礦井帶式輸送機節(jié)能優(yōu)化與智能控制系統(tǒng)研究

嚴 策

（陜西彬長小莊礦業(yè)有限公司，陜西 咸陽 713500）

1 基于激光輔助視覺技術的煤礦帶式輸送機運煤流量自動化監(jiān)測與分析

目前，在煤礦帶式輸送機運煤流量的監(jiān)測中，主要應用的檢測裝置包括電子皮帶秤、核子皮帶秤、超聲波皮帶秤和視覺測量法，除了電子皮帶秤為接觸式檢測方法以外，其余均為非接觸式檢測方法[1]。這些測量技術在一定程度上解決了煤礦帶式運輸機運煤流量的檢測問題，但是在自動化和智能化方面的開發(fā)程度較低，無法為評估運煤流量和帶式輸送機的能耗等提供準確的依據(jù)。該文基于激光輔助視覺技術提出一種新的智能化和無人化的煤流量檢測技術，如圖1 所示。具體原理是利用激光高亮度和方向集中的特點對帶式運輸機進行激光光束的透射，高亮的激光束在每塊表面形成條紋，隨后觸發(fā)與礦井輸煤系統(tǒng)地面控制管理平臺相聯(lián)的光學攝像設備，實時、不間斷地采集皮帶機上的煤塊斷面圖像，通過設定的圖像以及設備的三角法相似原理計算激光光束條紋相對皮帶基準面的高度，結合控制平臺中輸入的帶式輸送機速度可以計算帶式輸送機的運煤量[2]。

該文采用的激光發(fā)射器的輸出功率為0.5 mW～30.0 mW，激光波長為635 nm，最大工作電流小于60 mA，發(fā)散角度為88°，1 m 處線寬為3 mm，工作溫度為-20℃～60℃。攝像機的傳感器類型為1/1.8″Progressive Scan CMOS，有效像素為2 000 000 px，寬動態(tài)范圍為120 dB，焦距為2.8 mm～12.0 mm F1.4，通信進口為自適應以太網(wǎng)接口，主碼流分辨率為50 Hz 20 f/s（1920×1080），最低照度黑白色時為0.0001Lux@（F1.2，AGC ON），彩色時為0.0007Lux@（F1.2，AGC ON），采樣幀率設置為20 f/s[3]。

為了測試皮帶機速度與運煤流量之間的關系，基于激光輔助視覺技術對皮帶機上的斷面進行圖像采集，并按測試的斷面曲線換算為運煤質量。換算時，煤炭的質量密度為0.92 g/cm3，將帶式輸送機的運行速度設置為3 種工況，分別為0.5 m/s、1.5 m/s 和3.0 m/s，運輸煤流量的真實值分別為441.6 t/h、883.2 t/h 和1 766.5 t/h，獲得的采樣點數(shù)分別為1 500 個、600 個和300 個。不同皮帶機速度下基于激光輔助視覺技術的礦井皮帶機運煤流量監(jiān)測曲線如圖2 所示。

圖2 不同皮帶速下運煤流量監(jiān)測曲線

由圖2可知，3種不同礦井帶式輸送機速度條件下的運煤流量曲線變化大致相同，分為3 個階段，分別為快速增加階段、穩(wěn)定階段和快速下降階段，隨機抽取8 個實測數(shù)據(jù)并與實際運煤流量值進行比較，其相對誤差計算結果見表1。由表1 可知，3 種不同輸送機的速度計算值均比實測值略小，且這種誤差值非常小，均小于0.15%，表明基于激光輔助視覺技術的礦井皮帶機運煤流量監(jiān)測精度較高，可以實現(xiàn)自動化和智能化控制運煤流量的目標。

表1 不同皮帶速下基于激光輔助視覺技術的礦井皮帶機運煤流量監(jiān)測結果

2 基于BP 神經(jīng)網(wǎng)絡計算的礦井帶式輸送機智能化節(jié)能控制

BP 神經(jīng)網(wǎng)絡是在基本人工神經(jīng)網(wǎng)絡基礎上發(fā)展的人工智能算法，不僅有從輸入層到隱藏層再到輸出層的正向計算，而且會將輸出結果與目標值進行比較，當出現(xiàn)較大誤差時，不斷調整輸入層和隱藏層的權重，不斷迭代計算，從輸出層到輸入層進行反向傳播，直到輸出結果與目標結果的誤差小于閾值并趨于穩(wěn)定。典型的BP 神經(jīng)網(wǎng)絡計算原理如圖3 所示。

圖3 典型BP 神經(jīng)網(wǎng)絡算法結構原理圖

假設輸入層的節(jié)點輸入值為xi，輸入層節(jié)點與隱藏層節(jié)點之間的權重為wij，那么可以得到隱藏層的輸出結果yj，如公式（1）所示。

式中：f為網(wǎng)絡函數(shù)；neti為網(wǎng)絡節(jié)點的傳遞函數(shù)，；θj為預測誤差。

在正向傳遞中，假設隱藏層節(jié)點與輸出層節(jié)點的權重為Tli，那么可以得到輸出層的輸出結果zk，如公式（2）所示。

各個節(jié)點之間的輸出誤差如公式（3）所示[4]。

式中：E為各個節(jié)點之間的輸出誤差；ti為實際值。

根據(jù)輸出層的輸出值zk、隱藏層額輸出值yj和各節(jié)點的輸出誤差E進行反向傳遞，計算方法如公式（4）所示。

式中：tm為m節(jié)點的輸出值；tl為l層的輸出值；yj為隱藏層的輸出值。

3 礦井帶式輸送機智能化節(jié)能控制系統(tǒng)框架

為了實現(xiàn)礦井帶式輸送機的自動化、智能化節(jié)能控制功能，達到遠程遙控的目的，對礦井帶式輸送機控制系統(tǒng)的總體架構進行設計，如圖4 所示。智能化礦井帶式輸送機系統(tǒng)的主要模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)傳輸模塊、數(shù)據(jù)遠程訪問模塊和數(shù)據(jù)處理模塊[5]。

圖4 礦井帶式輸送機智能化節(jié)能控制系統(tǒng)框架設計

礦井帶式輸送機智能化節(jié)能控制系統(tǒng)的數(shù)據(jù)采集模塊可以對礦井帶式輸送機的狀態(tài)曲線或數(shù)據(jù)進行實時展示，記錄皮帶機的運輸速度、運煤流量、輸送機功率和電壓等數(shù)據(jù)。

4 基于BP 神經(jīng)網(wǎng)絡計算的礦井帶式輸送機智能化節(jié)能控制效果分析

在實際運行過程中，礦井帶輸送機的運行速度和功率消耗都會不斷發(fā)生變化，為了保證礦井帶式輸送機智能化節(jié)能控制系統(tǒng)能夠靈敏地計算運輸機的功率，該文基于BP神經(jīng)網(wǎng)絡算法設置了不同運煤流量測試值，計算礦井帶式運輸機的功率消耗，從而得到節(jié)能優(yōu)化的最優(yōu)解。

礦井帶式輸送機在不同速度下的皮帶機載荷如圖5 所示，具體數(shù)據(jù)見表2。由圖5 可知，隨著礦井帶式輸送機速度的提高，3 種工況的皮帶機載荷均呈非線性增加，隨著運煤流量的增加，皮帶機載荷也不斷增加，當運煤流量為440 t/h 時，皮帶機的載荷速度增加得較慢，而當運煤流量為880 t/h、1 800 t/h 時，皮帶機的載荷速度增加得較快。

表2 礦井帶式輸送機速度與皮帶機載荷關系

圖5 礦井帶式輸送機速度與皮帶機載荷關系曲線

不同運煤流量下礦井帶式輸送機消耗功率關系如圖6所示。由圖6 可知，隨著運煤流量增加，礦井帶輸送機的消耗功率呈不斷增加的趨勢，當運煤流量小于525 t/h 時，礦井帶輸送機消耗功率提高的速度較慢，當運煤流量大于525 t/h 時，礦井帶輸送機消耗功率提高的速度較快。

圖6 不同運煤流量條件下礦井帶式輸送機消耗功率關系曲線

5 結語

該文基于激光輔助視覺技術對煤礦帶式輸送機運煤流量進行自動化監(jiān)測，研究了礦井帶式輸送機智能化節(jié)能控制系統(tǒng)的框架設計，并基于BP 神經(jīng)網(wǎng)絡對礦井帶式輸送機在不同運煤流量下的皮帶機載荷和功率消耗進行了預測，得到以下3 個結論：1） 基于激光輔助視覺技術對煤礦帶式輸送機運煤流量的監(jiān)測表明，輸送機在3 種不同速度下，計算值均比實測值略小且這種誤差值控制得非常小，均小于0.15%，表明基于激光輔助視覺技術的礦井皮帶機運煤流量監(jiān)測精度較高，可以實現(xiàn)自動化和智能化控制運煤流量的目標。2） 隨著礦井帶式輸送機速度的提高，3 種工況的皮帶機載荷均呈非線性增加，隨著運煤流量的增加，皮帶機載荷也不斷增加，當運煤流量為440 t/h 時，皮帶機的載荷速度增加得較慢，當運煤流量為880 t/h、1 800 t/h 時，皮帶機的載荷速度增加得較快。3） 隨著運煤流量的增加，礦井帶輸送機的消耗功率呈不斷提高的趨勢，當運煤流量小于525t/h 時，礦井帶輸送機消耗功率提高的速度較慢，當運煤流量大于525 t/h 時，礦井帶輸送機消耗功率提高的速度較快。