VCS智能干选机的试验研究.pdf

VCS 智能干选机的试验研究涂 灿(合肥泰禾卓海智能科技有限公司,安徽 合肥 230000)摘 要:基于双能 X 射线研制的 VCS 智能立式干选机可实现 1350 mm 粒级范围内的精准识别和高效分离。通过试验验证,最小目标设置为 3 mm 时,不扩阀时喷吹系统执行率可达99.5%,测试结果表明:矸石召回率为 99.1%,煤的召回率为 98.5%,煤中带矸率 1.9%,矸中带煤率 1%。对于 1325 mm 和 2550 mm 粒级的煤矸样品进行识别,识别率高达 99%以上,其中 2550 mm 粒级物料占比越多,识别效果会越好。关键词:干法选煤;智能立式干选机;工作原理;选煤设备中图分类号:TD451 文献标识码:A 文章编号:1005-8397(2023)06-0037-05Experimental research on VCS intelligent dry coal separatorTU Can(Hefei Taihe Zhuohai Intelligent Technology Co.,Ltd.,Hefei,Anhui 230000,China)Abstract:Based on dual-energy X-rays technology,the VCS intelligent vertical dry coal separator can realize accurate identification and efficient separation of coal ranging 1350 mm in size.The experient verified that the implementation rate can reach 99.5%when the minimum target value is set 3,and the test results show that the recall rate is 99.1%for gangue and 98.5%for coal,1.9%gangue in coal,and 1%coal in gangue.For the identification of coal gangue samples with particle sizes of 1325 mm and 2550 mm,the identification rate is more than 99%,and the identification result will be much better when 2550 mm particle size sample proportion is higher.Keywords:dry coal separation;intelligent vertical dry coal separator;working principle;coal separation equipment收稿日期:2023-04-10 DOI:10.16200/ki.11-2627/td.2023.06.010作者简介:涂 灿(1990),男,安徽安庆人,2013 年毕业于安徽理工大学矿物加工工程专业,工学学士,合肥泰禾卓海智能科技有限公司助理工程师。引用格式:涂 灿.VCS 智能干选机的试验研究 J.煤炭加工与综合利用,2023(6):37-41.煤炭在我国能源结构中占据着重要地位,在能源体系中发挥了基础性保障作用1,2。近些年,随着煤质变差及采掘机械化程度的提高,伴生矿物及岩石大量混入原煤,直接使用原煤会造成严重的环境污染,因此选煤是提升煤炭质量,减少无效运输和降低环境污染的重要手段,也是实现煤炭清洁高效利用的最为经济有效的方法。近10 a,我国原煤入选比例从 2012 年的 56.1%提高到 2022 年的 69.7%3。为了实现“双碳”战略目标,加快推进煤炭清洁高效利用,必须大力发展选煤技术。1 干法选煤的必要性和智能干法选煤的发展1.1 干法选煤的必要性及现状煤炭洗选加工主要有湿法和干法选煤工艺。我国煤炭资源赋存情况是西部多、中部富、东部趋于枯竭,以大兴安岭太行山沿线为界,中东部是煤炭需求量较大的地区。虽然内蒙古东部、新疆等高寒和干旱地区煤炭资源丰富,但伴生矿物多为泥岩,原煤易泥化4。同时黄河几字弯地区虽然有六大煤炭基地,但开发黄河流域的煤炭资源,存在棘手的现实问题,煤炭资源储量占全国的 2/3,水资源却不到全国总量的 1/255,煤炭分布和水资源上的错配使得湿法选煤技术的应用受到较大限制。干法选煤技术是缺水煤炭生产基地与易泥化煤炭高效分选提质的重要途径,在解决湿法技术痛点的同时,可协同发展干湿法工艺,共同推动煤炭使用过程中的清洁高效利用6。干法选煤主要是利用煤与矸石的物理性质差73煤炭加工与综合利用No.6,2023 COAL PROCESSING&COMPREHENSIVE UTILIZATION 别进行分选,干法选煤方法有风选、拣选、摩擦选、磁选、电选、X 射线选、微波选、空气重介质流化床选煤等7。根据分选原理不同,主要分为风力分选、气固流态化分选和光电分选。干法选煤工艺在不借助水的作用下进行有效的煤炭分选,具有占地面积小、运行成本低、建设周期短等优点,也可使选煤工艺流程简化。干法选煤可以有效解决易泥化煤炭湿法分选难度大的问题,减少水资源的使用,从根本上提高了企业的经济效益8,9。我国从 20 世纪 80 年代开始对干法选煤技术进行探索,如今在光电(智能)干法分选机、大型复合式干法分选机、新一代干法重介质流化床分选机等方面取得重大突破,原创技术处于国际领先水平2。1.2 智能干法选煤设备的发展随着干法选煤设备的发展和应用,智能干法选煤工艺在我国煤炭分选行业得到了越来越广泛的关注。目前,干法选煤应用比较成熟的主要有智能光电分选、复合式干法分选等技术,其中运用光电分选技术进行干选的方式是通过射线识别和图像识别技术,运用深度学习算法等先进技术,对被测煤矸图像的灰度及纹理进行分析,或通过射线照射物料呈现出不同的特点来进行识别,采用分选机构依据成像属性或物体射线衰减差异,实现了对块煤的精准识别与分选13。干法选煤的一个局限是处理细粒级物料,较多的研究关注于粒度在 50 mm 以上的处理对象。韩成石教授14较早将 射线运用到煤矸石的识别分选,阐述了分选系统的原理及构成,并对 50150 mm 的煤矸石进行分选,排矸准确率能够达到85%以上,取得了良好的分选效果。孔力、张朴等人基于 射线的透射原理提出了 2 种煤矸石在线识别模型,消除了煤矸石厚度对识别准确度的影响,此后又基于 双能射线研制了煤矸在线识别系统,将其用于 50150 mm 的煤矸石分选时识别率高达 90%。程学珍17等人将 双能射线与数字图像技术相结合,设计了新型煤矸石在线识别系统,并将单片机用于物料的识别,并控制分选系统的动作,模拟试验表明,该系统对煤矸石的识别率在 87%以上。目前市场上针对粒度小于 50 mm 的煤矸智能分选研究和实践相对较少。泰禾卓海作为合肥泰禾智能科技集团股份有限公司控股子公司,依靠集团在 AI 智能分选领域的技术优势,成功研发出国内首台 AI 智能干法立式选煤设备,填补 13 25 mm、25 50 mm粒级 X 射线智能干法选煤关键装备的空白,开启AI 智能干法选煤厂的新时代。该智能干法选煤新设备是将 X 双能射线分选与数字图像识别等技术相结合,而 X 射线分选中通过双能 R 值法,对物质的高低能衰减进行拟合来消除 X 射线分选过程中物料厚度对分选产生的影响,这种方法的运用大大提高了干选机对 1350 mm 粒级煤矸石进行分选的能力。该技术利用先进成像和人工智能图像识别技术为煤和矿石的分选提供了安全、高效、环保的技术解决方案。2 智能干式选煤设备的工作原理及特点智能干式选煤设备(VCS 立式机)采用了七大核心应用技术,分别为多维光谱成像(CCD/CMOS/X 射线)技术、物质晶体快速识别技术、中心定位剔除算法、空中 3D 捕捉成像、智能干法选煤工艺、AI 类人脑识别、图像模糊还原技术。其中的 X 射线分选技术是该全新一代 AI 智能干法选煤生产设备的主要核心技术。2.1 设备的工作原理VCS 智能干选系统主要包括给料、布料、识别、执行等主系统以及供风、除尘、配电、控制等辅助系统,VCS 立式干选机结构见图 1。图 1 VCS 智能干选机工作原理示意VCS 智能立式干选机采用双能 X 射线扫描成像系统,X 射线的穿透力与物质密度有关,双能X 射线图像既能利用灰度、纹理特征对煤矸进行识别,具有较高识别率,又能完全忽视厚度效应83 煤炭加工与综合利用2023 年第 6 期带来的“易将较厚的煤识别为矸石、较薄的矸石识别为煤”影响。利用双能 X 射线穿过该物质后的衰弱强度不同可以把密度不同的物质分开来,然后针对不同的煤质特征建立与之相适应的分析模型,通过大数据分析,对煤与矸石进行数字化识别,最终通过智能排矸系统将矸石排出。2.2 VCS 智能立式干选机的优势及适用范围2.2.1 VCS 智能立式干选机的优势该设备利用双能 X 射线扫描成像系统采集自由下落/滑槽下落物料的图像,采用空中 AI 成像技术,大幅度提升分选精度;信噪比更高,适应粒级更宽(6200 mm),适用于小块煤分选,处理能力高达 400 t/h。物料从振动筛出料后自由下落至溜槽,全程无物理接触,不存在机械故障风险;喷吹系统水平布置,不易堵塞。物料下落至识别系统区域即可加速至 3 m/s,至喷阀处速度约 5 m/s,同等条件下比带式智能干选机处理量高 30%。设备系统简单稳定、可靠,可实现无人值守,运行状态智能化在线监测。2.2.2 设备的适应范围1350 mm 立式干选机 VCS-B 能够有效地将1350 mm 的细颗粒煤和矸石矿物进行选别。其技术参数及设备选型建议如表 1 所示。表 1 1350 mm 立式干选机 VCS-B 选型立式给料机宽度/mm1 8003 6005 4007 200处理能力/(th-1)6080120160理论配套厂型(按单台计算)/(Mta-1)0.81.01.62.02.43.03.24.0机型尺寸(长宽高)/mm586629472983(以 1 800 mm 设备为例)3 智能干式选煤设备在现场的应用案例图 2 VCS-B 型立式干选机在煤矿现场布置3.1 设备布置情况VCS 智能立式干选机运用双能 X 射线能够将1350 mm 范围内的矸石和煤以较高的准确性进行分离。将 VCS 智能立式干选机布置在原煤分级筛之后,可智能分选出精煤和矸石产品。该设备在煤矿生产现场得到了应用,西部某煤矿现场布置如图 2 所示。3.2 VCS 智能立式干选机分选效果3.2.1 喷吹系统执行率测试对于粒度范围在 13 25 mm 的样品进行试验,执行率结果如表 2 所示。表 2 1325 mm 物料执行率测试数量/个过槽数量/个执行率/%延时时间/ms上下扩阀左右扩阀最小目标1 00099499.4505421 00099099.0501131 00099199.1501131 00099599.5501131 00098698.6501141 00098598.5501141 00098898.850114由表 2 可知中,虽然扩阀后执行率变好,但是整体提升不大。最小目标设置为 4 mm 时,会有很多 58 mm 物料落在近槽内,少部分 811 mm的物料落在近槽内,综合考虑后建议最小目标设置为 3 mm,在不扩阀的情况下,执行率为 99%。3.2.2 配制物料测试结果试验煤样为动力煤,产物分别为煤(密度小于 1.6 g/cm3),矸石(密度大于 2.0 g/cm3),针对粒度范围处于 1325 mm 物料,调节吹嘴防护板后再进行试验测试,所得到的试验结果如表 3所示,煤与矸石的模型召回率如表 4 所示。932023 年第 6 期涂 灿:VCS 智能干选机的试验研究表 3 1325 mm 物料综合跑料测试序号矸石/个煤/个近槽矸石/个远槽煤/个矸中带煤率/%煤中带矸率/%备注11 200 1 20046211.83.82500500540.81.03500500330.60.64500500661.21.255005001051.02.06500500791.81.47500500551.01.085005006112.21.29500500981.61.8105005001471.42.811500500871.41.6125005001271.42.4131 200 1 20032151.32.7扩阀 3141 200 1 20023252.11.9扩阀 3155005001030.62.0扩阀 316500500620.41.2扩阀 317500500310.20.6扩阀 318500500730.61.4扩阀 3综合 11 100 11 1002121421.31.9表 4 煤与矸石的模型召回率序号煤/个矸石/个召回率/%最小尺寸/mm11 2931299.132493 20598.53针对煤和矸石开展了大量的试验和统计分析,同时考虑扩阀对识别效果的影响,模型召回率矸石(密度大于 2.0 g/cm3)99.1%,煤(密度小于1.6 g/cm3)98.5%,其中矸石较硬、密度较大,最终效果较好,煤中带矸率 1.9%,矸中带煤率 1%。(1)小纪汗煤矿测试。小纪汗煤矿的 13 50 mm 物料综合跑料测试见表 5,小纪汗煤矿物料召回率见表 6,其中 1325 mm 的矸石召回率较差,可能与岩石成分有关,所以最终效果不佳。表 5 小纪汗煤矿 1350 mm 物料综合跑料测试粒级/mm矸石/kg煤/kg近槽矸石/kg远槽煤/kg矸中带煤率/%煤中带矸率/%132539.538.91.40.71.803.5425506.85.50.20.11.493.57综合46.344.41.60.81.763.54表 6 小纪汗煤矿 1350 mm 物料召回率测试粒级/mm煤/个矸石/个召回率/%最小尺寸/mm1325721799.032550151 47799.43针对 1325 mm 物料,采用纯白矸石测试,效果相较于灰矸石要稍好,结果如表 7 所示。最终矸中带煤率 3%,煤中带矸率 2.5%。表 7 小纪汗煤矿 1325 mm 物料综合跑料测试序号矸石/个煤/个近槽矸石/个远槽煤/个矸中带煤率/%煤中带矸率/%备注143075011225.11.5阈值 0.5243075020112.62.7阈值 0.934803502081.75.7阈值 0.9448035015122.54.3阈值 0.758501 10016323.81.5阈值 0.768501 10027202.42.5阈值 0.8综合3 5204 4001091053.02.5 (2)南岭煤矿测试。针对南岭煤矿 13 50 mm 物料测试如表 8 所示。其中矸中带煤率1.9%,煤中带矸率 1.3%。2550 mm 物料识别率较高,1325 mm 识别率稍低,此次物料煤的形状偏圆形,矸石偏片状,因此跑料测试与物料形状也有一定关系。对 1350 mm 物料模型跑料测试结果可知,13 25 mm 召回率,煤 98.4%,矸石 97.2%;2550 mm 召回率,煤 99.4%,矸石 99.4%。从模型结果看,13 25 mm 要差一些,煤低 1%,矸石低 2%。单独测 1325 mm 物料,煤识别率 98.5%,1 827 个目标,1 800 个煤;矸石识别率 91.3%,736 个目标,672 个目标,矸石较差。多数识别错误原因是片状物料及跨图识别错误。单独测 25 50 mm 物料,煤识别率应该在04 煤炭加工与综合利用2023 年第 6 期99%以上,接近模型精度,矸石识别率应该在99%以上,接近模型精度(647 个目标,610 个矸石,94.2%,最终按照吹落目标计算)。物料在测试模型识别率时,测煤时吹矸石,测矸石时吹煤,查看最终分选效果,这样数据最准确。表 8 南岭煤矿 1350 mm 物料综合跑料测试粒级/mm矸石/kg煤/kg近槽矸石/kg远槽煤/kg矸中带煤率/%煤中带矸率/%132514.116.90.20.32.11.2255021.823.00.30.41.81.3综合35.939.90.50.71.91.3 由表 8 可知,小粒级物料,物料被跨图切割后,如果剩余边缘比较小,容易识别错误,对于2550 mm 影响不大,1325 mm 有一定的影响。另外片状的矸石容易被识别成煤,测试约有 10%左右会被识别错误。在 1350 mm 模型测试中,1325 mm 粒级物料识别较差,2550 mm 粒级识别较好,在 1350 mm 粒级混合测试中,整体效果较好,会被 2550 mm 粒级物料拉高。其中2550 mm 粒级物料占比越多,效果会越好。4 结 语(1)VCS 智能立式干选机实现了 1350 mm粒度范围内的精准识别和高效分离,执行率可达99%以上。动力煤煤矿的煤样测试结果表明:模型召回率矸石 99.1%,煤 98.5%,煤中带矸率1.9%,矸中带煤率 1%。对于 1325 mm 和 2550 mm 粒级的煤矸样品进行识别,识别率高达99%以上,其中 2550 mm 粒级物料占比越多,识别效果会越好。(2)VCS 智能立式干选机设备的研发弥补了传统干选下限高的不足,并为选煤厂的改造提供了选型和布置的现实依据。该设备可实现全粒级干法分选,设备工艺简单,占地空间面积小,大大减少了投资与运维成本,提高了吨煤的经济效益。此外,该设备提高了煤炭企业选煤智能化水平,减少了管理成本,同时具有应用范围广、能适应各种煤质的特点,推动了智能化选煤厂建设。参考文献1 国家统计局.中华人民共和国 2022 年国民经济和社会发展统计公报 EB/OL.2023-02-28.2 许红娜.煤炭干法分选技术应用场景及展望 J.煤炭加工与综合利用,2022(1):63-65.3 丁怡婷.全国煤矿智能化采掘工作面超千处 N/OL.人民日报,2023-03-29.4 李素环,夏云凯.X 射线块煤智能分选机在脏杂煤分选中的应用 J.洁净煤技术,2021,27(S2):47-52.5 王琼杰.“双碳”目标下难改煤炭主体能源地位 N/OL.中国矿业报,2021-07-19.6 张赣苏,董 良,周恩会,等.干法重介质流化床压力多尺度分析与流化质量表征 J.煤炭科学技术,2023,51(4):215-223.7 陈清如,杨玉芬.21 世纪高效干法选煤技术的发展J.中国矿业大学学报,2001,30(6):1-4.8 赵跃民,张亚东,周恩会,等.清洁高效干法选煤研究进展与展望 J.中国矿业大学学报,2022,51(3):607-616.9 韦鲁滨,张 振,朱长勇,等.宁东矿区粉煤变径脉动气流干法提质联合工艺研究 J.煤炭工程,2021,53(3):46-51.10 杨慧刚,乔志敏.基于 X 射线和机器视觉的煤与矸石分选系统设计 J.工矿自动化,2017,43(3):85-89.11 陈 立,杜文华,曾志强,等.基于小波变换的煤矸石自动分选方法 J.工矿自动化,2018,44(12):60-64.12 王家臣,李良晖,杨胜利.不同照度下煤矸图像灰度及纹理特征提取的实验研究 J.煤炭学报,2018,43(11):3051-3061.13 冯岸岸.智能分选过程中煤矸 X 射线识别技术的研究D.淮南:安徽理工大学,2019.14 韩成石,董长双,周西军,等.煤和矸石-射线分选系统的研究 J.山西矿业学院学报,1997,15(2):45-49.15 张 朴,孔 力,徐 琦.双能 射线透射法煤矸在线识别仪的研制 J.工业仪表与自动化装置,1999(3):55-57.16 张 朴,孔 力,黄心汉.基于双能 射线的煤矸在线识别模型研究 J.工业仪表与自动化装置,2000(2):53-55.17 程学珍,王 伟,卫阿盈.煤与矸石在线分选系统设计J.工矿自动化,2013,39(8):95-98.142023 年第 6 期涂 灿:VCS 智能干选机的试验研究