基于深度學習的浮選加藥控制系統

吳 剛 李紅強 鄭 杰

（兗煤菏澤能化有限公司，山東 菏澤 274705 ）

1 引言

國內浮選工藝加藥普遍使用藥劑自流方式，人工調整閥門控制加藥量，主要存在以下問題：

（1）專業性要求高，主觀性強，無法對泡沫狀態進行客觀評價。

（2）勞動強度大，無法進行無間斷地、長時間觀察。

（3）人工觀測精度低，無法對泡沫視覺特征進行量化表示。

（4）不利于浮選生產知識的積累。

靠人工測量，誤差波動大，成為制約浮選發展的一個瓶頸。采用圖像處理技術，通過客觀的計算調整加藥量，在目前是一個可行路線。趙樓煤礦浮選主要技術指標之一是精煤灰分，但精煤灰分測量困難，目前主要使用燃燒法與伽馬射線測量。燃燒法耗時長，一個批次檢測需要耗時約 45min，不能實時檢測。伽馬射線測量受精煤厚度、精煤含水量和含磁鐵礦粉量等影響波動較大，不易采用。因此，直接使用灰分作為反饋控制浮選加藥量不可行。而采用圖像分析方式，通過將浮選氣泡劃分成幾個波動范圍，間接反應灰分波動區間的軟測量，成為最佳方案。

2 總體設計

針對趙樓煤礦選煤中心浮選人工加藥自動化程度低、勞動強度大的情況，統計工人操作經驗與浮選氣泡對應關系，深入研究分析加藥量與氣泡狀態內在聯系。通過采集浮選槽內浮選泡沫工況圖像，運用圖像處理技術評估浮選效果作為反饋，對浮選預處理器中加藥量實時調整，加藥量即為控制量，最終調整精煤灰分，達到控制被控量目的。浮選加藥控制系統主要結合了圖像處理技術與過程控制技術。其總體框圖如圖 1 所示[1]。

3 基于深度學習煤泥浮選泡沫圖像分類研究

目前，廣泛使用的浮選泡沫分類方法較多，但無一例外是通過人工提取圖像信息實現分類，需要復雜的圖像預處理與提取算法，且容易受到環境干擾影響準確率。深度卷積神經網絡作為深度學習的一種高效手段，避免了對圖像的預處理，直接輸入原始圖像，獲取分類結果[2]。

針對煤泥浮選泡沫圖像，目前并沒有公開數據集可用，故采集了趙樓選煤廠現場圖像用于訓練。通過對煤泥浮選泡沫圖像進行大量分析研究，在煤質、給水量等因素不變的情況下，調整加藥量，發現其主要分為如圖2 所示4 類典型圖像：

A 類氣泡：狀態最優，表面存在大量密集細小氣泡。

B 類氣泡：狀態良好，氣泡密集，大小相對A類稍大。

C 類氣泡：狀態一般，存在大量小氣泡，同時混存一些大氣泡。

D 類氣泡：狀態不合格，無細小氣泡，存在大量大氣泡，氣泡虛且粘連嚴重。

通過輸入大量多種狀態的訓練數據集，有助于網絡獲得較好的泛化能力。數據集中共分為如圖2所示A、B、C、D 類氣泡，每類下均有訓練集、交叉驗證集、測試集，圖像像素均為1080*960。所采圖像包含車間全天不同時段、不同天氣、浮選槽霧氣較大等多種影響圖像效果的狀況，各類數量如表1 所示。

圖1 基于深度學習的浮選加藥控制系統框圖

表1 煤泥浮選泡沫數據集數目

為解決在夜晚車間光線不足情況下傳統方法煤泥浮選泡沫圖像分類效果不理想的問題，建立了一個含有8 層的深度神經網絡，如圖3 所示。通過大量數據訓練，抽取圖像本質信息，逐層過濾以減小光線影響，提高識別準確率[3]。

圖 2 4 類典型煤泥浮選氣泡

圖3 浮選泡沫分類深度神經網絡圖

4 系統硬件設計

基于深度學習的煤泥浮選加藥控制系統硬件構成如圖 4 所示，主要包括以下部分：加藥控制系統、檢測系統、人際交互系統等。其中，加藥控制系統包括下位機 PLC、變頻器、隔膜計量泵和上位機工作站。上位機工作站用于運算神經網絡分類以及氣泡數量測定，PLC 依據圖像反饋發送速度值到變頻器，進而驅動隔膜計量泵。檢測系統包括測量藥劑桶內液位高度的傳感器、浮選池圖像采集系統。人際交互系統為 WinCC 界面，顯示當前運行狀況，可操作系統運行。

圖4 浮選加藥智能控制系統硬件構成

5 系統軟件設計

系統的軟件架構總體設計如圖5 所示，包括三個部分。第一部分，即檢測和執行環節，PLC 將采集到的藥罐內液位實時高度數據，經過網絡傳遞給 PC 機，并接收 PC 機發出的加藥量指令，控制變頻器相應運轉。第二部分，圖像采集子系統，通過高清球機將礦化氣泡圖像傳遞到 PC 機上，由搭建好的深度卷積神經網絡推理泡沫種類，并計算泡沫數量。第三部分是以 WinCC 為核心的人機交互界面，有權限的操作員可以通過界面切換系統運行模式，觀察系統運行參數與浮選氣泡狀態，手動模式下可手動調整加藥量。

圖5 系統軟件構成框圖

WinCC 操作界面如圖6 所示，兩套加藥系統位于界面左右兩側，配有手動/自動切換按鈕。自動狀態下，系統將采集泡沫圖像進行運算，依據運算結果自動調整加藥量；手動狀態下，通過手動拉動滾動條，向 PLC 發送固定的加藥量值，可手動拉動調整。藥桶上配有液位顯示圖案，同時數字顯示液位高度。每臺計量泵旁有實時流量顯示文本，因計量泵一次沖程加藥量固定，可根據計量泵運行速度計算獲得實時流量，經實際測量，該值穩定可靠。

圖6 Wincc 操作界面

6 結語

通過研究趙樓煤礦選煤中心浮選加藥工藝，利用圖像處理技術與人工智能技術，設計出功能完善、自動調整、運行穩定、維護簡單的自動加藥控制系統。該加藥系統可指定灰分值要求，檢測浮選泡沫工況，相應調整加藥量以改變灰分值，提高綜合效益。該加藥系統克服了傳統需要依靠工人經驗、不斷觀察浮選槽、手動調整加藥量的弊端，避免了浮選司機和藥劑的直接接觸，保障了員工身體健康，降低了勞動強度[4]。