也是高耗能環(huán)節(jié)，其智能化控制對穩(wěn)定產(chǎn)品水分、降低生產(chǎn)能耗具有重要意義。沙坪選煤廠通過設(shè)計一種新型的排水感應(yīng)裝置，實現(xiàn)了壓濾過程的自動化排料[6]。西曲礦選煤廠以壓濾系統(tǒng)的監(jiān)測控制為核心，建立模糊的PID控制策略，提高了壓濾系統(tǒng)的自動化水平[7]。哈爾烏素選煤廠將壓濾系統(tǒng)接入全場集控，并建立水分控制模型，實現(xiàn)了壓濾系統(tǒng)智能化改造[8]。塔山選煤廠通過在原有設(shè)備的基礎(chǔ)上增加 DI、DO、網(wǎng)口以及通信模塊實現(xiàn)了壓濾機的自動化控制[9]。以之前改造經(jīng)驗看來，選煤廠壓濾控制系統(tǒng)的智能化改造，可實現(xiàn)減員提效，降低生產(chǎn)成本。

本文結(jié)合大海則選煤廠生產(chǎn)實際，開展壓濾控制系統(tǒng)模型構(gòu)建及壓濾過程參數(shù)優(yōu)化，基于微小流量檢測技術(shù)和自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型，建立了壓濾過程濾液流量隨時間的動態(tài)變化關(guān)系，提出復(fù)雜工況煤泥水壓濾過程壓濾結(jié)束的濾液流量閾值判據(jù)，并開發(fā)了壓濾結(jié)束狀態(tài)自動判斷技術(shù)，以提高選煤廠煤泥壓濾智能化水平，實現(xiàn)了智能高效的煤泥壓濾。

1 工程概況

大海則選煤廠是大海則礦井的配套選煤廠，建設(shè)規(guī)模為15.0Mt/a，屬礦井型動力煤選煤廠。選煤廠分選工藝為：200～13mm塊煤重介淺槽分選、13～0mm末煤不分選，3～0.35mm粗煤泥采用弧形篩和煤泥離心機回收，-0.35mm細(xì)煤泥壓濾機回收。依據(jù)產(chǎn)品市場需要，選煤廠可生產(chǎn)洗混中塊(80～30mm)、末精煤(30～0mm)，洗混中塊產(chǎn)品汽車地銷外運，末精煤火車外銷。選煤廠生產(chǎn)的洗混塊產(chǎn)品用于外銷，末煤產(chǎn)品用于供給中煤榆林煤化工項目。大海則選煤廠共設(shè)置4臺穿流式壓濾機，單臺壓濾面積為600m2，壓濾設(shè)備流程如圖1所示。

圖1 大海則壓濾設(shè)備流程

選煤廠壓濾工藝過程主要包括松板、取板、拉板、壓緊、進(jìn)料、壓濾、吹風(fēng)等，由現(xiàn)場作業(yè)人員通過操作PLC控制柜實現(xiàn)壓濾過程控制[10]，因此壓濾過程存在依賴人工干預(yù)、受人為因素影響較為明顯等問題，主要包括：

1)濃縮機底流向壓濾機入料桶補料過程中，崗位工作人員需要實時觀察濃縮池清水層液位情況，通過對講機向調(diào)度詢問濃縮機電流狀況并觀察各個入料桶的當(dāng)前液位，根據(jù)經(jīng)驗判斷是否補料，崗位工作人員需要手動控制濃縮機底流泵的啟停及閥門開關(guān)。

2)壓濾機進(jìn)料過程中，工作人員需要通過觀察壓濾機濾液水來判斷進(jìn)料結(jié)束時機，手動關(guān)閉入料泵。

3)卸料時，受下游轉(zhuǎn)載刮板運量制約，工作人員需要頻繁溝通，確認(rèn)當(dāng)前正在卸料的壓濾機臺數(shù)，判斷是否進(jìn)行卸料操作，并手動開啟卸料指令。

4)煤泥轉(zhuǎn)運過程中，為確保下游設(shè)備正常運行，避免出現(xiàn)壓刮板等事故，需要進(jìn)行人工例行巡檢。

2 壓濾控制系統(tǒng)設(shè)計

2.1 系統(tǒng)結(jié)構(gòu)

為了解決壓濾生產(chǎn)中存在的問題，設(shè)計了壓濾控制系統(tǒng)，其結(jié)構(gòu)如圖2所示。壓濾開始時，攪拌桶中的物料由入料泵給入壓濾機，同時由超聲波濃度計測得入料濃度，并通過攪拌桶液位計得出入料量，檢測系統(tǒng)將入料量、入料濃度等數(shù)據(jù)通過光纖傳輸至智能控制平臺的數(shù)據(jù)處理中心，計算得出達(dá)到目標(biāo)水分時的壓濾機工作壓力和底流口的濾水流量。當(dāng)壓濾機運行狀態(tài)由壓濾狀態(tài)變?yōu)闇?zhǔn)備卸料狀態(tài)時，壓濾控制平臺將把該壓濾機列入排隊卸料隊列，根據(jù)排隊算法得出的先后順序，并安排壓濾機按流程卸料?？赏ㄟ^控制系統(tǒng)進(jìn)行自動化壓濾，也可借助5G網(wǎng)絡(luò)和壓濾控制軟件實現(xiàn)PAD終端控制，以便調(diào)試、檢修，以及應(yīng)對突發(fā)狀況。

圖2 壓濾控制系統(tǒng)結(jié)構(gòu)

2.2 設(shè)備布置

在503、504底流泵和505、506底流泵出料口增加超聲波濃度計，實時監(jiān)測濃縮機底流濃度，并將檢測數(shù)據(jù)通過光纖傳輸至智能壓濾平臺。濃縮機底流濃度過低時，智能壓濾平臺將通過PLC控制器停止底流泵工作。

在501、502耙式濃縮機中加裝監(jiān)測裝置，監(jiān)測濃縮機耙壓值和電流值，當(dāng)濃縮機的耙壓大、電流大時，通過PLC控制器控制底流泵先起后停；當(dāng)濃縮機的耙壓小、電流小時，通過PLC控制器控制底流泵后起先停，防止發(fā)生壓耙事故。

在401、402攪拌桶中加裝液位計，實時監(jiān)測攪拌桶的液位高度，計算壓濾過程的入料量，并將檢測數(shù)據(jù)通過光纖傳輸至智能壓濾平臺。智能壓濾平臺根據(jù)濃縮機底流濃度，智能控制壓濾機的入料量。當(dāng)濃縮機底流濃度較低時，智能控制平臺通過PLC控制器入料泵多入料，當(dāng)濃縮機底流濃度較高時，智能控制平臺通過PLC控制器入料泵少入料。

在410、411壓濾機和412、413壓濾機的濾水出口增加電磁流量計，實時監(jiān)測壓濾過程中的濾水流量，并將監(jiān)測數(shù)據(jù)上傳至智能壓濾平臺。如果壓濾機的濾水流量低于智能壓濾平臺給出的設(shè)定值，則智能壓濾平臺便通過PLC控制器停止壓濾，進(jìn)入下一個過程。

2.3 系統(tǒng)功能

1)基于微小流量檢測技術(shù)實現(xiàn)了壓濾機壓濾結(jié)束狀態(tài)自判斷，融合壓濾機單機自動化系統(tǒng)，實現(xiàn)了壓濾機操作的無人化和高效化運行。

2)壓濾機運行狀態(tài)由吹風(fēng)轉(zhuǎn)為循環(huán)等待時，將該壓濾機列入排隊卸料隊列，根據(jù)排隊算法得出的先后順序，實現(xiàn)排隊卸料，減少排隊時間。

3)通過壓濾機控制系統(tǒng)，獲取壓濾機的實時運行信息，可以對壓濾機運行狀態(tài)、遠(yuǎn)程/就地狀態(tài)、壓濾機報警狀態(tài)、當(dāng)前計時、過程計時等運行狀態(tài)進(jìn)行監(jiān)控，并具備遠(yuǎn)程集控、就地手操及通過手持智能移動終端進(jìn)行移動操作三種控制方式。

3 智能壓濾平臺

3.1 智能控制平臺

根據(jù)對大海則選煤廠煤泥壓濾系統(tǒng)工藝分析，結(jié)合現(xiàn)場的實際工況，決定智能壓濾平臺的結(jié)構(gòu)如圖3所示。整個智能控制平臺由工作數(shù)據(jù)輸入層、數(shù)據(jù)處理中心、工作條件輸出層和水分檢測系統(tǒng)構(gòu)成。輸入層主要由入料濃度、入料量、入料粒度、目標(biāo)水分四個數(shù)據(jù)組成。數(shù)據(jù)處理中心主要基于自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型建設(shè)。輸出層主要輸出壓濾機的工作壓力以及濾水流量等工作條件。

圖3 智能壓濾平臺結(jié)構(gòu)

當(dāng)各個檢測系統(tǒng)將檢測的結(jié)果以數(shù)據(jù)的形式輸入到數(shù)據(jù)處理中心時，數(shù)據(jù)處理中心能夠自動、及時決策，得出達(dá)到目標(biāo)水分時的工作壓力和結(jié)束壓濾時的濾水流量，并修改相應(yīng)設(shè)定值。

采用基于電磁流量計的微小流量檢測技術(shù)。該技術(shù)基于電磁感應(yīng)定律，通過測量導(dǎo)電流體產(chǎn)生的感應(yīng)電動勢來確定工藝管道中的流量，具有靈敏度高、測量范圍大等優(yōu)點，能夠?qū)崟r、精確測量壓濾機底流口濾水流量，智能控制平臺根據(jù)該數(shù)值判斷壓濾狀態(tài)是否結(jié)束。

壓濾過程結(jié)束后，水分檢測系統(tǒng)測出濾餅實際水分，系統(tǒng)根據(jù)濾餅實際水分和目標(biāo)水分的偏差對自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行自適應(yīng)行修正，以確保每一次得出的濾水流量和工作壓力都是最佳參數(shù)，提高工作精度。

3.2 數(shù)據(jù)處理中心

自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)(Self-Adaptive Back Propagation Neural Network，SA-BPNN)是指可以對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)修正的算法[11]。隨著煤礦生產(chǎn)智能化、自動化改造的推進(jìn)，自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)已被應(yīng)用于選礦企業(yè)生產(chǎn)過程控制[12-15]。本文選取算法較成熟的自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)對輸入的數(shù)據(jù)進(jìn)行處理，所構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)為具有4個輸入節(jié)點、2個輸出節(jié)點和6個隱含層節(jié)點的雙層結(jié)構(gòu)模型，如圖4所示。中間隱含層結(jié)點個數(shù)確定難度較大，目前較多采用幾何平均規(guī)則和基于經(jīng)驗的試湊法[16-18]。通過試湊并根據(jù)經(jīng)驗確定，該網(wǎng)絡(luò)的隱含層取6個節(jié)點。當(dāng)網(wǎng)絡(luò)在自適應(yīng)學(xué)習(xí)的過程中不能收斂時，可適當(dāng)?shù)卦黾与[含層的神經(jīng)元個數(shù)。訓(xùn)練樣本為實際生產(chǎn)過程中一組有代表性的生產(chǎn)試驗數(shù)據(jù)，共有5940組數(shù)據(jù)組成。網(wǎng)絡(luò)的訓(xùn)練過程由兩部分組成：信號的正向傳播和誤差的逆向傳播。正向傳播是輸入模式，從輸入層將入料細(xì)度、入料濃度、入料量和目標(biāo)水分四個變量，經(jīng)隱含層各個神經(jīng)元處理后，傳向輸出層得到工作壓力和濾水流量，若輸出層的實際輸出與期望的輸出(目標(biāo)水分)不符，則轉(zhuǎn)入誤差的反向傳播。反向傳播是均方誤差信息從輸出層向輸入層傳播，將誤差信號沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值，使得誤差信號最小[16，19-22]。

圖4 智能壓濾BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)模型的主要功能為，當(dāng)各個輸入層的參數(shù)以數(shù)據(jù)的形式輸入到模型中時，BP神經(jīng)網(wǎng)絡(luò)模型能夠及時的做出相應(yīng)決策，得出使壓濾物料達(dá)到目標(biāo)水分時的工作壓力和結(jié)束壓濾時的濾水流量，當(dāng)電磁流量計檢測到濾水流量達(dá)到壓濾結(jié)束的閾值流量時，通過PLC控制壓濾機結(jié)束壓濾過程，進(jìn)入卸料過程。為驗證BP神經(jīng)網(wǎng)絡(luò)對壓濾過程濾餅含水量預(yù)測的準(zhǔn)確性，使用實際生產(chǎn)過程中實際水分與目標(biāo)水分來進(jìn)行相關(guān)性研究，其中實際水分取自刮板422，在刮板422上分9點取樣，計算平均水分認(rèn)為是濾餅的實際水分，結(jié)果如圖5所示。將實際生產(chǎn)過程中目標(biāo)水分暫定為24.5%，濾餅的目標(biāo)水分與實際水分基本相符，在曲線y=24.5附近上下波動，且誤差在±1.5%的水分以內(nèi)，說明BP神經(jīng)網(wǎng)絡(luò)模型在預(yù)測濾餅水分上具有較高的精確度。

圖5 實際水分與目標(biāo)水分誤差

3.3 初始流量閾值的確定

壓濾過程中閾值流量與濾餅含水量的關(guān)系如圖6(a)所示，閾值流量與壓濾時間的關(guān)系如圖6(b)所示。如圖6(a)所示，濾餅含水量與閾值流量成正相關(guān)，與壓濾時間負(fù)相關(guān)，當(dāng)閾值流量增加時，濾餅含水量也相應(yīng)增加，壓濾時間則不斷減小。閾值流量設(shè)置為0.035m3/h時，濾餅的含水量為22.2%，壓濾時間為1362s；當(dāng)閾值流量增加為0.060m3/h時，濾餅的含水量增加為28.7%，壓濾時間減小為632s。從總體上看，閾值流量越低濾餅的含水量就越低，但考慮到壓濾時間和壓濾效率等因素，不宜將濾水流量設(shè)置過小，所以在滿足壓濾要求的前提下，將初始的濾水流量設(shè)置為0.05m3/h，相應(yīng)的壓濾時間為847s。

圖6 閾值流量對濾餅含水量及壓濾時間的影響

3.4 壓濾過程濾水流量分析

當(dāng)閾值流量設(shè)置為0.05m3/h時，壓濾過程濾水流量的變化情況如圖7所示。隨著壓濾時間的增加，壓濾機的底流口的濾水流量先增大后減小，當(dāng)壓濾開始時，濾水口的濾水流量由0m3/h開始迅速提高至最大值0.076m3/h，然后開始緩慢下降。在整個壓濾過程中，當(dāng)檢測到濾水流量達(dá)到閾值流量次數(shù)大于1時，通過PLC控制結(jié)束壓濾過程，進(jìn)入排隊卸料階段。通過水分檢測系統(tǒng)獲取濾餅水分，并對數(shù)據(jù)處理中心的自適應(yīng)BP網(wǎng)絡(luò)模型進(jìn)行自適應(yīng)修正，提高模型準(zhǔn)確性。

圖7 壓濾過程濾水流量變化

4 改造效果

改造前后，從帶式輸送機422上分點取樣計算平均含水量，進(jìn)行改造效果對比，結(jié)果如圖8所示

圖8 濾餅含水量

改造前煤泥平均含水量為25.18%，最大值為26.6%，最小值為22.1%，極差為4.5%，煤泥含水量上下波動較大，受工人操作水平的影響較為明顯；改造后煤泥平均含水量為24%，最大值為24.7%，最小值為23.4%，極差為1.3%，煤泥含水量上下波動較小，含水量較為穩(wěn)定。壓濾系統(tǒng)智能化改造后，煤泥的壓濾效果、效率提升明顯，且不受人工操作因素影響，可實現(xiàn)壓濾系統(tǒng)自動、高效運行。

5 結(jié) 論

1)基于自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)模型搭建了煤泥壓濾數(shù)據(jù)處理平臺，形成了從料漿物性到工作參數(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，實際濾餅水分與目標(biāo)水分的絕對誤差為±1.5%，具有較高的準(zhǔn)確性。

2)采用微小流量檢測技術(shù)實現(xiàn)了壓濾機壓濾結(jié)束狀態(tài)自判斷，隨著閾值流量的減小，濾餅含水量逐漸減小，而壓濾完成所需時間將持續(xù)增大。

3)當(dāng)閾值流量為0.05m3/h，壓濾后煤泥平均含水量為24.0%，煤泥含水量極差為1.3%，運行作業(yè)更為穩(wěn)定，減少了人為因素在生產(chǎn)過程中的不良影響，提高了選煤廠壓濾過程的工作效率。