[发明专利]煤与矸石分选装置及其分选方法

说明书

技术领域

本发明涉及检测装置和检测方法，特别涉及一种煤与矸石分选装置及其分选方法。

背景技术

煤与矸石是在采煤过程中伴生的、分选过程中被分离出来的固粉体。国内外煤与矸石分选的方法主要有湿法选煤和干法选煤。湿法选煤工艺复杂、设备庞大、需要大量水、干燥、煤泥水处理等环节。干法选煤主要有流化床干选、伽马射线、风力干洗等。流化床干法不需水、分选范围广、设备易磨损、污染环境严重；伽马法依据γ射线透射物质时的衰减进行分选，效率低、功耗高、对工人身体造成伤害；传统风力法整体投资少、对粒度要求高、效率及精度均较低、工作时能耗和噪音较高、且产生大量的粉尘。针对上述各方法现状，提高原煤分选精度和自动化程度，代替人工捡矸，是一个重要技术课题。

发明内容

本发明的目的是克服上述缺陷，提供一种煤与矸石分选装置及其分选方法，其识别率高，可有效减少环境污染，设备体积小、易安装、成本低、易维护，大大提高原煤分选精度和自动化程度，以代替人工捡矸。

为达到上述目的，本发明提供的煤与矸石分选装置，包括煤与矸石分选装置，包括振动给煤机、传送带、排队装置、高压喷枪、煤块通道和矸石通道，所述振动给煤机通过所述传送带传送待处理料，所述煤块通道和矸石通道位于所述传送带末端的下方，所述排队装置安装在所述传送带的始端，所述高压喷枪安装在所述传送带的末端，所述高压喷枪的喷嘴逆着运行方向与所述传送带的末端相对，还包括图像传感器、图像采集器、微处理器、上位机和分选控制器，所述图像传感器安装在所述传送带的上方，所述图像传感器输出的测量信号经所述图像采集器传输至所述微处理器进行实时处理，然后通过USB通信方式将信息传送到所述上位机，所述上位机进行图像信息的预处理、特征提取并建立软测量模型，然后输出分选信号并通过串口通信传送给所述分选控制器，所述分选控制器将分选信号输出至所述高压喷枪分别执行动作使煤落入所述煤通道,矸石自所述传送带落入所述矸石通道。

本发明煤与矸石分选装置，其中所述图像传感器采用型号为OV7670的CMOS图像敏感器件。

本发明煤与矸石分选装置，其中所述微处理器采用型号为C8051F340的芯片构成。

本发明煤与矸石分选装置，其中所述分选控制器采用型号为STC89C52的芯片构成。

本发明煤与矸石分选装置，其中所述微处理器通过USB通信方式将信息传送到所述上位机，所述上位机输出的分选信号通过串口通信传送给所述分选控制器。

为达到前述目的，本发明提供的一种煤与矸石分选方法，该方法设置振动给煤机、传送带、排队装置、高压喷枪、煤块通道和矸石通道，以及图像传感器、图像采集器、微处理器、上位机和分选控制器，该方法包括：

(1)在所述传送带的上方安装图像传感器；

(2)所述图像采集器按照设定频率进行图像采样、显示和存储，传送带的运行速度为1.5m/s，则每秒钟采样3帧图像；

(3)所述上位机进行图像信息的预处理、特征提取并建立基于BP的神经网络软测量模型，其中：

图像信息的预处理包括去噪、图像增强和图像分割；

图像信息的特征提取包括提取目标的灰度特征值，Tamura纹理特征的粗糙度、对比度和方向度，以及灰度共生矩阵中的熵、二阶矩和相关度，用这些值顺序组成特征值向量，作为识别图像信息的输入量；

建立基于BP的神经网络软测量模型包括设定神经网络隐含层神经元个数，然后在对采集的待处理料样本图像进行神经网络训练识别，将误差逐渐缩小至要求范围之内；

(4)将煤的识别结果用“0”表示，矸石的识别结果用“1”表示，所述上位机输出分选信号至所述分选控制器，所述分选控制器控制所述高压喷枪执行动作使煤落入所述煤通道，矸石自所述传送带落入所述矸石通道。

本发明提供的煤与矸石分选方法，其中所述步骤3)中对采集的待处理料样本图像进行神经网络训练识别的步骤是：

1）制定网络的拓扑结构，将网络设置为三层；

2）设定网络的参数，包括分类精度、循环次数和样本特征值向量的各个常数因子，对网络进行初始化设置；

3）计算各层网络输入矩阵的权值系数和输出，判断该网络的输出精度是否达到要求，首先判断某一样本的输出误差是否达到了预先设定的误差要求，若否，则修改权值系数后返回重新计算；若是，则继续判断全部样本的输出误差是否在要求的范围之内；若全部样本的输出误差在误差要求范围内则继续向下执行，判断循环次数是否超过设定的最大循环次数，若是，则该网络没有实现预期效果，需要修正网络的参数。