井下煤和矸石液压式自动分选技术

针对当前煤矿生产过程中,煤炭出井后进行煤、矸分选,排放大量的矸石,介绍了一种井下煤、矸石自动分选方法,该方法利用煤、矸石的破碎力不同,采用液压旋转分选油缸对煤、矸石进行破碎性自动分选,实现煤炭开采过程中,在井下直接把矸石分选出来,将矸石留在井下。     

煤矿矸石自动分选中图像处理与识别技术的应用

文章以提升煤块和矸石进行自动筛选系统技术为研究目的,初步在理论上创新图像处理技术,加强人工智能技术在煤块和矸石自动筛选技术中的应用,对原始图像进行平滑滤波、边缘增强和分割等一系列处理,利用煤块和矸石的灰度直方图特征,有效筛选煤块和矸石,提升煤炭工业生产水平和技术平台。     

煤与矸石图像特征分析及试验研究

为实现基于机器视觉的绿色高效、高智能化的煤矸分选。探讨了煤和矸石共420张图像的2个灰度特征和4个纹理特征的分布情况,并分别模拟生产中的光照、淋水、粉尘环境对煤和矸石进行了图像采集,研究其对煤矸图像特征的影响;此外,针对光照强弱、湿度、煤粉沾染程度和样品种类4个试验因素,对影响因素进行了量化处理,应用Box-Benhnken Design(BBD)试验设计理论设计四因素三水平试验,以样本灰度均值为响应指标,研究各因素对煤矸图像灰度值影响的显著性及其交互作用,从而得到区分煤和矸石的最明显特征。特征分析表明,煤和矸石的灰度特征比纹理特征具有更好的区分度,从灰度均值和峰值来看,6～36 W的光照条件对灰度均值影响有限,却使灰度峰值波动严重;样本表面喷雾量的增加使灰度均值和峰值大幅下降,以0.08 g的喷雾量为转折点,灰度均值呈现出先急后缓的对数曲线下降趋势;煤粉量与灰度均值呈一次线性反比关系,灰矸的线性比例约为块煤和黑矸的4～5倍;单因素试验表明灰度峰值对环境变化较为敏感,而响应面试验表明煤和矸石的灰度均值在同一水平下区分度明显。研究结果有利于推进机器视觉煤矸分选技术的应用,实现井下煤矸分选...     

煤和矸石破碎分选试验研究

介绍了井下煤矸直射式冲击破碎筛分装置的结构和工作原理,并利用该装置进行了煤和矸石分离试验。该装置的高速输送带能够使煤和矸石高速冲击破碎板,利用煤和矸石的硬度差异进行选择性破碎。试验表明:50 mm筛下破碎率随着冲击速度的提高呈线性增长,随物料硬度的增加呈指数关系衰减,利用冲击破碎的方法对煤和矸石进行选择破碎筛分,可以实现煤和矸石的有效分离。     

基于图像处理与识别技术的煤矿矸石自动分选

矸石分选是煤矿生产的重要环节,即在煤块中将矸石挑选出来,目前我国大块矸石的分选大多采用手选,工人劳动强度大,生产效率低,工作环境恶劣,严重影响着人工的身心健康,通过采用图像处理和模式识别技术对煤块和矸石进行识别,再结合计算机技术和机械自动化技术,从而达到煤矸自动分选的目的。     

基于图像处理技术与InceptionV3神经网络的煤矸图像识别研究

采用支持向量机对比分析了SVM分类器与InceptionV3网络模型两种方式对煤矸图像的识别准确率。首先对煤和矸石图片进行灰度、降噪处理,提取煤和矸石灰度特征值,确定了灰度方差与灰度均值是区分煤和矸石的有效特征。然后选用SVM分类器与InceptionV3网络模型两种方式分别对采集到的煤和矸石图像各2 000张分为20组进行分类处理。结果发现,以灰度方差为判别依据的SVM分类器对煤矸图像的平均识别正确率为72.3%,以灰度均值为判别依据的InceptionV3网络模型对煤矸图像的平均识别正确率为85.7%.     

基于图像处理的煤矸识别方法

综合考虑煤和矸石图像的灰度特征和纹理特征,在对图像进行滤波、增强等预处理后,筛选出灰度直方图的均值、峰值,GLCM的能量、对比度和熵,Tamura纹理的对比度这6个特征组成特征向量,送入LS-SVM进行识别。研究结果表明：基于3种特征结合的LS-SVM煤矸识别有效地提高了识别率。     

大块煤矸机械分选技术的改造实践

针对白龙洗煤厂采用人工拣煤造成大块煤矸无法入洗的问题,该厂提出了大块煤矸机械分选技术的改造。采用了SSC800系列分级破碎机,调整了机械分选系统,增加了集中与就地监控系统,采取了相应的节能技术措施。实践应用解决了洗选问题,降低了工人的劳动强度,保证了安全生产。     

煤矸破碎分选统计规律的研究

通过在实验机上对煤与矸石选择性破碎分选进行初步实验，相应得到概率曲线图，从图中利用概率值做出煤、矸分选的优化控制。     

煤和矸石选择性破碎分选理论研究

通过对煤和矸石力学参数尺寸效应的研究,利用指数函数对各力学参数进行拟合,获得了各种岩石在不同粒径条件下的力学参数;借助玛洛金公式,对煤与矸石的冲击破碎速度进行计算,获得了煤和各种岩类矸石的冲击破碎速度范围,指出原煤之中不含类煤类岩石或类煤类岩石含量较少时可以进行煤和矸石的选择性破碎分选,并且煤和矸石的物理力学性质差别越大,选择性破碎分选的效果会越好。     

图像处理在煤矸石分选系统中的应用

煤矸石分选是煤矿生产中的重要环节。提出一种基于图像处理的煤矸石分选方法。利用搭建的图像采集系统采集煤块和矸石图像,对采集的图像进行图像剪切、图像平滑等预处理操作,计算图像灰度直方图,从中提取灰度均值和标准差指标,为分选机构提供判断依据。研究表明,煤块灰度均值明显小于矸石灰度均值,灰度均值指标能有效地识别出煤块和矸石,可代替人眼用于块煤预排矸过程。     

基于运动分析和仿真的井下弹道式煤矸分选研究

介绍了一种新型井下煤矸分选方法——弹道式煤矸分选.通过对斜碰撞过程中原煤(混矸)球的运动分析,推导出基于碰撞恢复系数的物料块反弹距离公式.运用计算机仿真对理论推导结果进行验证,并分析了理论推导结果和仿真结果出现差异的原因.     

基于多通道数据耦合技术的智能机器人系统在煤矸分选中的研究与应用

针对原煤车间苦、脏、累、险的人工拣选工作,付村煤业有限公司选煤厂采用非放射性煤矸识别技术,设计开发了集物料识别系统、执行系统、控制系统以及管理系统为一体的智能煤矸分选系统,实现矸石及煤的自动识别、自动分拣、自动煤矸分流处理。生产实践表明：该系统使煤矸分选工艺环节从落后的人工控制方式转变为高效稳定的智能控制方式,煤矸分选效率≥98%。系统运行稳定可靠,提高了选煤厂自动化、智能化程度。     

煤矸石与煤的自动分选

介绍利用煤矸石的导磁性及色度差异对煤矸石及煤进行预选以提高煤品位的方法，重点介绍了磁电选。该方法对实现预选自动化，改善劳动条件，提高生产率，是一条有效的途径。     

对细粒煤分选技术的见解

介绍了3GDMC1500/1100A大型无压给料三产品重介质旋流器不分级、不脱泥分选极难选煤的总体效果,指出其分选下限已达0.25 mm。阐述了没有必要将原料煤分级、脱泥后分别用重介质(或跳汰)分选机、干扰床煤泥分选机进行分选的理由。     

细粒煤干法分选技术的研究

通过对振动流化床特性的分析，得出振动流化床可以达到适用于细粒煤分选的流化状态，在理论分析的基础上进行了细糕革分选研究，结果表明，在适当的工艺和操作条件下，振动流化床可以有效地分选－６ｍｍ粒级细粒煤，可能偏差Ｅｐ值达０．０７，是一种有效的细粒煤干法分选技术。     

井下煤和矸石选择性破碎研究

为了解决不同物料的选择性破碎问题,以井下煤和矸石破碎分离机为例,采用液压式选择性破碎的方法,结合对辊破碎机的结构,从破碎辊筒运动与液压缸受力的角度进行分析,确定了选择性破碎的条件,并导出了液压缸推力与物料抗压强度、物料粒度、物料与辊筒接触状况以及辊筒结构之间的数学表达式,为后续设计高效率选择性破碎机提供了理论依据。     

弹道式煤矸分选中煤矸石恢复系数的数值计算

为使弹道式煤矸分选技术更方便用于实际生产,解决煤和矸石恢复系数实验测量不便的问题,通过对煤和矸石与反弹板接触过程的分析,采用线性阻尼接触过程模型对碰撞振动过程进行研究,得到煤和矸石与钢质反弹板碰撞恢复系数的数学表达式;并分析了影响恢复系数的因素,绘制出二者的关系曲线.