礦物組分對智能分選X射線識別規(guī)律研究

朱金波，尹建強，楊晨光，周 偉，朱宏政，張 勇，史苘檜，曾秋予，郭永存，楊 科

(安徽理工大學(xué) 材料科學(xué)與工程學(xué)院，安徽 淮南 232001)

0 引 言

智能光電分選技術(shù)應(yīng)用于煤矸分選領(lǐng)域[1-2]，與傳統(tǒng)選煤方法相比，具有速度快、精度高、模塊化及集成擴展性強、運行成本和能耗低、易于操作維護(hù)、不用水等優(yōu)勢，近年來在選煤行業(yè)迅速發(fā)展[3-4]。如韓城礦業(yè)2016年引進(jìn)美國BIRTLEY公司雙能X射線煤矸分選設(shè)備用于井上分選。山東能源臨礦集團(tuán)王樓煤礦2018年在井下成功應(yīng)用煤矸智能干選設(shè)備。國內(nèi)自主研發(fā)的煤矸光電分選機近年來發(fā)展迅速，逐漸由地面向井下發(fā)展[5-6]，由于井下空間限制，潮濕高溫、粉塵等因素影響，應(yīng)用難題較多，特別是煤矸光電分選技術(shù)與采煤、填充工藝相結(jié)合，國內(nèi)外未見報道和應(yīng)用案例[7]。采用智能分選方法，實現(xiàn)寬粒度范圍內(nèi)煤矸快速識別并準(zhǔn)確校正分離閾值[8]，做到等效煤矸按密度分選，必須深入研究煤矸礦物組成對X射線識別的影響規(guī)律[9-10]。

Robben等[11]利用X射線透射(XRT)傳感器對煤矸石進(jìn)行分選，有效降低了難選煤的灰分；Ketelhodt等[12]利用雙能X射線，有效識別褐煤中硫鐵礦，并進(jìn)行分選；Wang等[13]針對煤矸識別不準(zhǔn)確的問題，基于煤和矸石圖像的基本特征，利用數(shù)字圖像處理技術(shù)，擴大了煤和矸石圖像特征差異，提高了分選效率；Hou等[14]用神經(jīng)網(wǎng)絡(luò)方法，將煤與矸石的灰度特征與表面紋理相對應(yīng)，提高了識別精度。Pu等[15]利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)對煤矸石圖像進(jìn)行識別，并引入遷移學(xué)習(xí)的思想構(gòu)建自定義CNN模型，實現(xiàn)了計算能力有限條件下的有關(guān)礦物大量可訓(xùn)練參數(shù)計算。前人對于煤與矸石光電智能分選多聚焦在圖像處理上[16-17]，但鮮見從煤炭性質(zhì)與礦物組成等內(nèi)在因素研究影響X射線對煤與矸石識別的機理。

因此本文利用X射線穿透礦物原理，結(jié)合圖像灰度值提取方法，制備單一礦物、混合礦物及不同煤種試驗樣品，研究不同礦物組分在不同厚度及密度下，其灰度值的變化規(guī)律，擬合不同礦物的灰度值回歸方程，為進(jìn)一步提高煤和矸石的有效分選提供有意義的科學(xué)參考。

1 煤炭X射線識別原理及試驗研究

1.1 X射線識別礦物原理

當(dāng)X射線穿透物質(zhì)時，射線強度會發(fā)生變化而波長保持不變。當(dāng)X射線透射的物體密度高或厚度大，X射線強度會衰減較多；當(dāng)透射物體密度較低或尺度較薄時，X射線的強度衰減少，顯示在圖像上，灰度差別較大。對于煤炭來說，通常認(rèn)為密度較低的是煤，密度較高的是矸石，因此，對于一定強度的X射線，透射過煤的X射線量多，射線強度的衰減較少，用圖像表示的灰度值大；能透射矸石的X射線量少，射線強度的衰減較多，用圖像表示的灰度值小[18-20]。因此，X射線穿透煤的圖像顯示較亮，而矸石的圖像顯示較暗，如圖1所示。

圖1 煤和矸石的X射線動態(tài)圖像

1.2 試驗裝置及試樣

試驗裝置為國內(nèi)某X射線干法分選設(shè)備(圖2)，主要由X射線發(fā)生器、射線接收器、皮帶、計算機等組成。試驗時，將試驗樣品依次放在皮帶上，經(jīng)X射線發(fā)生器照射后，射線接收器將衰減后的電信號經(jīng)過計算機轉(zhuǎn)換成圖像信號，利用灰度值差異識別不同礦物。

圖2 試驗系統(tǒng)結(jié)構(gòu)示意

試驗樣品分別采用不同種類的煤樣和煤中主要礦物成分的純礦物。通過不同種類的煤樣研究X射線的衰減規(guī)律。進(jìn)一步通過單一礦物的X射線衰減規(guī)律研究煤中礦物成分對灰度值的影響。

1.3 試驗方案

制作煤、單一礦物、混合礦物3種不同類型的試驗樣品，研究礦物組分對X射線的影響規(guī)律，以厚度為變量，揭示厚度與灰度值的數(shù)學(xué)模型。

1)煤炭試驗樣品

試驗所用煤和矸石分別是淮北地區(qū)的焦煤、肥煤以及淮南地區(qū)的氣煤，含水量分別為1.26%、1.63%、2.02%，經(jīng)篩分后將煤樣分為30～50、50～100、30～100 mm三個粒度級，再經(jīng)過浮沉試驗將各粒度級煤樣分為1.3～1.4、1.4～1.5、1.5～1.6、1.6～1.7、1.7～1.8、>1.8 kg/L六個密度級。

2)單一礦物試驗樣品

試驗原料為石墨(0.013 mm)純度99.9%、石英(0.065 mm)純度98.9%、高嶺土(0.039 mm)純度99.8%、蒙脫石(0.039 mm)純度99.8%，含水量都在0.01%以下，原料性質(zhì)見表1。將4種礦物分別壓制成4.0、4.5、5.0、5.5、6.0、6.5、7.0 mm的7個不同厚度的純礦物壓片。

表1 試驗礦物性質(zhì)

3)混合礦物試驗樣品

將不同純礦物按相同比例混合壓制成不同厚度的混合礦物樣品(含水量在0.01%以下) ，以石墨占比為變量，具體見表2。

表2 混合礦物樣品制備

由于各試驗樣品含水量較低，且水分子相對于各礦物分子較小，所以試驗過程中，樣品含水量對試驗結(jié)果的影響可忽略不計。

2 煤中不同礦物組分對灰度值的影響規(guī)律

將石墨、石英、蒙脫石、高嶺石試樣壓片分別經(jīng)過X射線穿透，衰減后的射線信號由X射線接收器接受并轉(zhuǎn)化為數(shù)字信號，每種樣品形成高能、低能兩幅圖像，如圖3所示，利用MATLAB軟件對圖像進(jìn)行處理，統(tǒng)計灰度峰值。

圖3 單一礦物樣品灰度圖像

2.1 單一礦物組分成像特征分析

將單一礦物灰度峰值按照高能區(qū)和低能區(qū)繪成曲線，如圖4所示。

圖4 礦物組分及厚度與灰度峰值關(guān)系曲線

由圖4可知，單一礦的灰度值隨厚度增大而減小，且呈先快后慢的趨勢，與指數(shù)經(jīng)驗公式較符合。相同厚度時，4種單一礦物的灰度值主要趨勢為：石墨>高嶺石>石英>蒙脫石，對照其在自然狀態(tài)下密度表現(xiàn)(石墨<高嶺土<石英<蒙脫石)可以看出不同礦物密度越大灰度值越小。

以礦物厚度為自變量x，灰度值為因變量y，利用經(jīng)驗方程y=aebx(a、b為回歸系數(shù))擬合單一礦物的厚度-灰度峰值數(shù)值模型，單一礦物灰度值回歸方程見表3。

表3 單一礦物灰度值回歸方程

由表3可知，數(shù)值模型相關(guān)系數(shù)絕對值最低為0.862 7，表明石墨、石英、高嶺土和蒙脫石的厚度與灰度值呈現(xiàn)出良好的相關(guān)性，且這種關(guān)系不受礦物種類影響。

2.2 混合礦物成像特征分析

分別以2種、3種單一礦物均勻混合制樣，分析混合礦物圖像灰度值與厚度的關(guān)系，具體如圖5所示。

圖5 混合礦物灰度值曲線

由圖5可知，同一混合礦物，其灰度值隨厚度的增加而降低。相同厚度時，石墨與蒙脫石的混合礦物灰度值最小，而石墨與高嶺石的混合礦物灰度值最大。相同密度時，礦物質(zhì)含量隨厚度的增加而逐漸變大，X射線透過礦物后探測器接收到的衰減射線越少，經(jīng)計算機轉(zhuǎn)換并由Matlab軟件計算后的圖片灰度值越低。試驗中，蒙脫石密度最大，相同厚度時，石墨與蒙脫石的混合礦物密度最大，導(dǎo)致其灰度值最小，這與單一純礦物灰度值試驗結(jié)論保持一致。

通過分析純礦物，發(fā)現(xiàn)灰度值與厚度呈指數(shù)變化形式，因此混合礦物可按照經(jīng)驗公式進(jìn)行擬合，結(jié)果見表4。

表4 混合礦物灰度值回歸方程

選擇5.5 mm的純礦物和混合礦物，以石墨和石英為例，將x=5.5帶入純礦物低能區(qū)回歸方程得到灰度值分別為石墨159.51、石英128.88；而混合礦物低能區(qū)回歸方程中石墨∶石英為151.70。石墨與石英混合后密度介于石墨與石英之間，而灰度值也介于石墨與石英之間，符合X射線識別的基本規(guī)律，其他樣品經(jīng)驗證均符合這一規(guī)律。說明混合礦物的厚度與灰度值呈現(xiàn)出良好的相關(guān)關(guān)系，且不同礦物種類的相關(guān)關(guān)系趨勢相同。

3 不同類型煤炭的成像特征分析

將焦煤、氣煤、肥煤各密度級煤樣分別放入給料系統(tǒng)，經(jīng)計算機處理圖片后按照純礦物提取灰度值方法得到煤樣灰度值，如圖6所示。

圖6 不同煤種密度與灰度值關(guān)系

由圖6可知，不同煤炭的灰度值均隨密度的增大而逐漸減小，相同密度時，灰度值隨粒度增加逐漸減小，這與單一礦物及混合礦物的灰度值規(guī)律一致。進(jìn)一步分析可建立不同煤種在不同密度下的灰度值與煤炭粒度的模型y=aebx。針對以上3種煤樣可得到各自的回歸模型。其中肥煤灰度值衰減模型規(guī)律如圖7所示。由圖7可知，相同密度下，肥煤樣品的灰度值與粒度呈現(xiàn)出相關(guān)關(guān)系，焦煤與氣煤也具有相同的規(guī)律。

圖7 肥煤灰度值衰減模型

4 結(jié) 論

1)4種單一礦物和混合礦物試驗樣品在X射線下成像，利用MATLAB提取每個樣品圖片的灰度峰值，并通過回歸分析的方法分析樣品粒度與灰度之間的規(guī)律，其規(guī)律滿足經(jīng)驗方程y=aebx。

2)將自變量厚度5.5 mm分別帶入混合礦物和單一礦物的回歸方程，得到石墨的系數(shù)為159.51，石英為128.88，而石墨∶石英為151.70，與其密度區(qū)間相對應(yīng)的其他礦物均符合這一規(guī)律，說明灰度變化受到粒度和密度的影響。

3)在不同粒度的3種煤樣(焦煤、肥煤和氣煤)中通過浮沉試驗在每個粒度下選取不同密度的煤樣，統(tǒng)計其灰度值，其粒度和密度都與灰度值有顯著性規(guī)律，且與單一礦物和混合礦物的變化規(guī)律趨于一致。

5 展 望

1)根據(jù)煤和矸石對X射線響應(yīng)規(guī)律，結(jié)合煤矸粒子射線對圖像傳感器調(diào)制振幅靈敏度影響，可得出煤矸對應(yīng)圖像輸出間的規(guī)律。通過X射線對煤中礦物識別的研究，為精確分選各種尺度與種類煤炭與矸石提供了支撐。在研究X射線識別煤矸的基礎(chǔ)上，進(jìn)一步實現(xiàn)精準(zhǔn)分離。為井下煤矸智能分選實現(xiàn)源頭矸石減量，采-選-充協(xié)同作業(yè)提供可能。

2)結(jié)合所承擔(dān)的課題，需要進(jìn)一步研究井下復(fù)雜地質(zhì)條件、狹窄硐室空間、煤質(zhì)特性及產(chǎn)品質(zhì)量要求，研究深部井下煤炭高效分選的工藝流程，探索原煤準(zhǔn)備、煤炭分選、礦井水處理、智能監(jiān)控等工藝環(huán)節(jié)的精確匹配及協(xié)同優(yōu)化方法，確定適用于井下狹窄硐室空間的最優(yōu)分選工藝。

3)開發(fā)井下煤炭高效分選模塊式緊湊型可移動型分選系統(tǒng)，研究工藝及核心環(huán)節(jié)設(shè)備的模塊化、輕量化及可移動型結(jié)構(gòu)設(shè)計及空間布局，突破傳統(tǒng)地面層疊式布置理念，優(yōu)化工藝流程中各作業(yè)單元的時空聯(lián)系，構(gòu)建井下模塊式緊湊型煤炭高效分選系統(tǒng)，提出井下分選及就地充填系統(tǒng)空間布置協(xié)同優(yōu)化設(shè)計方法。