矿井带式输送机节能优化与智能控制系统研究

严 策

（陕西彬长小庄矿业有限公司，陕西 咸阳 713500）

1 基于激光辅助视觉技术的煤矿带式输送机运煤流量自动化监测与分析

目前，在煤矿带式输送机运煤流量的监测中，主要应用的检测装置包括电子皮带秤、核子皮带秤、超声波皮带秤和视觉测量法，除了电子皮带秤为接触式检测方法以外，其余均为非接触式检测方法[1]。这些测量技术在一定程度上解决了煤矿带式运输机运煤流量的检测问题，但是在自动化和智能化方面的开发程度较低，无法为评估运煤流量和带式输送机的能耗等提供准确的依据。该文基于激光辅助视觉技术提出一种新的智能化和无人化的煤流量检测技术，如图1 所示。具体原理是利用激光高亮度和方向集中的特点对带式运输机进行激光光束的透射，高亮的激光束在每块表面形成条纹，随后触发与矿井输煤系统地面控制管理平台相联的光学摄像设备，实时、不间断地采集皮带机上的煤块断面图像，通过设定的图像以及设备的三角法相似原理计算激光光束条纹相对皮带基准面的高度，结合控制平台中输入的带式输送机速度可以计算带式输送机的运煤量[2]。

该文采用的激光发射器的输出功率为0.5 mW～30.0 mW，激光波长为635 nm，最大工作电流小于60 mA，发散角度为88°，1 m 处线宽为3 mm，工作温度为-20℃～60℃。摄像机的传感器类型为1/1.8″Progressive Scan CMOS，有效像素为2 000 000 px，宽动态范围为120 dB，焦距为2.8 mm～12.0 mm F1.4，通信进口为自适应以太网接口，主码流分辨率为50 Hz 20 f/s（1920×1080），最低照度黑白色时为0.0001Lux@（F1.2，AGC ON），彩色时为0.0007Lux@（F1.2，AGC ON），采样帧率设置为20 f/s[3]。

为了测试皮带机速度与运煤流量之间的关系，基于激光辅助视觉技术对皮带机上的断面进行图像采集，并按测试的断面曲线换算为运煤质量。换算时，煤炭的质量密度为0.92 g/cm3，将带式输送机的运行速度设置为3 种工况，分别为0.5 m/s、1.5 m/s 和3.0 m/s，运输煤流量的真实值分别为441.6 t/h、883.2 t/h 和1 766.5 t/h，获得的采样点数分别为1 500 个、600 个和300 个。不同皮带机速度下基于激光辅助视觉技术的矿井皮带机运煤流量监测曲线如图2 所示。

图2 不同皮带速下运煤流量监测曲线

由图2可知，3种不同矿井带式输送机速度条件下的运煤流量曲线变化大致相同，分为3 个阶段，分别为快速增加阶段、稳定阶段和快速下降阶段，随机抽取8 个实测数据并与实际运煤流量值进行比较，其相对误差计算结果见表1。由表1 可知，3 种不同输送机的速度计算值均比实测值略小，且这种误差值非常小，均小于0.15%，表明基于激光辅助视觉技术的矿井皮带机运煤流量监测精度较高，可以实现自动化和智能化控制运煤流量的目标。

表1 不同皮带速下基于激光辅助视觉技术的矿井皮带机运煤流量监测结果

2 基于BP 神经网络计算的矿井带式输送机智能化节能控制

BP 神经网络是在基本人工神经网络基础上发展的人工智能算法，不仅有从输入层到隐藏层再到输出层的正向计算，而且会将输出结果与目标值进行比较，当出现较大误差时，不断调整输入层和隐藏层的权重，不断迭代计算，从输出层到输入层进行反向传播，直到输出结果与目标结果的误差小于阈值并趋于稳定。典型的BP 神经网络计算原理如图3 所示。

图3 典型BP 神经网络算法结构原理图

假设输入层的节点输入值为xi，输入层节点与隐藏层节点之间的权重为wij，那么可以得到隐藏层的输出结果yj，如公式（1）所示。

式中：f为网络函数；neti为网络节点的传递函数，；θj为预测误差。

在正向传递中，假设隐藏层节点与输出层节点的权重为Tli，那么可以得到输出层的输出结果zk，如公式（2）所示。

各个节点之间的输出误差如公式（3）所示[4]。

式中：E为各个节点之间的输出误差；ti为实际值。

根据输出层的输出值zk、隐藏层额输出值yj和各节点的输出误差E进行反向传递，计算方法如公式（4）所示。

式中：tm为m节点的输出值；tl为l层的输出值；yj为隐藏层的输出值。

3 矿井带式输送机智能化节能控制系统框架

为了实现矿井带式输送机的自动化、智能化节能控制功能，达到远程遥控的目的，对矿井带式输送机控制系统的总体架构进行设计，如图4 所示。智能化矿井带式输送机系统的主要模块包括数据采集模块、数据传输模块、数据远程访问模块和数据处理模块[5]。

图4 矿井带式输送机智能化节能控制系统框架设计

矿井带式输送机智能化节能控制系统的数据采集模块可以对矿井带式输送机的状态曲线或数据进行实时展示，记录皮带机的运输速度、运煤流量、输送机功率和电压等数据。

4 基于BP 神经网络计算的矿井带式输送机智能化节能控制效果分析

在实际运行过程中，矿井带输送机的运行速度和功率消耗都会不断发生变化，为了保证矿井带式输送机智能化节能控制系统能够灵敏地计算运输机的功率，该文基于BP神经网络算法设置了不同运煤流量测试值，计算矿井带式运输机的功率消耗，从而得到节能优化的最优解。

矿井带式输送机在不同速度下的皮带机载荷如图5 所示，具体数据见表2。由图5 可知，随着矿井带式输送机速度的提高，3 种工况的皮带机载荷均呈非线性增加，随着运煤流量的增加，皮带机载荷也不断增加，当运煤流量为440 t/h 时，皮带机的载荷速度增加得较慢，而当运煤流量为880 t/h、1 800 t/h 时，皮带机的载荷速度增加得较快。

表2 矿井带式输送机速度与皮带机载荷关系

图5 矿井带式输送机速度与皮带机载荷关系曲线

不同运煤流量下矿井带式输送机消耗功率关系如图6所示。由图6 可知，随着运煤流量增加，矿井带输送机的消耗功率呈不断增加的趋势，当运煤流量小于525 t/h 时，矿井带输送机消耗功率提高的速度较慢，当运煤流量大于525 t/h 时，矿井带输送机消耗功率提高的速度较快。

图6 不同运煤流量条件下矿井带式输送机消耗功率关系曲线

5 结语

该文基于激光辅助视觉技术对煤矿带式输送机运煤流量进行自动化监测，研究了矿井带式输送机智能化节能控制系统的框架设计，并基于BP 神经网络对矿井带式输送机在不同运煤流量下的皮带机载荷和功率消耗进行了预测，得到以下3 个结论：1） 基于激光辅助视觉技术对煤矿带式输送机运煤流量的监测表明，输送机在3 种不同速度下，计算值均比实测值略小且这种误差值控制得非常小，均小于0.15%，表明基于激光辅助视觉技术的矿井皮带机运煤流量监测精度较高，可以实现自动化和智能化控制运煤流量的目标。2） 随着矿井带式输送机速度的提高，3 种工况的皮带机载荷均呈非线性增加，随着运煤流量的增加，皮带机载荷也不断增加，当运煤流量为440 t/h 时，皮带机的载荷速度增加得较慢，当运煤流量为880 t/h、1 800 t/h 时，皮带机的载荷速度增加得较快。3） 随着运煤流量的增加，矿井带输送机的消耗功率呈不断提高的趋势，当运煤流量小于525t/h 时，矿井带输送机消耗功率提高的速度较慢，当运煤流量大于525 t/h 时，矿井带输送机消耗功率提高的速度较快。