[发明专利]一种块煤浅槽分选过程的精煤灰分在线软测量方法

权利要求书

1.一种块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，包括：

实时采集数据，包括精煤产量、尾煤产量、合格介质密度及精煤的双能X射线图像；

将实时采集的精煤的双能X射线图像中每一像素点的R值输入至训练好的精煤灰分预测主模型，处理后得到精煤灰分预测值；

处理实时采集的精煤产量和尾煤产量，得到精煤产率；并将所述精煤产率和归一化处理后的合格介质密度输入至训练好的精煤灰分补偿模型，处理后得到精煤灰分误差预测值；

用所述精煤灰分误差预测值对所述精煤灰分预测值进行补偿，得到最终的精煤灰分预测结果。

2.根据权利要求1所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，通过以下方式训练所述精煤灰分预测主模型：

获取第一样本集，所述第一样本集中的每一组第一样本数据包括：精煤的双能X射线图像，精煤灰分实测值；

将每一组第一样本数据中精煤的双能X射线图像中每一像素点的R值作为输入、精煤灰分实测值作为标签，对所述精煤灰分预测主模型进行训练，确定所述精煤灰分预测主模型的结构和参数，得到训练好的精煤灰分预测主模型。

3.根据权利要求1所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，通过以下方式训练所述精煤灰分补偿模型：

获取第二样本集，所述第二样本集中的每一组第二样本数据包括：精煤产量、尾煤产量、合格介质密度、精煤的双能X射线图像以及精煤灰分实测值；

处理每一组第二样本数据中的精煤产量和尾煤产量，得到精煤产率；

将每一组第二样本数据中的精煤的双能X射线图像中每一像素点的R值输入至训练好的精煤灰分预测主模型，得到精煤灰分预测值；

将每一组第二样本数据对应的精煤产率和归一化处理后的合格介质密度作为输入、将对应的精煤灰分实测值与精煤灰分预测值的差值作为标签，对所述精煤灰分补偿模型进行训练，得到训练好的精煤灰分补偿模型。

4.根据权利要求3所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，每一组第二样本数据均满足：精煤产量、尾煤产量与原煤可选性曲线进行匹配得到的精煤灰分理论值，与当前第二样本数据精煤灰分实测值之间的偏差不超过设定的偏差阈值。

5.根据权利要求3所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，所述方法还包括：

实时采集数据过程中，还定期采集精煤灰分实测值；

若定期采集的精煤灰分实测值，与基于该时刻的实际采集数据得到的最终的精煤灰分预测结果之间的误差低于设定误差，则将该时刻的实际采集数据及精煤灰分实测值作为一组修正数据，多组修正数据形成修正数据集，并基于所述修正数据集对所述精煤灰分补偿模型进行在线修正。

6.根据权利要求1-5中任一项所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，所述精煤的双能X射线图像中每一像素点的R值：

其中，μ_l表示双能X射线图像中的像素点在低能X射线下的衰减系数，μ_h表示双能X射线图像中的像素点在高能X射线下的衰减系数。

7.根据权利要求1-5中任一项所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，所述处理实时采集的精煤产量和尾煤产量，得到精煤产率，包括：

其中，r₁表示精煤产率，Q₁表示精煤产量，Q₂表示尾煤产量。

8.根据权利要求1-5中任一项所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，所述精煤灰分预测主模型基于卷积神经网络实现。

9.根据权利要求1-5中任一项所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，所述精煤灰分补偿模型基于最小二乘支持向量回归实现。

10.根据权利要求1-5中任一项所述的块煤浅槽分选过程的精煤灰分在线软测量方法，其特征在于，

所述精煤产量通过精煤皮带秤测量得到；

所述尾煤产量通过尾煤皮带秤测量得到；

所述合格介质密度通过合格介质桶中的密度计测量得到；

所述精煤的双能X射线图像通过设置于精煤皮带上方的工业X射线光机采集得到。