王建斌

（國能準(zhǔn)能集團選煤廠，內(nèi)蒙古 鄂爾多斯 010300）

0 引言

《中國制造2025》發(fā)展戰(zhàn)略指出，我國的智能制造工程要實現(xiàn)智能裝備和產(chǎn)品開發(fā)、智能化管理、智能化服務(wù)[1]。煤炭分選行業(yè)作為我國能源生產(chǎn)的重要環(huán)節(jié)，其智能化發(fā)展也是順應(yīng)國家發(fā)展規(guī)劃和國際發(fā)展潮流[2]。特別是在當(dāng)前“碳達(dá)峰、碳中和”的能源發(fā)展大背景下，發(fā)展智能化控制技術(shù)成為選煤行業(yè)技術(shù)進步的熱點。跳汰機是主要的煤炭分選設(shè)備之一[3]。根據(jù)統(tǒng)計，全世界約有50%的入洗原煤使用跳汰設(shè)備進行分選，我國約有60%產(chǎn)量的精煤來源于跳汰分選。跳汰機具有處理量大、入料范圍寬、分選效率高、技術(shù)成熟等優(yōu)點[3]。近年來，隨著智能化理論和技術(shù)的發(fā)展[2]，跳汰機的智能控制技術(shù)取得了長足進步[4]，有效改善了跳汰機對難選礦石或煤炭的分選效率，提高了跳汰機產(chǎn)品質(zhì)量和企業(yè)經(jīng)濟效益。基于此，本文對跳汰機分選過程的智能化研究和應(yīng)用現(xiàn)狀進行分析和總結(jié)。

1 跳汰機工作原理

空氣脈動式跳汰機是最為常見的跳汰設(shè)備，其分選原理如圖1 所示。由圖1 可知，空氣脈動式跳汰機通過風(fēng)閥將壓縮空氣交替地給入空氣室，從而驅(qū)動跳汰室內(nèi)的水流產(chǎn)生有規(guī)律的脈動；跳汰室內(nèi)由篩板承接一定厚度的物料床層，通過脈動水流使床層分散并按密度分層[5]；分層后的物料床層依次經(jīng)過矸石段和中煤段，通過排料裝置將物料排出，精煤則通過溢流排出。通常而言，跳汰機分選參數(shù)主要包括床層狀態(tài)、入料性質(zhì)和產(chǎn)品質(zhì)量，主要操作條件包括風(fēng)水制度和床層排料[6]。跳汰機控制的基本過程為：首先，檢測分選參數(shù)的當(dāng)前值；然后，根據(jù)分選參數(shù)測量值與設(shè)定值的偏差，計算操作條件的變化值；最后，調(diào)節(jié)操作變量使分選參數(shù)控制在設(shè)定值。

圖1 跳汰機工作原理Fig.1 Working principle of jigger

2 跳汰機分選參數(shù)智能感知技術(shù)

跳汰機分選參數(shù)的感知和檢測是實現(xiàn)智能化的第一步[7]。檢測的跳汰機分選參數(shù)主要包括床層狀態(tài)和產(chǎn)品指標(biāo)。床層狀態(tài)參數(shù)反映了物料按密度分層的情況[8]，決定了跳汰機分選效果的好壞，而產(chǎn)品指標(biāo)直接反映了跳汰機分選的最終結(jié)果。跳汰機床層狀態(tài)一般通過人工探桿或簡單的浮標(biāo)密度計進行檢測，而產(chǎn)品指標(biāo)（灰分）則通過采樣化驗的方式離線測量。顯然，這種傳統(tǒng)的檢測方法缺乏時效性，也無法準(zhǔn)確快速地反映跳汰機的分選參數(shù)。近年來，跳汰機分選參數(shù)智能感知技術(shù)得到快速發(fā)展，大大提升了檢測的速度和準(zhǔn)確性。

采用浮標(biāo)裝置是檢測跳汰床層狀態(tài)最常用的方法之一[9-12]。趙建林等[13]提出了一種實時檢測床層松散度的方法：在跳汰床層沿寬度方向分別安裝了矸石浮標(biāo)①、煤層浮標(biāo)②、水位浮標(biāo)③，并通過超聲波傳感器檢測煤層/矸石層的脈動高度數(shù)據(jù)，再轉(zhuǎn)化為物料層的松散度，如圖2 所示。除了常用的浮標(biāo)檢測方法，楊大海等[14-15]在床層設(shè)置了電子探桿，電子探桿能夠自動插入床層，測量并收集床層的壓力，并通過探桿傳輸?shù)膲毫η€反應(yīng)床層密度、厚度和松散度；郭麗紅[16]使用電子探桿對DMST-20 型跳汰機的床層進行檢測，電子探桿安裝了浮力傳感器并可以通過電機帶動在床層上下移動，有效檢測煤水混合物物料層變化；CIERPISZ 等[17-19]使用輻射度計測量床層狀態(tài)，通過模擬濾波器和離散濾波器實現(xiàn)了動態(tài)精確測量跳汰機內(nèi)床層的分散度和密度，輻射探測器的信號可變度很高，能夠應(yīng)對大范圍內(nèi)的檢測信號變化。

圖2 浮標(biāo)法檢測床層參數(shù)Fig.2 Bed parameters detected by buoy method

跳汰機產(chǎn)品指標(biāo)檢測最常用的手段包括有源灰分檢測儀或無源灰分檢測儀、圖像光譜灰分儀、中子活化灰分儀等[20]。無源灰分檢測技術(shù)包括紅外漫反射法、天然γ 射線測量法、激光誘導(dǎo)擊穿光譜法（LIBS）。LIBS 技術(shù)可以在樣品經(jīng)過簡單的預(yù)處理后進行全元素快速檢測，檢測下限低且能實現(xiàn)工業(yè)在線分析，有較好的應(yīng)用前景[21]。有源灰分檢測技術(shù)包括γ 射線和X 射線兩類。雙能γ 射線透射法通過放射源的被吸收量直接測定灰分，使用中、低能γ 射線透射同一煤層，并測量二者強度的衰減，可以直接測量輸送帶上煤的灰分，不需要樣品制備，結(jié)果可靠、準(zhǔn)確且適應(yīng)性廣泛[22]。武國平等[23]報道了跳汰產(chǎn)品的灰分檢測流程，如圖3 所示。該流程通過插板采樣裝置和在線灰分儀，能快速地從帶式輸送機上完成跳汰產(chǎn)品的灰分在線檢測。龍浩等[24]報道了X 射線圖像處理測灰法，根據(jù)煤層X 射線圖像中灰度分布的特點進行灰分檢測，該技術(shù)對每張圖像的檢測在7 s 左右，且檢測準(zhǔn)確率可達(dá)到90%以上。張慶利[25]使用攝像和視覺圖像處理技術(shù)，去除了煤炭圖像檢測的干擾，并基于分組特征的匹配算法給出檢測灰分的范圍，很好地實現(xiàn)了灰分的在線監(jiān)測。

圖3 跳汰產(chǎn)品灰分自動檢測流程Fig.3 Automatic process of ash detection for jigging products

3 跳汰機床層狀態(tài)智能控制技術(shù)

床層狀態(tài)直接影響著跳汰機的分選效果。跳汰機床層狀態(tài)控制是基于床層狀態(tài)檢測數(shù)據(jù)，通過控制風(fēng)閥以及排料裝置來實現(xiàn)的[8]。風(fēng)閥可以改變跳汰機的脈動水流強度、壓力和周期，從而調(diào)節(jié)脈動水流對床層松散-分層-壓緊的過程；排料裝置可以控制中煤的排料速度和排料數(shù)量，從而保證床層穩(wěn)定和分層效果。

3.1 跳汰機風(fēng)閥智能控制

模糊控制是跳汰機風(fēng)閥智能控制的主要方法之一[26]。模糊控制是一種基于規(guī)則的智能控制方式，不依賴于被控系統(tǒng)的精確數(shù)學(xué)模型，特別適應(yīng)于有多輸入、多輸出的強耦合性、參數(shù)時變性、非線性和系統(tǒng)模型不確定的復(fù)雜系統(tǒng)[27]。跳汰機風(fēng)閥模糊控制一般以床層高度、松散度等數(shù)據(jù)作為輸入信號，通過建立模糊控制器規(guī)則、模糊推理和解模糊化，自動調(diào)整風(fēng)閥的參數(shù)[26,28-29]。杜文杰[29]在白龍洗煤廠的跳汰系統(tǒng)中應(yīng)用了基于松散度的風(fēng)閥模糊控制，系統(tǒng)聯(lián)系圖如圖4 所示。由圖4 可知，檢測到的床層厚度和水位傳感器信號通過A/D 轉(zhuǎn)換模塊轉(zhuǎn)化為數(shù)字信號發(fā)送到模糊控制器中，控制器經(jīng)過模糊算法，基于風(fēng)閥與床層松散度的關(guān)系，控制風(fēng)閥驅(qū)動的輸出，從而調(diào)整跳汰分選的風(fēng)水制度，將松散度控制在最適合的范圍內(nèi)。嚴(yán)斌[28]設(shè)計了TJ-5 型跳汰機風(fēng)閥的模糊控制器和風(fēng)閥監(jiān)控界面，根據(jù)人工經(jīng)驗建立模糊規(guī)則庫，將檢測的松散度和松散度誤差信號輸入模糊控制器并輸出模糊量，再經(jīng)過反模糊化處理得到清晰輸出量，實現(xiàn)對跳汰機風(fēng)閥的智能控制。ZHOU 等[30]成功將模糊控制應(yīng)用于邢臺東龐煤礦跳汰機分選，以床層松散度為輸入變量，通過輸入模糊變量，進行模糊推理，經(jīng)過反模糊，得到各跳汰機風(fēng)閥的控制參數(shù)，如圖5 所示。

圖4 模糊控制的系統(tǒng)聯(lián)系圖Fig.4 System linkage diagram of fuzzy control

圖5 模糊控制系統(tǒng)Fig.5 Fuzzy control system

近年來，研究人員開發(fā)了專家控制器用于對跳汰機風(fēng)閥的控制。專家控制器基于知識庫、推理機、解釋器和知識獲取器，通過調(diào)用知識庫中的專家知識和經(jīng)驗，進行實際工業(yè)控制[31]。陳冬冰[31]研究了專家控制器在跳汰風(fēng)閥控制中的應(yīng)用，通過探測器測量精煤層、中煤層、矸煤層密度，建立專家知識、控制規(guī)則以及風(fēng)閥參數(shù)和床層密度值的對應(yīng)數(shù)據(jù)庫，根據(jù)數(shù)據(jù)庫中的數(shù)據(jù)和實際數(shù)據(jù)匹配程度，調(diào)節(jié)風(fēng)閥的進氣期和排氣期，實現(xiàn)風(fēng)閥的智能控制，如圖6所示。張海陽等[32]設(shè)計了基于專家控制器的跳汰機風(fēng)閥控制系統(tǒng)，以床層松散度和液面高度為主要指標(biāo)建立了風(fēng)閥的控制規(guī)則，控制規(guī)則采用前饋-反饋控制策略，控制器根據(jù)松散度和液面高度的反饋，選擇跳汰周期、進氣期和膨脹期的修正系數(shù)和調(diào)整范圍，完成風(fēng)閥的智能控制。張育銘[33]針對跳汰生產(chǎn)的過程，建立了數(shù)據(jù)庫并通過專家控制器進行控制，如圖7 所示。該控制系統(tǒng)首先根據(jù)檢測數(shù)據(jù)推理評價生產(chǎn)的初級狀態(tài)，然后評判匹配的狀態(tài)是否異常，當(dāng)匹配異常時會將異常類型和解決策略反饋給控制系統(tǒng)，從而完成跳汰過程的自動控制。

圖6 專家控制器控制風(fēng)閥流程Fig.6 Control dampers flow of expert controller

圖7 跳汰過程工況和控制流程Fig.7 Working conditions and control flow of jigging process

3.2 跳汰機排料智能控制

在跳汰機中，床層按密度分層的分選過程完成后，需要快速且連續(xù)地將輕產(chǎn)物、重產(chǎn)物排出，而且重產(chǎn)物的排出應(yīng)該適應(yīng)分層的速度和床層的水平移動速度，減少對分層效果的影響[34]。排料控制一般通過檢測床層的厚度，將信號傳入控制器，控制器經(jīng)過計算決策后輸出信號控制排料閘板或排料輪[35]。

模糊控制同樣被廣泛應(yīng)用于跳汰機排料智能控制[34,36-37]。馬偉[38]開發(fā)了白龍洗煤廠跳汰機排料模糊控制系統(tǒng)，首先，收集床層厚度信號，利用床層實際厚度和理論最佳排料時的床層厚度作差，將差值、差值變化率和排料電極轉(zhuǎn)速作為控制器的輸入量；然后，將電機轉(zhuǎn)速進行模糊化處理，通過控制系統(tǒng)推理和反模糊化得到確定的電機轉(zhuǎn)速；最后，由電機帶動排料輪并改變排料輪轉(zhuǎn)速，從而實現(xiàn)對排料速度的控制。付家才等[39]采用T-S 模糊模型建立了跳汰機排料控制的模型，輸入量為床層檢測厚度，輸出量為閥門開門度，均方差仿真實驗表明該模糊模型能有效提高跳汰排料的動態(tài)性能。高玉琪[40]設(shè)計了基于模糊理論的跳汰機排料PID 控制器，研究表明模糊PID 控制能夠克服常規(guī)PID 控制器對系統(tǒng)變化適應(yīng)性差的缺點，能夠避免超調(diào)，減少系統(tǒng)響應(yīng)時間，有效提高跳汰機排料的穩(wěn)定性。馬玥珺等[41]提出了基于量子粒子群（QPSO）算法優(yōu)化PID 控制參數(shù)，提出了分?jǐn)?shù)階PID 控制器，提高了跳汰機排料控制器的靈活性和精確性。YU[42]報道了一種基于PLC 的跳汰排料模糊控制系統(tǒng)，如圖8 所示。該系統(tǒng)基于模糊算法，將浮標(biāo)信號和標(biāo)準(zhǔn)信號作為判據(jù)，對排料閘門位移進行控制。

圖8 跳汰排料的模糊控制流程Fig.8 Fuzzy control flow of jigger discharge

4 跳汰機產(chǎn)品指標(biāo)智能決策系統(tǒng)

產(chǎn)品指標(biāo)是跳汰機分選的核心參數(shù)，反映了跳汰分選效果的好壞。床層狀態(tài)控制只是實現(xiàn)了跳汰機分選過程的穩(wěn)定控制，而產(chǎn)品指標(biāo)控制則是更高層次的優(yōu)化控制。跳汰機是一個多變量、非線性、時變系統(tǒng)，產(chǎn)品指標(biāo)不僅受床層狀態(tài)影響，還與入料性質(zhì)密切相關(guān)。為了達(dá)到跳汰機產(chǎn)品指標(biāo)智能控制的要求，需要建立跳汰機產(chǎn)品指標(biāo)與床層狀態(tài)和入料性質(zhì)的關(guān)系或模型，開發(fā)基于產(chǎn)品指標(biāo)模型的跳汰機智能決策系統(tǒng)，實現(xiàn)對跳汰機產(chǎn)品指標(biāo)和工作參數(shù)的優(yōu)化控制。

近年來，人工神經(jīng)網(wǎng)絡(luò)被應(yīng)用于跳汰機產(chǎn)品指標(biāo)預(yù)測[43]。PANDA 等[44]針對非焦煤跳汰分選過程建立了用于預(yù)測精礦可燃回收率和灰分的前饋人工神經(jīng)網(wǎng)絡(luò)模型（圖9），并采用反向傳播算法對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，最終得到了較為準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)模型預(yù)測值。神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確預(yù)測能夠指導(dǎo)跳汰機決策和控制，通過輸入操作變量得到不同的產(chǎn)品指標(biāo)，再由預(yù)測的產(chǎn)品指標(biāo)指導(dǎo)操作變量的調(diào)整，直至產(chǎn)品指標(biāo)滿足要求。符東旭[45]將跳汰機矸石帶煤率作為目標(biāo)函數(shù)，把分層和排料等分選過程運行參數(shù)作為輸入變量，利用遺傳算法預(yù)測矸石產(chǎn)品帶煤情況，基于該預(yù)測模型的決策和控制能明顯降低跳汰產(chǎn)品的矸石帶煤量，實現(xiàn)跳汰機產(chǎn)品指標(biāo)的智能控制。

圖9 跳汰產(chǎn)品預(yù)測的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.9 Structure of artificial neural network for jigging product prediction

廉文利等[46]開發(fā)了跳汰機人工神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)，輸入跳汰機產(chǎn)品灰分和預(yù)測灰分的偏差值，神經(jīng)網(wǎng)絡(luò)根據(jù)期望輸出和實際輸出的偏差值，采用一定的規(guī)則進行自適應(yīng)學(xué)習(xí)（圖10），系統(tǒng)通過灰分監(jiān)測儀不斷反饋產(chǎn)品灰分，神經(jīng)網(wǎng)絡(luò)不斷調(diào)整網(wǎng)絡(luò)權(quán)值向量，直至達(dá)到最佳權(quán)值向量，然后輸出最佳的控制參數(shù)，以調(diào)整床層狀態(tài)，使產(chǎn)品灰分更接近設(shè)定值，實現(xiàn)控制過程的不斷優(yōu)化。

圖10 自動排料的神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)結(jié)構(gòu)Fig.10 Structure of neural network PID control system for automatic discharge

于瀟宇等[47]將一種基于精煤灰分自動跟蹤的閉環(huán)控制方法應(yīng)用于煤炭跳汰分選過程，如圖11 所示。由圖11 可知，控制精煤灰分一方面需要在凈煤（密度小于1.8 g/cm3的入洗原煤）灰分分布曲線中尋找最佳的溢流-排放分割點，另一方面需要配合“跳汰機、風(fēng)、水、給、排”五個環(huán)節(jié)使灰分分布曲線中的錯配區(qū)壓縮，跳汰機控制需要跟蹤“二段最佳切割點”以適應(yīng)煤質(zhì)的變化。該控制方法放寬了精煤灰分控制區(qū)間，以凈煤灰分分布為基礎(chǔ)調(diào)整最佳灰分切割點，有效提高了精煤產(chǎn)率，并降低了中煤和矸石帶煤。

圖11 跳汰精煤自動跟蹤閉環(huán)控制Fig.11 Automatic tracking closed-loop control of jigging fine coal

張?zhí)扉_等[48]研究了跳汰機精煤產(chǎn)品指標(biāo)的模糊PLC 控制系統(tǒng)，通過灰分測定儀多次測定跳汰機精煤產(chǎn)品灰分平均值，并與設(shè)定值一同輸入控制系統(tǒng)，通過調(diào)節(jié)中煤和精煤的摻雜比例，改變精煤產(chǎn)品灰分，不斷重復(fù)這個過程，最終準(zhǔn)確地得到用戶所需要的煤炭灰分。

倪建軍等[49]在東灘選煤廠建立了跳汰精煤灰分在線控制系統(tǒng)，輸入量包括精煤灰分偏差、浮標(biāo)高度、閘板高度、原煤灰分等參數(shù)，輸出量包括風(fēng)閥、排料、給料的相應(yīng)控制信號?？刂苹芈钒ㄒ罁?jù)浮標(biāo)的排料控制回路、依據(jù)精煤灰分偏差的床層高度設(shè)定值調(diào)整回路、依據(jù)原煤灰分變化和閘板位置的給料量調(diào)節(jié)回路。該系統(tǒng)將跳汰機分選的每個控制環(huán)節(jié)和產(chǎn)品的指標(biāo)相關(guān)聯(lián)，實現(xiàn)了跳汰機產(chǎn)品指標(biāo)的智能控制。

5 跳汰機常見故障與智能診斷技術(shù)發(fā)展

5.1 跳汰機常見故障

在實際生產(chǎn)過程中，以空氣脈動式跳汰機為例，常見的故障一般包括以下幾類。

1）檢測裝置故障。浮標(biāo)不動或跳動很小，導(dǎo)致檢測信號缺失或檢測數(shù)據(jù)異常；可能是浮標(biāo)底部有大塊矸石或鐵器，或浮標(biāo)磨損進水導(dǎo)致浮標(biāo)密度增大[50]；可通過清理或更換浮標(biāo)解決該故障。

2）排料裝置故障。排矸輪停轉(zhuǎn)或矸石排道堵塞，導(dǎo)致檢測的床層密度異常增大，矸石層厚度突然增大；可能是由于矸石粒度大且量多；可通過停機后清除閘門處的矸石、翻轉(zhuǎn)排矸輪電機清理矸石[50]。

3）篩板故障。篩板損壞、篩孔堵塞等故障，床層分層效果變差，脈動水流效果很差或無效；需要更換或清理篩板。對于篩板破裂，篩板松動的故障，導(dǎo)致水流上升期有水柱冒出液面、下降期水流下降異常，塊、中、矸產(chǎn)物增加；該故障需要更換篩板，或緊固篩板[51]。

4）風(fēng)閥故障。當(dāng)前最常用的風(fēng)閥為數(shù)控電磁風(fēng)閥，風(fēng)閥是跳汰機最主要的驅(qū)動部件和控制部件，也是故障率最高的部件之一[52]，對于風(fēng)閥的故障監(jiān)測和排查是跳汰分選的重要環(huán)節(jié)之一。①電磁閥故障：電磁閥是風(fēng)閥主要工作部件，可以驅(qū)動氣缸產(chǎn)生脈動空氣。跳汰機電磁閥一般在高頻狀態(tài)和工業(yè)環(huán)境下持續(xù)工作，導(dǎo)致密封圈磨損、雜質(zhì)進入壓縮空氣、或者工作環(huán)境溫度過高，這些條件都將導(dǎo)致電磁閥故障。電磁閥故障后表現(xiàn)為：電磁閥不動、濾氣器失效、密封圈損壞、氣路不通等[52]。電磁閥故障直接影響脈動水流的分選過程，可通過脈動水流高度、風(fēng)閥工作壓力等參數(shù)異常診斷電磁閥的故障。電磁閥故障后應(yīng)清洗、更換相應(yīng)故障部件。②三聯(lián)體故障：三聯(lián)體是數(shù)控風(fēng)閥的組成部件，由過濾器、減壓閥、油霧器組成[52]。過濾器故障將導(dǎo)致油、水、粉塵進入空氣室，進而導(dǎo)致電磁閥工作異常；油霧器為電磁閥提供潤滑，故障時同樣導(dǎo)致電磁閥工作異常；減壓閥可調(diào)節(jié)和穩(wěn)定壓縮空氣氣壓，故障時導(dǎo)致氣壓難以調(diào)節(jié)。因為過濾器無法完全過濾雜質(zhì)，三聯(lián)體工作狀態(tài)會逐漸惡化，需定期清潔或更換。

5）控制系統(tǒng)故障。PLC 控制系統(tǒng)故障主要由外部因素引起[53]：①環(huán)境潮濕和灰塵積累導(dǎo)致變頻器損壞；②變頻器的高次諧波干擾PLC 信號穩(wěn)定性、以及變頻器線路中射頻信號干擾PLC 信號[54]；③供電電纜的電磁干擾；④振動設(shè)備的振動影響PLC 元件，跳汰風(fēng)閥的頻繁動作導(dǎo)致輸入電壓不穩(wěn)引起過沖電流，導(dǎo)致輸入模塊損壞；⑤跳汰機電磁閥及排料閘板傳感器等信號傳輸線干擾。

5.2 智能診斷技術(shù)發(fā)展

傳統(tǒng)的工業(yè)設(shè)備故障診斷主要依靠人工現(xiàn)場觀測、辨識、推斷故障原因，并根據(jù)人工經(jīng)驗進行故障診斷。這種方法有很大的主觀性，也缺少準(zhǔn)確性和時效性。一般來說，工業(yè)設(shè)備的故障是通過一段時間的累積導(dǎo)致的異常，這些故障都具有一定的規(guī)律性[55]，因此，設(shè)備故障是可預(yù)測、可以通過智能技術(shù)診斷的。特別是，隨著信息技術(shù)的發(fā)展，智能診斷已經(jīng)可以通過采集設(shè)備信息，由控制系統(tǒng)自主進行故障類型的判斷和預(yù)警；智能診斷已經(jīng)成為當(dāng)前我國工業(yè)高效運行和生產(chǎn)的前提和必然的發(fā)展趨勢。

就選煤設(shè)備智能診斷而言，故障監(jiān)測一般使用振動傳感器、溫度傳感器、實時影像監(jiān)測或其他參數(shù)的檢測電信號[56-57]。傳感器和檢測點一般為設(shè)備驅(qū)動或關(guān)鍵運動部件，檢測收集設(shè)備運行相關(guān)的動態(tài)信息，如在泵組或振動機組的電機、減速器等關(guān)鍵部件收集其運行信息。

專家系統(tǒng)、模糊推理、神經(jīng)網(wǎng)絡(luò)、決策樹算法等決策系統(tǒng)被廣泛應(yīng)用于故障的智能診斷決策[58-59]。決策系統(tǒng)要判斷檢測信息是否異常，結(jié)合知識庫、數(shù)據(jù)庫，通過特定算法對異常類型進行判斷，并給出診斷結(jié)論。決策系統(tǒng)要能夠根據(jù)設(shè)備長期運行的信息反饋，對可能的故障做出預(yù)警[60]。韓龍[61]報道了智能診斷在選煤設(shè)備上的應(yīng)用，如圖12 所示，通過建立設(shè)備運行規(guī)則、故障規(guī)則，使用BP 神經(jīng)網(wǎng)絡(luò)對故障進行診斷。

圖12 選煤設(shè)備智能診斷流程Fig.12 Intelligent diagnosis process of coal processing equipment

此外，信息融合平臺等信息處理系統(tǒng)被廣泛應(yīng)用于故障智能診斷[62-63]。傳統(tǒng)的控制系統(tǒng)或者一些較為簡單的智能控制系統(tǒng)，只針對設(shè)備工作過程相關(guān)參數(shù)進行檢測，檢測位點少且數(shù)據(jù)片面。故障智能診斷要保證其準(zhǔn)確性和時效性，前提是保證對設(shè)備及設(shè)備上下游相關(guān)部件的多處位點、大量信息的收集[64]。

雖然跳汰機智能診斷技術(shù)的應(yīng)用和文獻報道很少，但具有很大的發(fā)展?jié)摿?。目前，跳汰機的操作技術(shù)成熟，跳汰機故障的診斷已有豐富的經(jīng)驗知識，跳汰機故障處理也有較為成熟的技術(shù)手段。隨著智能感知技術(shù)和智能控制技術(shù)的發(fā)展，智能故障診斷和遠(yuǎn)程維護是跳汰控制技術(shù)發(fā)展的必然趨勢。通過對跳汰機風(fēng)閥、水流、床層、排料等過程的檢測和控制反饋，以及建立知識庫和數(shù)據(jù)庫，并配合合適的決策算法，就能夠?qū)崿F(xiàn)跳汰機故障的智能診斷。

6 結(jié)論和展望

跳汰機作為我國礦物和煤炭的主要分選設(shè)備之一。跳汰機分選過程智能化控制取得了顯著進展，當(dāng)前技術(shù)現(xiàn)狀和未來發(fā)展趨勢總結(jié)如下所述。

1）分選參數(shù)感知和檢測是跳汰機分選過程智能控制的前提。跳汰機床層狀態(tài)和產(chǎn)品指標(biāo)智能感知技術(shù)得到快速發(fā)展，浮標(biāo)裝置、電子探桿和輻射度計等床層狀態(tài)感知技術(shù)，有源灰分檢測儀或無源灰分檢測儀、圖像光譜灰分儀、中子活化灰分儀等產(chǎn)品指標(biāo)檢測技術(shù)，改善了跳汰機分選參數(shù)檢測的時效性和準(zhǔn)確性。跳汰機車間環(huán)境復(fù)雜，后續(xù)要加強數(shù)據(jù)的智能去噪和校準(zhǔn)，進一步提升檢測可靠性和穩(wěn)定性。

2）床層狀態(tài)控制是跳汰機分選過程智能控制的關(guān)鍵環(huán)節(jié)。模糊控制、人工神經(jīng)網(wǎng)絡(luò)控制和專家系統(tǒng)等智能控制方法被廣泛應(yīng)用于跳汰機風(fēng)閥和排料裝置控制，初步實現(xiàn)了對跳汰機床層狀態(tài)的智能控制。但當(dāng)前風(fēng)閥和排料裝置的智能控制大多數(shù)處于設(shè)計和仿真層面，現(xiàn)場實際應(yīng)用實踐相對較少，這主要受控制模型不夠精確和控制策略不夠完善的影響，未來要強化跳汰機風(fēng)閥和排料控制模型和策略研究，加快跳汰機床層狀態(tài)智能控制的應(yīng)用實踐。

3）產(chǎn)品指標(biāo)決策是跳汰機分選過程智能控制的最終目標(biāo)?；谌斯ど窠?jīng)網(wǎng)絡(luò)、遺傳算法和模糊控制，建立了一系列跳汰機產(chǎn)品指標(biāo)與床層狀態(tài)和入料性質(zhì)的關(guān)系或模型，并開發(fā)了基于產(chǎn)品指標(biāo)模型的跳汰機智能決策系統(tǒng)，基本實現(xiàn)了對跳汰機產(chǎn)品指標(biāo)的智能決策。但影響跳汰機產(chǎn)品指標(biāo)的因素眾多，現(xiàn)有預(yù)測模型的準(zhǔn)確性和決策系統(tǒng)的穩(wěn)定性仍有待提高，綜合利用大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)進行產(chǎn)品指標(biāo)預(yù)測和決策是未來的發(fā)展趨勢。

4）故障診斷預(yù)警是跳汰機分選過程智能控制的重要保障。當(dāng)前我國跳汰機的故障智能診斷和預(yù)警尚在起步階段，但跳汰機操作技術(shù)成熟，故障人工診斷已有豐富的經(jīng)驗知識，故障處理也有較為成熟的技術(shù)手段，隨著智能感知技術(shù)和智能決策算法的進步，跳汰機故障智能診斷和遠(yuǎn)程維護具有很大的發(fā)展?jié)摿Α?/p>