实现选煤设备自动化的问题与对策

王　忠

[摘要]当前，自动化技术已经在各行各业中发挥着重要作用。对选煤设备的自动化的关键技术进行总结分析，供同行参考。

[关键词]选煤设备 自动化 关键技术

中图分类号：TP2 文献标识码：A 文章编号：1671-7597（2009）0110129-01

一、引言

目前，我国现代化选煤厂大都实现了基于可编程控制器的选煤厂集中控制，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。本文将对实现选煤设备自动化的关键技术进行总结分析。

二、选煤自动化的几项关键技术

追踪计算机集成过程系统的发展潮流和控制论、信息论、计算机网络等学科的最新进展，结合我国选煤厂的现状和生产实践，要实现选煤厂生产自动化、操作参数优化、产品质量预测与控制智能化、管理与销售信息化以及各个系统的集成综合自动化，尚需进行以下关键技术的研究。

（一）软测量技术的研究

作为自动化“眼睛”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。目前，传感器使用存在如下主要问题：1.同国外同类产品相比，国产传感器在稳定性、精度和可靠性方面还有比较大的差距，而选用国外同类产品价格昂贵，花费巨大；2.目前选煤厂用传感器品种不全，相当多的重要工艺参数没有可选用的传感器进行实时监控，如磁选机尾矿的磁铁粉损失量、旋流器的分级粒度、分级效率等等。

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。

（二）数据挖掘和知识发现的研究

随着各种检测仪器的使用，使选煤厂历史地记录各类工艺参数成为可能。然而，由于选煤厂生产过程大部分时间处于正常状态，过程计算机记录的数据大多是正常工况下的数据，人们往往忽略了这些历史数据中隐含大量有关过程有用信息的事实。

因此，如何从过去的数据中发现有用的信息，提取有用的知识，把所获得的知识用于过程监控，提高过程自动化水平，实现生产过程的操作管理、控制一体化是值得研究的课题。

数据库知识发现（Knowledge Discovery in Databases1 简称KDD）是一门新兴的边缘学科。它汇集了来自机器学习、模式识别、数据库、统计学、人工智能以及管理信息系统各学科的成果，将生产中积累的大量数据进行数据挖掘，总结出规律性的东西，形成企业的知识和规则，为过程监控和管理提供素材。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，分两个层次：即结构相关分析和数值相关分析。结构相关分析用来分析决定变量之间的关联情况，而数值相关分析则决定变量的关联程度。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；回归分析（包括线性回归和非线性回归）是相关分析的有效方法；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。在选煤流程工业中，知识发现将在以下领域中发挥作用：1.变量维数约减和关联消去，简化过程监控系统操作画面；2.操作策略的自动形成；3.过程状态辨识；4.故障检测与诊断（FDD）；5.过程各种模型的建立；6.规则提取。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）先进控制、智能控制技术的研究

遗传算法与模糊逻辑、神经网络相互融合，通过模拟人类思维方式和结构来设计用于解决复杂的各种非线性问题的控制策略，并已在各种实际工程中得到应用，取得了良好的效果。

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。因此，加强智能控制理论同选煤生产实际的密切结合，注意引入智能化方法以及知识工程方法，对于加快选煤过程综合自动化的进程，推动选煤工业的发展具有重要意义。

三、小结

计算机集成过程系统（Computer Integrated Process System CIPS）是过程控制进入计算机时代的产物，其目标是实现计算机集成综合自动化。实现选煤厂综合自动化是我国选煤工业发展的必然趋势，实现这个目标需要有包括软测量技术、数据挖掘和知识发现、智能控制和故障诊断技术等关键技术的强有力支撑。

参考文献：

[1]田慕琴、熊诗波、熊晓燕，异步电动机故障诊断信号的采集[J].电测与仪表，2005，（10）.

[2]聂朋伟，可编程序控制器在选煤自动化中的应用[J].矿业工程，2005，（05）.

[3]郑利兵、熊诗波、杨洁明，基于定子电流监测机械系统扭转振动的研究[J].机械管理开发，2002，（S1）.

[4]陈冬冰、熊诗波，可编程控制PLC在跳汰机风阀控制中的应用[J].机械管理开发，2003，（02）.