皮帶輸送機“依載調速”關鍵技術的研究

晉紀巖

一、概述

冀中能源峰峰集團位于邯鄲市西部，大多數礦井煤炭運輸采用皮帶機來完成，能耗大，工作容量占整座礦井工作容量約30%，而且皮帶配備冗余功率容量達20%。由于變頻調速具備先進的調速功能和卓越的節能效果，因此得到了煤礦的青睞及廣泛應用。但是目前煤炭皮帶運輸控制系統配備的變頻器只是用來實現皮帶的軟起軟停，并沒有在運輸過程中實現調速。針對這種現狀，本文提出利用皮帶監控圖像，通過圖像處理算法，得出皮帶上的煤量在皮帶上的占空比，實時估算出皮帶上的煤量，再將結果傳送變頻器的調速電路，實現根據皮帶上的煤量實時調速的目的，實現節能節排的目的。

二、煤量計量系統的實現

（一）、圖像處理

圖像分析中，圖像質量的好壞直接影響識別算法的設計與效果的精度，因此在圖像分析前，需要進行預處理。增強有關信息的可檢測性、最大限度地簡化數據，從而改進特征提取、圖像分割、匹配和識別的可靠性。

將彩色圖像轉化成為灰度圖像的過程稱為圖像的灰度化處理。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，其像素點的變化范圍為0到255，所以在數字圖像處理種一般先將各種格式的圖像轉變成灰度圖像以使后續的圖像的計算量變得少一些。

（二）、圖像濾波處理

在采集和傳輸過程中，圖像往往被噪聲污染而質量下降，污染圖像的噪聲的主要來源有電子噪聲、光電噪聲、元器件材料本身引起的噪聲、成像媒介（如大氣等）隨機擾動引起的噪聲等。

（三）、圖像分割

圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。從數學角度來看，圖像分割是將數字圖像劃分成互不相交的區域的過程。圖像分割的過程也是一個標記過程，即把屬于同一區域的像索賦予相同的編號。

（四）、閾值分割

閾值分割算法的關鍵是確定閾值，如果能確定一個合適的閾值就可準確地將圖像分割開來。閾值確定后，將閾值與像素點的灰度值逐個進行比較，而且像素分割可對各像素并行地進行，分割的結果直接給出圖像區域。閾值分割的優點是計算簡單、運算效率較高、速度快。

（五）、區域分割

區域生長是從某個或者某些像素點出發，最后得到整個區域，進而實現目標提取。分裂合并差不多是區域生長的逆過程：從整個圖像出發，不斷分裂得到各個子區域，然后再把前景區域合并，實現目標提取。

2.2.2.1.7邊緣分割

不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特征可以分割圖像。圖像中邊緣處像素的灰度值不連續，這種不連續性可通過求導數來檢測到。Sobel算子在邊緣檢測算子擴大了其模版，在邊緣檢測的同時盡量削弱了噪聲。其模版大小為3×3，其將方向差分運算與局部加權平均相結合來提取邊緣。在求取圖像梯度之前，先進行加權平均，然后進行未分，加強了對噪聲的一致。在對精度要求不是很高的場合下，Sobel 算子是一種較為常用的邊緣檢測算法。

在分析對比了不同的灰度化處理的特點的基礎上，結合煤礦井下的實際要求，選用了分量法的灰度處理方法。

三、計量系統的標定

在大多數條件下這些參數必須通過實驗與計算才能得到，這個求解參數的過程就稱之為相機標定（或攝像機標定）。相機標定中所要確定的幾何模型參數分為內參和外參兩種類型。相機內參的作用是確定相機從三維空間到二維圖像的投影關系。相機外參的作用是確定相機坐標與世界坐標系之間相對位置關系。

（一）、體積模型

計算截面面積可采用統計屬于某一灰度或某一灰度級范圍的像素點數的方法來實現，稱為數點法。數點法原理簡單，但需要把物體邊界確定后，再對物體逐行掃描一遍才能計算出物體邊界包含的像素總數，因此數點法會花費較多計算時間。下面介紹的面積計算方法根據物體的邊界點計算面積，這種方法可以在邊界跟蹤的同時計算面積，因而提高了計算效率。

（二）、帶式輸送機功耗模型的建立與優化

本節主要分析帶式輸送機參數對控制系統的影響，運用RBF神經網絡建立帶式輸送機速度、負載與功耗的功耗模型，基于粒子群算法對RBF神經網絡模型參數進行優化，得出煤量與帶速之間的節能匹配關系。得出煤量與帶速、電流之間的節能匹配關系，電流是作為永磁電滾筒過載的判據，防止負載突然增大導致悶車。

（三）、帶式輸送機RBF神經網絡功耗模型的建立

影響帶式輸送機功率的主要因素是煤量和帶速，而在實際生產工作中功率即功耗和煤量、帶速的關系無法用精確的數學公式表達，而徑向基函數神經網絡能夠逼近任意非線性函數，故可采用RBF（徑向基函數）神經網絡擬合功耗、煤量和帶速三者的關系模型，同時得到永磁電滾筒的正常工作電流。構建 RBF 徑向基函數神經網絡首先要確定網絡結構，通常情況下，其包括輸入變量、輸出變量、隱含層個數、隱層中神經元數及每層傳遞函數的確定。

（四）、粒子群算法對功耗模型參數的優化

粒子群優化（PSO）是一個CAS系統，鳥類群落系統的研究。

改變 Q的大小和V對應的范圍就可以得出功率P最小時對應的帶速V。由于煤量不可能一直固定不變，為了避免速度變化頻率過快，導致系統穩定性降低，故障增多等問題，故將煤流量劃分區間，煤量變化間隔根據實際工況而定。功耗模型建立完成后可以得到煤量-帶速和煤量-電流兩條曲線，煤量-帶速曲線作為帶式輸送機調速的依據，煤量-電流曲線用來判斷是否過載。由于煤量在時刻變化，為了避免速度變化頻率過快，導致系統穩定性降低，故障增多等問題，故將煤流量劃分區間，煤量變化間隔根據實際工況而定。

四、自適應調速系統實現

首先通過基于圖像處理的煤量計量方法得到煤量，然后采用RBF神經網絡建立帶式輸送機的功耗模型，并通過粒子群算法對功耗模型參數進行優化。最后得出帶式輸送機煤量與帶速之間的節能匹配關系以及正常工作電流，即得到最優運行速度及此時工作電流，將速度與電流傳輸給永磁電滾筒變頻器，在工作電流正常的前提下對帶式輸送機的速度進行調節，自適應調速實現。

五、結束語

企業為創造經濟利益，利用節能降耗來降低生產成本是當前的必經之路。根據煤量對皮帶進行實時變頻調速是實現節能降耗的一種較好的途徑，值得煤礦企業進行推廣與應用。