自動判斷煤樣干燥結束條件的技術開發與研究

黃 志 昆

(湖南三德科技股份有限公司，湖南 長沙 410205)

0 引 言

煤炭智能制樣系統通過破碎、縮分、干燥、制粉、封裝等環節實現煤樣制備的全過程自動化，制粉前煤樣干燥是煤炭智能制樣系統中最重要的環節之一。在實際應用中因煤樣水分、煤種的差異導致干燥時間無法準確判斷、干燥效果無法有效保證等問題，直接影響煤樣的代表性、煤炭制樣系統的可靠性及制樣效率[1-14]。因此,如何提高對煤樣水分、煤種差異的適應性，研究1種可自動判斷煤樣干燥結束條件的方法是整個煤炭制樣行業一直探索的重點課題之一。

李興旺等[15]研究提出不同煤種的干燥時間、冷卻時間是影響煤樣達到空氣干燥狀態的主要影響因素,即內水較低的煤樣通過鼓風干燥箱 50 ℃下干燥 60 min、再冷卻約45 min使其達到空氣干燥狀態;內水較高的煤樣在50 ℃下的干燥時間不宜超過 60 min,冷卻時間至少超過 30 min。高正陽等[16]通過 4 種煤樣在熱天平空氣氣氛下的干燥試驗以分析含水量和干燥溫度對煤樣干燥特性的影響,采用薄層干燥模型對煤樣等溫干燥過程進行數學解析,得出不同煤樣、不同溫度的干燥速率曲線趨勢在等溫干燥過程中基本一致,并經歷升速干燥、恒速干燥和降速干燥階段。張仲燾等[17]提出了1種干燥結束判斷方法，即采用在煤樣干燥過程中實時采集低溫風透干燥設備出風口處空氣的水分再通過曲率判斷、預設閥值比較判斷、積分做差比較等方式結束干燥，表明通過對不同煤種的干燥結束判斷,可適時結束干燥,避免煤樣干燥不徹底和過干燥等問題。

目前，雖已對煤樣干燥設備或干燥方法[17-20]進行廣泛深入的研究，但在煤樣干燥時間與干燥效果的自動判斷方法上少有研究。張仲燾等[17]提出的1種干燥結束判斷方法，因空氣中水分含量與空氣溫度有非常大的相關性，其實際應用效果值得商榷。在實際應用中，煤炭制樣系統煤樣干燥環節一般采取定時結束干燥的方式，此種方式通常靠人的經驗形成模糊控制的手段，判斷并不準確。時間設置不夠則干燥不徹底導致后續制粉環節不通暢、殘留多，影響整體性能及煤樣的代表性；時間設置過長則樣品過干燥導致后續制粉環節煤樣損失大、制樣效率不高[21]。基于上述問題，筆者研發了1種基于實時分析FDR水分傳感器[22]采集的煤樣容積含水率數據并經過特定算法自動判斷干燥結束條件的技術，提高了對煤樣水分、煤種差異的廣泛適應性，為煤炭制樣系統煤樣干燥的全自動化提供1種有效的解決辦法。

1 結構組成與工作原理

筆者研發的自動判斷干燥結束條件的技術，結構組成如圖1所示。其主要由風透干燥機[23]、攤平裝置、FDR水分傳感器、水分傳感器運動機構、數據分析系統等組成。煤樣進入干燥設備后，經攤平裝置進行煤樣攤平，再通過水分傳感器運動機構將FDR水分傳感器插入煤樣中。在煤樣干燥的過程中，FDR水分傳感器實時采集煤樣的容積含水率數據，經過數據分析系統的實時數據分析與計算判斷煤樣干燥結束條件，當達到設定基準條件時則結束干燥，FDR水分傳感器從煤樣中移出，進行煤樣的自動卸料至后續制粉環節。

圖1 自動判斷干燥結束條件技術的結構組成Fig.1 Structure composition of automatic judgment drying end condition technology

技術采用的FDR水分傳感器原為用于測量土壤容積含水率的傳感器，其測量原理為采用FDR頻域法[24]測量，利用電磁脈沖原理、根據電磁波在介質中傳播頻率來測量土壤的表觀介電常數(ε),從而得到土壤容積含水量(θv)。因土壤與煤樣具有一定的相似性，在被利用來測量煤樣的水分以建立判斷結束煤樣干燥過程的條件具有極高的可行性。針對FDR水分傳感器測量煤樣含水量進行特定的研究與測試，利用其測得數據與干燥過程中水分損失有較強的趨勢相關性，從而建立數據分析與控制模型算法。通過此對煤樣干燥過程數據進行采集、分析、計算，得到判斷結束煤樣干燥過程的條件，從而實現干燥時間的判斷可靠性，有效提升干燥效率并滿足制粉的要求，間接保證煤樣的代表性。FDR水分傳感器主要技術參數見表1。

表1 FDR水分傳感器的主要技術參數Table 1 Main technical parameters of FDR moisture sensor

2 數據分析與控制算法模型的建立

2.1 技術研究思路

基于煤炭智能制樣系統的相關研究，為確保自動判斷干燥結束條件的可靠性與廣泛的適應性，特制定技術研究思路如下:① 測試FDR水分傳感器采集煤樣水分數據的穩定性與準確性，判斷其可靠性；② 測試FDR水分傳感器采集不同煤種、不同水分含量的煤樣水分數據關系；③ 測試FDR水分傳感器在煤炭自動制樣系統中制粉前干燥中動態測量數據的變化趨勢；④ 根據測量數據，摸索建立合適的控制算法模型并進行驗證。

2.2 研究過程與分析

2.2.1煤樣水分的穩定性與準確性測量

FDR水分傳感器采集的煤樣水分數據的穩定性與準確性測量:分別選取1種標稱最大粒度≤3 mm的煙煤、無煙煤、褐煤各約700 g，在107 ℃烘箱中均勻攤薄干燥6 h，充分干燥去除煤樣中的水分，然后分別加入不同質量的水混勻并密封靜置48 h，再采用FDR水分傳感器測量以上煤樣在不同位置的值，結果見表2。測試結果表明，同一煤種在同一位置測量的數據較為穩定，同一煤種在不同位置的結果值存在差異，但能較為客觀地反映加入不同質量的水時容積含水率的變化趨勢。根據FDR測試原理及數據對比分析判斷其測量結果可能與煤樣的緊實程度、煤樣本身的特性狀態有關。

表2 煙煤、無煙煤和褐煤在加入不同質量水時的容積含水率測定結果Table 2 Measurement results of volumetric moisture content of bituminous coal、anthracite and lignite when adding different mass of water %

2.2.2壓緊狀態下煤樣水分的穩定性與準確性測量

FDR水分傳感器采集壓緊狀態下煤樣水分數據的穩定性與準確性測量。為研究測試數據的差異因素，采用上述同樣的測試過程并將煤樣壓緊，分別測得煙煤、無煙煤和褐煤的水分結果見表3。

通過對不同煤種的煤樣壓緊后不同位置的重復測量，表明不同位置的測試結果差異顯著縮小。分析表3中的測試結果可知，采用FDR水分傳感器采集煤樣水分數據的穩定性與準確性良好，可進行進一步測試。

2.2.3觀察煤樣水分數據的變化趨勢

FDR水分傳感器在煤炭智能制樣系統制粉前干燥中動態采集煤樣水分數據，并觀察其變化趨勢。基于以上2次測量結果，可確定采用FDR水分傳感器測量容積含水率時具有快速、穩定、準確之特點，而其測定值在不同煤種、不同水分測量時存在差異，不能直接作為制粉前干燥結束條件的判斷依據，但基于煤樣在制粉前干燥過程中保持相對穩定的狀態，采用此技術進行煤樣干燥結束條件的判斷成為可能。

為進一步驗證測試，特根據煤炭制樣系統制粉前干燥流程要求進行動態測量檢測其變化趨勢。測試方案為將FDR水分傳感器插入煤樣中保持固定采集煤樣干燥過程中的實時水分數據，部分煤種測試情況如圖2～圖3所示。

圖2 1號煤種3次實時測試數據曲線Fig.2 Three real time test data curve of No.1 Coal

圖3 2號煤種3次實時測試數據曲線Fig.3 Three real time test data curve of No.2 Coal

通過測試顯示，在煤樣干燥過程中，其FDR水分傳感器的測值存在明顯一致的趨向性，即在干燥一段時間后，其值變化基本趨于平緩并最終達到較為穩定的狀態。

2.2.4數據歸一處理

根據多煤種實時測試數據結果顯示，在前期干燥過程實時測試數據不穩定，一段時間后測試數據呈現明顯一致的趨勢。經對比大量不同煤樣水分、不同煤種的實時測試數據分析，為排除不同煤種或同一煤種含水量、狀態不同導致初始值的差異，特進行數據歸一(即斜率)，即排除初始值的影響，以自身的數據進行比較，部分煤種測試數據歸一處理后如圖4～圖5所示。

圖4 1號煤種的3次斜率測試數據變化曲線Fig.4 Three real time test data(slope) curve of No.1 Coal

圖5 2號煤種的3次斜率測試數據變化曲線Fig.5 Three real time test data(slope) curve of No.2 Coal

通過數據分析與處理后，不同煤種、不同水分含量的干燥過程曲線已基本趨于一致，變化差值具有同比性。

2.2.5控制算法模型的建立

通過以上數據分析與數據驗證，可通過比較水分數據變化斜率的差值，當低于設定值時則判斷可結束干燥，如圖6所示。

圖6 控制算法模型流程Fig.6 Flow chart of control algorithm model

2.2.6控制算法模型的優化

根據測試過程數據情況，為避免水分傳感器偶爾采集異常數據、煤樣初始干燥時狀態不穩定對結果干燥判斷造成影響，特進行以下處理:基礎值A的取值可在干燥一段時間后再進行，為避免異常值的影響，某段時間范圍內采集的數據在剔除最大值、最小值后按式(1)求平均值，確定基礎值A。

(1)

固定周期內的數據在剔除最大值、最小值后按式(2)求平均值，從而確定比較值B。

(2)

比較值B的間隔取值周期可根據干燥機本身的干燥效率進行設置。比較值D值可根據大量不同煤種進行測試標定，確定合適的值。

3 實驗驗證

控制算法模型建立后，根據智能制樣系統的制樣流程要求，采用此控制算法模型進行煤樣制粉前干燥結束條件自動判斷。干燥后的煤樣進行制粉環節的通暢性檢驗，同時依據GB/T 211《煤中全水分的測定方法》進行測試煤種干燥前全水分(Mt)測定，對比自動判斷干燥結束后的煤樣水分損失率(B)與在溫度不高于40 ℃的環境下干燥到質量恒定的水分損失率(A)之差值，判斷其水分損失率是否接近，復核煤樣制樣的代表性要求。

經測試大量不同煤種不同水分含量的煤樣，即基于控制算法模型對部分煤樣進行制粉前干燥測試驗證，其結果見表4。

表4 基于控制算法模型進行制粉前煤樣干燥測試驗證的結果Table 4 Test results of coal sample drying before pulverization based on control algorithm model

結果表明通過此控制算法模型自動判斷干燥結束條件的技術能夠有效保證煤炭智能制樣系統制粉環節的通暢性，同時縮短了煤樣干燥時間，提升煤炭制樣系統制樣效率。因煤種種類繁多，此實驗驗證雖通過大量不同煤種的測試驗證了其可靠性，但無法保證能夠適應所有的煤種，還需在實際應用中進行大量的驗證。

4 結 語

通過實時分析FDR水分傳感器采集的煤樣水分數據并經過特定算法判斷干燥結束條件的技術通過上述測試與驗證證明:

(1)此種FDR水分傳感器測定煤樣中容積含水率的方法在煤樣的測試應用中穩定、可靠。

(2)通過此技術應用，不同水分含量、不同煤種在自動判斷結束干燥后可順利通過制粉環節制粉，滿足煤炭智能制樣系統自動化的要求。

(3)通過此技術應用以自動判斷煤樣干燥結束條件，可有效縮短干燥時間及提升智能制樣系統制樣效率，煤樣的代表性得到保障。