煤炭機器人智能制樣系統性能分析與試驗研究

周 媛 周 璐 王永超 羅隕飛，2

(1.力鴻智信(北京)科技有限公司，北京市順義區，101312； 2.中國質量檢驗協會煤炭專業委員會，北京市順義區，100125； 3.北京華夏力鴻商品檢驗有限公司滄州渤海新區分公司，河北省滄州市，061000 )

1 引言

長久以來，我國煤炭樣品的制備工作通常是采用人工操作或者聯合制樣機輔助人工的方式進行，主要包括破碎、篩分、混合和縮分等過程，但是所使用的制樣設備需要一定的周期且由于需要人員操作及制樣工序的轉接，存在制樣周期長、工人勞動強度大、工作環境惡劣、制樣效率低等實際操作問題，還包括隨之帶來的制樣精度難以保證、偏倚過大以及人為誤差和二次污染等問題。這不僅僅給企業的管理工作帶來了極大的困難，同時還容易在煤炭貿易發展過程中發生供需雙方的質量糾紛，難以滿足行業質量控制和質量提升工作的要求。

近年來，國內外各研發單位開始對煤炭自動制樣系統進行研發，逐步研制出了集破碎、縮分、干燥、制粉、稱重、包裝、除塵等功能于一體的全自動煤炭制樣系統。盡管這些自動制樣系統大大減輕了制樣工人的工作勞動強度，改善制樣環境，提高了檢測數據的準確性，但仍然存在著一些問題亟待解決，例如離線制樣時必須有人值守；主要設備的除塵效率有待提高，除塵布局需優化；面對不同客戶的留樣需求，該系統也無法滿足客戶需求等。

為了從根本上消除人為因素帶來的質量糾紛，提升系統整體的自動化和智能化程度，滿足制樣精度和不同用戶個性化的需求，力鴻智信(北京)科技有限公司設計、研發和生產制造了IPS煤炭機器人智能制樣系統，該系統集煤炭破碎、縮分、干燥、制粉、稱重、包裝、除塵等功能于一體，可實現自感知、自判斷、自適應、自執行、自學習，是一套可實現完全無人值守的智能制樣系統。它不僅有效避免了因人工操作而帶來的人為誤差和二次污染等問題，同時也降低了人工勞動強度、改善了制樣車間環境，為實現智能化、信息化在煤炭行業的應用奠定了基礎。

2 煤炭機器人智能制樣系統結構及工藝流程

2.1 系統結構

煤炭機器人智能制樣系統主要由制樣前置處理單元、大樣處理單元自動對接系統、人工加料系統、入料系統、出料系統、機器人制樣單元和控制系統等系統單元組成，其中機器人制樣單元還包括破碎單元、研磨單元、縮分單元、烘干單元、恒溫恒濕單元以及智能灌裝單元，其結構示意如圖1所示。

圖1 機器人智能制樣系統結構示意圖

2.2 工藝流程

煤炭機器人智能制樣系統的工作流程如圖2所示。

3 性能試驗設計

3.1 各環節損失率及系統損失率檢驗

選取20～30 kg不同質量的煤樣分別通過煤炭機器人智能制樣系統，并記錄各環節留樣質量和棄樣質量，根據留樣和棄樣質量可計算各環節損失量和各環節損失率、系統總損失量和總損失率。如此重復進行10組試驗，以10組試驗結果的平均值作為損失量的最終結果并進行最終判定。

圖2 煤炭機器人智能制樣系統工作流程

3.2 質量縮分比檢驗

該設備選取質量區間為20～120 kg煤樣分別進行切割次數和留樣質量檢驗，收集每組試驗后的棄樣以計算6 mm破碎縮分單元的損失率。每種質量區間進行不同組數試驗，取每組平均值作為最終試驗結果。每個質量區間進行3組試驗，以3組試驗結果的平均值作為每個質量區間的最終結果并進行最終判定。

3.3 各級破碎粒度檢驗

從入料系統處加入一個樣品經6 mm破碎機破碎后收集全部留樣和棄樣并稱重。根據《煤樣的制備方法》(GB 474-2008)標準，使用6 mm標準篩分別對收集的試樣進行篩分，計算其標稱最大粒度。如此重復進行40組試驗，以40組試驗結果的平均值作為出料粒度的最終結果并進行最終判定。

3.4 不同灰分煤種交叉制樣檢驗

選取不同灰分的兩種煤，將其隨機依次進入機器人智能制樣系統進行制樣試驗，將制得樣品的灰分與人工制樣試驗對比。如此重復進行10組試驗，以10組試驗結果標準偏差進行判定。

3.5 全水分、灰分等參數偏倚檢驗

將同一煤種依次進入機器人智能制樣系統進行制樣試驗，將機器人制得的全水分樣品和灰分樣品與人工制樣試驗比對。如此重復進行20組，以20組試驗結果方差進行判定。

3.6 精密度檢驗

按照《煤樣的制備方法》(GB 474-2008)和《煤炭機械化采樣》(GB/T 19494.3-2004)標準所述的方法，從0.2 mm縮分階段制成的連續20對一般分析試驗煤樣品中隨機抽取10對試樣，測定試樣的空干基水分和空干基灰分，得到干基灰分，進行精密度試驗，根據試驗結果判定該系統的精密度是否符合要求。

4 結果分析

4.1 系統整體損失率

在該系統的各級留樣量均滿足國家標準要求的前提下，記錄煤炭機器人智能制樣系統的各級留樣質量，計算系統的整體損失量，其數據結果見表1。

表1 系統損失量及損失率實驗結果

由表1可以看出，該系統的最大整體損失率為2.93%，平均損失率為2.56%，滿足國標的要求。

4.2 質量縮分比

通過對煤樣入料質量及留樣質量的統計，可以得出每次縮分過程的質量比和平均值，其應滿足《錘式破碎縮分聯合制樣機通用技術條件》(MT/T 936-2005)中對質量縮分比的技術要求。質量縮分比從一定程度上反映了縮分樣品是否具有代表性，其制樣精度是否符合要求，煤樣在制樣過程中是否產生偏移量等關鍵性能指標。不同入料質量與切割次數見表2。

表2 不同入料質量與切割次數

在煤流經過縮分器進行縮分時，其有效切割次數必須大于60次，根據表2可知，在不同進煤質量的條件下，其縮分器的平均有效切割次數均大于60次，滿足要求。在有效切割次數滿足要求的條件下，縮分精度實驗結果見表3。

該系統的自適應定質量縮分程序可根據進樣時自動稱量得到的進樣質量，計算出定質量縮分的縮分比，智能調整最優的縮分參數，在入料量為20～120 kg的范圍內，使切割次數和留樣質量穩定且滿足國標要求。

4.3 各級破碎機出料粒度檢驗

為了確定煤炭機器人智能制樣系統的出料粒度，對各級煤樣進行篩分試驗，試驗數據見表4、表5和表6。經過一、二、三級破碎機破碎后煤樣的標稱最大粒徑分別為6.0 mm、3.0 mm和0.2 mm。

表3 縮分精度試驗結果

表4 一級破碎篩分試驗(全水樣)

表5 二級破碎機篩分試驗(存查樣)

每一階段破碎過程均對其破碎后煤樣粒度分布有預期要求，每個環節的篩上物質量均有其相應的標準要求。一級破碎縮分出料粒度≤6 mm，要求過篩率≥95%；二級破碎縮分出料粒度≤3 mm，要求過篩率≥99%；研磨機出料粒度≤0.2 mm，要求過篩率≥98%。

表6 研磨機篩分試驗(分析樣)

根據以上試驗數據表明，煤炭機器人智能制樣系統的6 mm和3 mm樣品均滿足國標的要求，一般分析試驗0.2 mm樣品粒度基本滿足要求。

4.4 不同灰分煤種交叉制樣

將高灰煤和低灰煤按順序依次進入煤炭機器人智能制樣系統，一共20組。其灰分化驗結果見表7。

表7 不同煤種交叉制樣灰分數據

表7的灰分化驗結果數據表明，在高灰煤和低灰煤連續依次進樣時，不存在混煤現象，該系統在連續多次制備高、低灰樣品時，其檢測結果的準確度和穩定性都與人工制樣檢測結果相差無幾，能夠很好滿足制樣的需求。

4.5 偏倚

4.5.1 灰分偏倚

將煤炭機器人智能制樣系統所制備出的一般分析試驗樣品與人工制備出的一般分析試驗樣品進行化驗，測定其灰分和發熱量，進行偏倚測定。由表7可知，煤樣灰分原始數據統計可疑值為第11對子樣，|dmax|=0.70%，∑d2=1.3673，計算C=0.358。灰分中位值排序見表8，灰分群數的計算見表9。

表8 灰分中位值排序

由表8查得C20=0.480，由于C

表9 灰分群數的計算

由表8和表9可知，差值的中位值為0.045%，計算差值符號的轉換數(群數)r= 11；n1=8，n2=10；根據《煤炭機械化采樣》(GB/T 19494.3-2004)標準查得，此時顯著性下限L為7，顯著性上限U為13，r落在L和U之間，說明這一差值系列相互獨立。

灰分設定的最大偏倚為0.2%，實際檢測結果表明，煤炭機器人制樣系統不存在灰分的實質性偏倚。

4.5.2 干基高位發熱量偏倚

煤樣干基高位發熱量試驗數據統計見表10。

表10 干基高位發熱量試驗數據統計

由表10可知，可疑值為第11對子樣，|dmax|=0.22%，∑d2=0.1496，計算C=0.267。由《煤炭機械化采樣》(GB/T 19494.3-2004)標準查得C20=0.480；由于C

干基高位發熱量中位值排序見表11，干基高位發熱量群數的計算見表12。

表11 干基高位發熱量中位值排序

由表11和表12可知，差值的中位值為0.00%，計算差值符號的轉換數(群數)r= 11；n1=9，n2=10；根據《煤炭機械化采樣》(GB/T 19494.3-2004)標準查得，此時顯著性下限L為7，顯著性上限U為14，r落在L和U之間，說明這一差值系列相互獨立。

干基高位發熱量設定的最大偏倚為0.17 MJ/kg，實際檢測結果表明，制樣系統不存在干基高位發熱量的實質性偏倚。

表12 干基高位發熱量群數的計算

4.5.3 收到基低位發熱量偏倚

煤樣收到基低位發熱量試驗數據統計見表13。

表13 收到基低位發熱量試驗數據統計

由表13可知，可疑值為第11對子樣，|dmax|=0.28%，∑d2=0.3097，計算可得C=0.253。由《煤炭機械化采樣》(GB/T 19494.3-2004)標準查得，C20=0.480；由于C

收到基低位發熱量中位值排序見表14，收到基低位發熱量群數的計算見表15。

表14 收到基低位發熱量中位值排序

由表14和表15可知，差值的中位值為0.06%，計算差值符號的轉換數(群數)r= 9；n1=10，n2=10；根據《煤炭機械化采樣》(GB/T 19494.3-2004)標準查得，此時顯著性下限L為7，顯著性上限U為15，r落在L和U之間，說明這一差值系列相互獨立。

表15 收到基低位發熱量群數的計算

收到基低位發熱量設定的最大偏倚為0.17 MJ/kg，實際檢測結果表明，制樣系統不存在收到基低位發熱量的實質性偏倚。

4.6 精密度

表16 精密度試驗數據及處理

5 結語

通過對煤炭機器人智能制樣系統的性能試驗，其灰分及全水分偏倚、精密度都滿足標準要求，證明該系統可以代替人工及其他自動設備用于煤炭樣品的制備，該系統操作簡單、維護方便，其模塊化設計便于技術的改造和更新換代。煤炭機器人智能制樣系統的應用能夠改善人工制樣較為惡劣的現場環境，提高制樣工作效率，保證煤樣的代表性。煤炭機器人智能制樣系統的應用示范表明，該技術成果在煤炭制樣領域已經達到了國際領先水平，具有很強的使用價值和市場價值，為后續該系統的廣泛應用提供了有力的基礎。