摘 要

为解决传统选煤厂精煤产率低、能耗高、设备故障率高及安全风险大等问题，山东省三河口矿业有限责任公司选煤厂采用智能感知与优化控制技术，通过图像识别技术建立跑粗监测系统，基于机器视觉开发矿浆表面灰度特征分析系统，设计MPC控制算法，构建多源数据融合的智能启停系统，采用小波变换与LSTM神经网络建立设备健康预测模型，结合UWB定位与YOLOv5 算法实现人员不安全行为的精准识别。应用结果显示，精煤产率提升0.91%，吨煤电耗降低1.8 kW·h，设备故障率下降13%，重介分选密度波动缩小至±0.003 g/cm³，连续安全生产436 天，年创经济效益385万元，为行业智能化转型提供了技术范式。

传统选煤厂在生产过程中面临精煤产率低、能耗高、设备故障率高、安全风险大等挑战，影响企业经济效益，制约了煤炭行业的可持续发展。选煤作为煤炭清洁利用的关键环节，智能化升级成为行业发展的必然趋势。智能化选煤厂通过引入人工智能、物联网、大数据等先进的信息技术，实现生产过程的自动化、智能化和高效化，提升企业核心竞争力，推动煤炭行业可持续发展和能源结构转型。

01、智能感知与优化控制洗选关键技术与创新点

1.1 精煤提质增效

（1）跑粗监测系统

在提高精煤产率方面，针对系统跑粗现象导致精煤回收率低的问题，通过对层叠筛筛下水、分级旋流器溢流2个部分，主要入浮系统原料进行旁路引流脱水检测，并通过图像识别技术精准识别大颗粒覆盖筛面面积，判断系统跑粗情况，并通过移动端APP进行相关人员精准推送，加快对跑粗问题的治理，煤泥水跑粗检测如图1所示。

图 1 煤泥水跑粗检测

（2）浮选加药及重介分选环节优化

针对浮选环节加药比例控制不精准的难题，开发了基于机器视觉的矿浆表面灰度特征分析系统，通过高清摄像头捕捉尾矿灰度状态值，结合矿浆灰分仪，在浮精灰分在规定范围区间内，提高尾矿值，以此增加浮精抽出率。针对重介分选密度波动导致精煤质量不稳定的问题，通过在线灰分仪、密度计、磁性物含量的数据闭环反馈，设计了MPC控值算法，将分选密度波动范围从±0.01 g/cm³缩小至±0.003 g/cm³。

1.2 节能降耗

（1）智能启停系统

在降低吨煤电耗方面，传统启停车模式依赖人工经验判断，空载运行时间长。为此，构建了多源数据融合的智能分析系统，整合电流、流量、液位、温振、检修完成度、设备停送电状态等多项实时参数，利用模糊控制理论建立启停车条件评价模型。在智能启停系统部署阶段，因现场PLC通信协议不统一导致数据采集失败，开发了Modbus-TCP协议转换中间件，兼容7类工业接口标准，确保数据采集成功率超99.8%，智能启停车系统界面如图2所示。

图2 智能启停车系统界面

采用红外热成像与可见光双光谱摄像头协同工作的方式，解决了选煤厂高粉尘环境下视频识别精度下降的问题，通过特征级数据融合提升异常行为识别准确率至94.6%，实现了精煤产率提升3.2%，吨煤电耗降低1.8 kW·h，设备故障率下降13%，并创造了连续安全生产436天的行业新纪录，为选煤厂智能化转型提供了可复制的技术范式。

（2）设备健康管理

设备监测预测环节面临传感器数据噪声大、故障误报率高的问题。采用小波变换算法降噪处理振动信号，并开发了基于LSTM神经网络的设备健康状态预测模型，通过分析温度、振动、电流数据的时序关联性，提前4～8 h预警潜在故障，使设备非计划停机减少40%，设备状态在线监测系统界面如图3所示。

图3 设备状态在线监测系统界面

1.3 安全管理创新

（1）人员行为识别

安全管理创新中最大的挑战是精准识别职工不安全行为，部署了UWB定位系统与多视角视频融合分析系统，通过三维坐标重构技术实现人员动作轨迹追踪，结合YOLOv5算法识别未佩戴安全帽、违规跨越危险设备等多种风险行为，系统误报率<3%，移动端实时告警推送功能，使安全隐患响应时间从15 min减少至2 min，厂区3D建模及UWB定位如图4所示。

图 4 厂区3D建模及UWB定位

（2）高粉尘环境下的视频识别

针对选煤厂高粉尘环境下视频识别精度下降的问题，采用红外热成像与可见光双光谱摄像头协同工作，通过特征级数据融合提升异常行为识别准确率至94.6%。

02、先进性成果

选煤厂智能化升级展现出显著的技术优势和创新价值，通过技术创新实现了生产效率、能耗控制和安全管理水平的全面提升，主要体现在以下8个方面。

（1）在精煤提质增效方面，开发了基于图像识别的跑粗监测系统，采用高精度工业相机对层叠筛筛下水与分级旋流器溢流进行实时图像采集，通过卷积神经网络算法分析大颗粒物料覆盖面积，相比传统人工巡检方式，检测响应速度提升20倍，跑粗问题处理时效性提高90%，填补了国内选煤行业在线跑粗监测的技术空白。

（2）浮选环节创新应用矿浆表面灰度特征分析技术，通过自主研发的灰度-灰分关联模型，实现了动态优化控制加药量，浮选药剂消耗降低至0.12 kg/t（原煤），尾矿灰分提升至82%以上，浮精抽出率同比提高0.83%，突破了传统依赖人工经验调节的局限性。

（3）在节能降耗领域，多参数融合智能启停系统整合了电流、流量、液位等12类设备运行参数，结合温振监测数据和设备检修状态，构建了基于模糊综合评价的启停决策模型，系统空载运行时间缩短41%，年节约电耗为18万kW·h，创造了选煤行业能耗管控的新标杆。

（4）设备健康管理方面，采用小波降噪与LSTM神经网络结合，开发了具有自学习功能的预测性维护系统，通过对振动信号进行多尺度分解重构，有效滤除现场环境噪声，故障预警准确率达到92%，较传统阈值报警方式提升40%，设备非计划停机时间压缩36%。

（5）安全管控体系方面，构建了空间定位+行为识别的双重防护网络，UWB定位系统采用TDOA算法实现厘米级人员追踪，配合多视角视频智能分析，可精准识别未系安全绳、未戴安全帽、违规跨越设备、进入吊装区域等多类危险行为，系统误报率<3%，响应速度达到行业领先水平。

（6）研发的MPC控值算法，通过在线灰分仪、密度计和磁性物含量的多变量耦合控制，重介分选密度波动范围<±0.003 g/cm³，精煤灰分合格率提升至98.5%，该项控制精度达到国际先进水平。

（7）技术集成方面，开发的Modbus-TCP协议转换中间件支持7类工业通信标准，解决了异构设备数据采集的行业难题；双光谱视频分析技术通过特征级数据融合，高粉尘环境下识别准确率>94.6%。

（8）智能化解决方案已在多个选煤厂成功应用，平均实现精煤产率提升0.91%，吨煤电耗降低1.8 kW·h，设备故障率下降13%，创造了连续安全生产436天的行业新纪录。

03、实施效果与效益分析

（1）经济效益

通过智能化系统的全面应用，精煤产率平均提升0.91%；吨煤电耗降低至6.7 kW·h，年节约电耗达18万kW·h；设备故障率下降13%，减少非计划停机损失23余万元，累计年创造经济效益385万元，三河口选煤厂智能化系统的应用取得了显著的经济效益。

（2）社会效益与安全生产

在安全管控方面，通过UWB定位与AI视频分析系统的协同运作，累计预警危险行为183次，安全事故直接经济损失归零。系统运行数据显示，重介分选密度控制精度稳定在±0.004 g/cm³范围内，精煤灰分合格率提升至98.5%，浮选药剂消耗降至0.12 kg/t（原煤），尾矿灰分达到82%以上，各项关键指标均处于行业领先水平。

（3）示范意义

三河口选煤厂智能化系统应用的示范意义主要体现在3个方面。构建了工艺优化-能耗控制-设备运维-安全管理的四位一体智能化选煤厂建设范式，为传统选煤厂的数字化转型提供了完整解决方案；将深度学习、物联网等新一代信息技术与选煤工艺深度融合，开发出图像识别跑粗监测系统、多参数智能启停系统等，填补了行业空白。

04、结 语

智能化选煤厂建设是煤炭行业实现绿色低碳发展的必由之路。通过关键技术的创新与应用，三河口选煤厂在精煤产率提升、能耗降低、设备故障率下降和安全生产周期延长等方面取得了显著成效。为企业带来了可观的经济效益，在推动煤炭行业可持续发展和能源结构转型方面发挥了重要作用。未来，随着智能化技术的进一步发展和应用，煤炭行业的智能化转型将为实现“双碳”目标提供有力支持。