浅论实现选煤综合自动化的关键技术

内容摘要:近年来,美国、德国、英国和澳大利亚等国相继开发成功并使用了各种在线检测装置,实现了选煤厂受煤系统、重介质系统、跳汰系统、浮选系统、干燥系统和装车系统的自动控制,选煤厂入料也实现了均质化。这些自动化装置配合计算机专家系统为选煤厂保证产品质量和提高产率起到了重要作用。本文对选煤综合自动化实现的关键技术进行分析研究。

关键词:选煤;关键技术;综合自动化

中图分类号:TD822

文献标识码:A

一、引言

煤炭企业步入市场经济后,选煤已成为煤炭企业扭亏增效重要环节。目前,我国现代化选煤厂大都实现了基于PLC的选煤厂集中控制,同时在跳汰、重介、浮选系统中也实现了过程控制的部分功能,部分选煤厂信息管理也由于计算机网络的引入实现了部分信息共享。国家“十五”规划中提出要实现选煤厂的综合自动化,集控制、优化、诊断、管理、经营和销售为一体的高度自动化系统。攻关目标是全厂实现以计算机管理为核心的综合自动化,整体上达到国际先进水平。

二、实现选煤自动化的关键技术分析

(一)智能控制技术

近年来,随着人工智能技术和其他信息处理技术,尤其是信息论、系统论和控制论的发展,智能控制在控制机理和应用实践方面均取得了突破性的进展。选煤工业属于典型的流程工业,由于选煤过程存在的时变、非线性、强耦合、环境干扰不确定等因素,导致过程建模困难。多变量预测控制、自适应控制、模糊控制、专家控制系统以及神经网络方法等多种控制手段在石化流程工业中的成功应用为选煤工业提供了有益的借鉴。对于选煤过程控制,运用知识工程和专家系统技术,可以在控制过程难以辨识时避开建模的困难,同时通过充分利用人的知识与经验建立控制策略,提高系统的控制性能。通过知识工程方法将有关对象的定性知识、人的经验知识与技巧和启发式逻辑推理有效地集成起来,构成知识库系统,以支持系统控制策略和算法的优选及运行状态的优化。利用神经网络对于复杂无模型不确定问题的自适应能力和学习能力,可以用于控制系统的补偿环节和自适应环节,以及非线性系统的辨识和控制。其快速优化的计算能力,可用于复杂控制问题的优化计算;同时充分发挥各种智能方法和技术的特长,通过它们的有机结合,形成互补的综合智能集成技术,为选煤工业过程控制和优化提供强有力的技术支撑。

(二)软测量技术

所谓软测量技术是指采集生产过程中比较容易测量的二次变量,构造推断估计器来估计并克服扰动和测量噪声对过程主导变量的影响。软测量技术的实质是建立被测量参数与影响这些参数的其他操作参数之间的数学模型,用软件实现一些难于用仪表直接测量的变量的在线估计。软测量技术可在一定程度上代替现有的人工分析和在线分析仪测量某些分析指标,是对生产过程进行先进控制和优化控制的前提和基础。选煤生产过程的动态特性往往表现为非线性、大惯性和大滞后、多个变量相互关联、甚至是时变的,因此,如何估计那些无法在线测量而又对整个操作极为重要的工艺参数,就成为选煤自动化亟待解决的难题和热点。开发高性能的软测量仪表也是在尚未解决过程参数,尤其是质量参数的“硬”测量技术前提高选煤工程综合自动化的关键。作为自动化“服腈”的传感器是实现选煤厂综合自动化的基础,其重要性不言而喻。在大力加强和完善传统传感器和仪表精度与可靠性的同时,寻求检测技术新机理、新方法来提高选煤厂在线检测水平,扩大选煤厂检测、监控工艺参数范围,满足选煤综合自动化发展需求是一个重要的研究方向。

软测量技术为选煤工业重要工艺参数的检测、监控乃至控制提供了检测、测量的新思路,可对选煤工业现有传感器品种不足提供重要补充。

(三)故障诊断技术

目前,选煤厂用的各类大型机电设备(主要指国内设备)和检测仪器普遍存在稳定性、可靠性差等缺点,要想实现选煤厂的综合自动化,必须大力发展故障诊断技术。Agent是运行于动态环境中具有较高自制能力的实体。智能体具有的特性包括性、智能性、自主性、交互性、反应性、主动性、机动性、学习性和自成长性等。选煤生产系统作为流程工业,由于设备的复杂性和分布式特性,单个智能体所拥有的知识和计算资源的限制,使其不能适应选煤厂故障诊断问题的求解,因此,采用多Agents的故障诊断系统成为必然。所谓多智能体系统是将单个智能体集合起来,通过它们之间的相互作用或相互结合以产生更高的智能,从而提高系统的整体功能。通过实施基于多Agents的故障诊断技术,可使选煤过程始终保持在良好的状态生产中,变定期维修制度为预知维修,缩短维修时间,为选煤综合自动化的最终实现提供技术保障。

(四)数据挖掘与知识发现技术

数据挖掘与知识发现技术应用于过程监控是近几年的事,显示了巨大潜力。过程监控数据挖掘和知识发现方法可以按不同的方法进行分类,根据功能和应用目的,过程监控中的数据挖掘与知识发现方法可概括为:特征提取、聚类与分类、相关与依赖分析和综合。特征提取是选择能描述数据的特征的过程,是知识发现过程重要的步骤。聚类、分类技术可用于选煤过程的过程建模、故障诊断、规则提取、决策树的形成和操作策略的形成等。相关与依赖分析是数据挖掘和知识发现的重要方法。在过程监控中,相关分析可用来分析过程特性变化和引起故障的原因,在操作策略的形成和故障诊断中起重要作用;所谓数据综合就是对数据集合的精简描述,是数据挖掘和知识发现普遍采用的方法,包括规则综合、多变量可视化技术、变量之间的函数关系等。知识发现是一个复杂的过程,过程监控中数据挖掘与知识发现是一种新技术,还没有形成完整的理论体系,其应用都是针对具体问题展开研究。但是可以预见,在选煤工业过程监控中知识发现技术蕴涵着巨大的发展潜力,为实现选煤过程控制和生产优化提供了新的途径,是值得深入和广泛研究的新领域。

三、结束语

纵观选煤厂现代化的进程,其对安全生产监控系统提出了更高的要求,同时实现选煤厂综合自动化是我国选煤工业发展的必然趋势,这既要解决生产过程中的安全、生产自动化问题,又要了解各种与生产经营相关的信息,建立安全生产、调度和网络管理,通过本文的分析,文中所提到的技术将是选煤自动化的强有力支撑。

参考文献:

[1]唐晓萍.数据挖掘与知识发现综述[J].电脑开发与利用,2003

[2]刘峰.第14届国际选煤会议概况[J].世界煤炭,2003

[3]李千目.基于多Agent的网络故障诊断系统[J].计算机工程与应用,2003