基于表面灰度和纹理识别的TDS智能干选机刮板机异常状态检测方法

张铁聪, 冯锦鹏, 赵彦成, 钮涛, 刘国锋

张铁聪, 冯锦鹏, 赵彦成, 钮涛, 刘国锋. 基于表面灰度和纹理识别的TDS智能干选机刮板机异常状态检测方法[J]. 工矿自动化, 2024, 50(S1): 134-138.
引用本文: 张铁聪, 冯锦鹏, 赵彦成, 钮涛, 刘国锋. 基于表面灰度和纹理识别的TDS智能干选机刮板机异常状态检测方法[J]. 工矿自动化, 2024, 50(S1): 134-138.
shu
ZHANG Tiecong, FENG Jinpeng, ZHAO Yancheng, NIU Tao, LIU Guofeng. Abnormal state detection method for scraper of TDS intelligent dry sorter based on surface grayscale and texture recognition[J]. Journal of Mine Automation, 2024, 50(S1): 134-138.
Citation: ZHANG Tiecong, FENG Jinpeng, ZHAO Yancheng, NIU Tao, LIU Guofeng. Abnormal state detection method for scraper of TDS intelligent dry sorter based on surface grayscale and texture recognition[J]. Journal of Mine Automation, 2024, 50(S1): 134-138.
shu

基于表面灰度和纹理识别的TDS智能干选机刮板机异常状态检测方法

  • 国家能源集团宁夏煤业有限责任公司 金凤煤矿, 宁夏 吴忠 751500

详细信息
    作者简介:

    张铁聪(1984-),男,宁夏盐池人,工程师,主要从事煤矿生产管理工作,E-mail:15034124@chnenergy.com.cn

  • 中图分类号: TD67

Abnormal state detection method for scraper of TDS intelligent dry sorter based on surface grayscale and texture recognition

  • Jinfeng Coal Mine, CHN Energy Ningxia Coal Industry Co., Ltd., Wuzhong 751500, China

摘要

    摘要
  • 摘要: TDS智能干选机是选煤厂的主要生产设备，刮板机作为其关键组件，常因跳链、断链等故障阻碍机器的工作进度。针对刮板机故障的强偶发性与故障扩大化效应，以机器视觉为技术，以表面灰度和纹理识别为手段，提出TDS智能干选机刮板机异常状态检测方法。根据图像灰度值，利用基于改进生长准则的区域生长法，生成粗略的异常状态检测目标区域。采用形态学的腐蚀、膨胀、开运算和闭运算操作，处理区域生长后的图像和新产生的导线图像。引入canny算子识别检测区域中的目标纹理，生成目标轮廓线。结合轮廓线和直线斜率、灰度、纹理、虚拟边框与机链轮廓的位置关系等信息，实现异常状态检测。实验结果表明，该方法对跳链、断链、漂链、掉链、跑偏5种刮板机异常状态检测的真阳性指数分别高达0.98,0.98,0.98,0.97,0.94,且实际量与检测量的误差均不足1 mm。该方法具有较高的正确检测比例和检测精准度，可指导TDS智能干选机刮板机的安全运行。
    • HTML全文

  • 0.   引言

    随着我国煤层开采深度的增加，煤与瓦斯突出灾害治理难度增大[1]。煤层瓦斯含量测定结果准确与否直接影响矿井防突措施的有效性，制约矿井安全生产[2-3]。我国煤层瓦斯含量测定方法主要分为间接法和直接法。利用间接法测定煤层瓦斯含量时，测定步骤较为繁琐，测定时间长，且瓦斯压力的原位测定易受井下环境影响[4]。直接法具有测定方法简单、作业工程量小、测定周期短等优点[5]，目前被广泛应用。直接法测定的瓦斯含量由损失量、现场解吸量和残余量3个部分组成，其中损失量受取样过程中煤样瓦斯解吸规律的影响，直接影响瓦斯含量测定结果的准确性，而瓦斯解吸规律与瓦斯解吸动力特性密切相关。

    影响瓦斯解吸动力特性的因素众多[6-9]，其中煤样粒径是主要因素之一。文献[10]采用核磁共振实验和高压瓦斯等温吸附实验，测定不同型煤粒度对瓦斯吸附特性的影响，结果表明型煤平均粒度越小，吸附瓦斯总量越大，瓦斯吸附常数及瓦斯吸附饱和度均与粒度大小呈负相关关系。文献[11]在等温等压条件下开展了煤的瓦斯解吸实验，得出瓦斯解吸量与粒径呈反比，随着粒径的增大，瓦斯在煤粒内部扩散阻力增大，瓦斯扩散能力减弱。文献[12-14]研究认为无论颗粒煤粒径大小，其瓦斯解吸量均随时间延长而增加，但当颗粒煤粒径大于极限粒径后，粒径的增加对瓦斯解吸量基本无影响。文献[15]基于经典扩散模型研究发现，瓦斯扩散率随粒径减小而增加。文献[16]通过现场测试分析采落煤与放落煤的粒度分布，发现煤体粒度越小，瓦斯涌出速度越快。文献[17-18]采用动扩散系数模型研究发现，粒度毫米级煤样的单位瓦斯解吸量和瓦斯解吸率随粒度增大呈减小趋势。文献[19]通过瓦斯等温吸附解吸实验发现，增加煤样的吸附压力或降低煤样粒度，均会引起瓦斯解吸量和解吸速度的增大。

    上述研究主要针对单一粒径煤样瓦斯解吸动力特性，而煤层瓦斯含量测定直接法需定点取样，受煤层赋存条件影响，所获取煤样是由不同粒径的颗粒煤组成。因此，本文采用含瓦斯煤多场耦合渗流解吸实验系统，开展不同粒径混合煤样条件下瓦斯解吸实验，分析实验过程中瓦斯解吸量、扩散系数及解吸衰减系数等瓦斯解吸动力学参数变化特征，为瓦斯含量测定过程中煤样的选择与测定结果的修正提供理论依据。

    1.   实验方案

    1.1   实验系统

    实验采用自主研发的含瓦斯煤多场耦合渗流解吸实验系统，该系统主要由真空脱气系统、恒温控制系统、吸附解吸系统和数据采集系统组成，如图1所示，可实现不同粒径煤样在不同气体压力条件下的吸附解吸实验。

    图  1  图１ 含瓦斯煤多场耦合渗流解吸实验系统
    Figure  1.  Coal containing gas multi-field coupling seepage desorption experiment system
    下载: 全尺寸图片 幻灯片

    1.2   煤样制备

    煤样取自中煤华晋集团有限公司王家岭矿。煤样采集后放入密封袋并充入氦气保存，在实验室将煤样筛分成粒径为（0，0.25）mm、[0.25，0.5）mm、[0.5，1] mm的颗粒煤，并使用磨口瓶保存。为减少煤样中水分和灰分对实验结果的影响，将筛分好的煤样干燥12 h。煤样基本物性参数见表1。

    表  1  煤样基本物性参数
    Table  1.  Basic physical property parameters of coal samples
    破坏类型瓦斯放散初速度/mmHg水分/%灰分/%挥发分/%吸附常数a/(mL·g−1)吸附常数b/MPa−1孔隙率/%
    Ⅱ，Ⅲ类8.740.558.4817.0829.240.954.20
    下载: 导出CSV 
    | 显示表格

    将筛分好的（0，0.25）mm、[0.25，0.5）mm、[0.5，1] mm粒径煤样按照不同比例混合，分为6组，见表2。

    表  2  不同粒径混合煤样
    Table  2.  Mixed coal samples with different particle sizes
    煤样编号粒径占比/%
    （0，0.25） mm[0.25，0.5） mm[0.5，1] mm
    D100100
    D201000
    D310000
    H19532
    H280155
    H380515
    下载: 导出CSV 
    | 显示表格

    1.3   实验过程

    将煤样罐置于30 ℃恒温水浴中进行吸附解吸实验，选择瓦斯吸附平衡压力为1.5 MPa，研究不同粒径混合煤样的瓦斯解吸规律及解吸动力学参数。实验操作过程：① 将装有煤样的煤样罐连接阀门和管路，使用氦气检查装置气密性。② 对煤样罐和管路进行真空脱气，当真空计显示为20 Pa以下时，认为真空脱气完成。③ 打开吸附阀门，调节减压阀压力为1.5 MPa，使煤样罐中的煤样在该条件下吸附24 h，当煤样罐中压力在8 h内保持不变时，即认为煤样已完成瓦斯吸附。④ 打开解吸阀门，进行解吸实验，记录瓦斯解吸量等数据（设定数据采集时间间隔为5 s）。⑤ 更换煤样罐中的煤样，重复步骤①−步骤④，完成其他煤样吸附解吸实验。

    1.4   实验数据处理

    将实验实测的瓦斯解吸体积换算成标准状态（压力为101.325 kPa，温度为273.15 K）下的解吸体积[20]。

    $$ {Q_{\rm{t}}} = \frac{{273.2}}{{1.013 \; 25 \times {{10}^5} \times \left( {273.2 + {T_{\rm{s}}}} \right)}}\left( {{P_0} - 9.81{H_{\rm{s}}} - {P_{\rm{b}}}} \right) {Q_{\rm{s}}} $$ (1)

    式中：Qt为标准状态下单位质量煤样瓦斯解吸量，cm3/g；Ts为解吸时水柱温度，K；P0为大气压力，Pa；Hs为量筒内的水柱高度，mm；Pb为Ts条件下饱和水蒸气压力，Pa；Qs为实验条件下测得的单位质量煤样瓦斯解吸量，cm3/g。

    单位质量煤样的极限瓦斯解吸量为

    $$ \begin{split} {Q_\infty } = & \left\{ { {\frac{{abP}}{{1 + bP}}\exp \left[ {n\left( {{T_1} - T} \right)} \right] - \frac{{ab{P_0}}}{{1 + b{P_0}}}\exp \left[ {n\left( {{T_1} - {T_0}} \right)} \right]} } \right\} \times \\ & \frac{1}{{1 + 0.31{M_{{\rm{ad}}}}}}\frac{{100 - {A_{{\rm{ad}}}} - {M_{{\rm{ad}}}}}}{{100}} \\[-6pt] \end{split}$$ (2)

    式中：P为瓦斯吸附平衡压力，MPa；n为系数；T1为测定瓦斯吸附常数a，b值时的温度，K；T为煤样实验吸附瓦斯时的温度，K；T0为煤样实验解吸瓦斯时的温度，K；Mad为煤样中水分含量，%；Aad为煤样中灰分含量，%。

    2.   实验结果及分析

    2.1   不同粒径混合煤样瓦斯解吸量

    不同粒径混合煤样瓦斯解吸量随时间变化曲线如图2所示。

    图  2  不同粒径混合煤样瓦斯解吸量随时间变化曲线
    Figure  2.  Variation curves of gas desorption of mixed coal samples with different particle sizes under different time
    下载: 全尺寸图片 幻灯片

    从图2可得以下结论：

    1） 解吸初始阶段（500 s以内）的瓦斯解吸量占整体解吸量的50%～70%。之后，瓦斯解吸速度逐渐放缓且解吸量曲线逐渐趋于平稳。不同粒径混合煤样瓦斯解吸量曲线在解吸前期形成交叉，说明在解吸前期影响解吸量的主要因素是煤样粒径大小。这是由于小粒径颗粒煤的瓦斯扩散路径较短且简单，同时小粒径颗粒煤的孔隙结构也更简单，解吸初始阶段更容易使吸附在煤基质中的瓦斯解吸扩散到外部环境中。

    2） 解吸2 000 s时，煤样H1瓦斯解吸量为11.68 cm3/g，煤样H2瓦斯解吸量为9.99 cm3/g，煤样H3瓦斯解吸量为9.52 cm3/g，即在解吸后期，小粒径颗粒煤占比高的煤样瓦斯解吸量明显高于小粒径颗粒煤占比低的煤样，说明在解吸后期粒径占比对解吸量的影响起主要作用。这是由于粒径的变化改变了煤样初始状态结构，孔容也随之发生变化[21]。粒径越小，煤样的孔容越大，相同吸附压力条件下瓦斯吸附量越多，解吸时同等吸附压力条件下，解吸时间越长，瓦斯解吸量也越多。

    2.2   不同粒径混合煤样瓦斯扩散系数

    不同粒径混合煤样瓦斯扩散系数随时间变化曲线如图3所示。

    图  3  不同粒径混合煤样瓦斯扩散系数随时间变化曲线
    Figure  3.  Variation curves of diffusion coefficient of mixed coal samples with different particle sizes under different time
    下载: 全尺寸图片 幻灯片

    从图3可得以下结论：

    1） 不同粒径混合煤样瓦斯扩散系数均随时间增加而逐渐减小，最终趋近0。究其原因，当煤样中瓦斯在解吸初始阶段时，气体首先通过表面孔隙扩散，然后通过煤基质的内部孔隙和一个较长的扩散通道，在此期间需要克服一定的阻力；当煤样中瓦斯解吸一段时间后，表面孔隙和基质内孔隙的压力不断降低，导致煤基质压缩和孔隙变形减小，因此在瓦斯扩散的后期，气体扩散阻力大大增加，瓦斯扩散系数降低并逐渐趋向于0。

    2） 不同粒径混合煤样初始瓦斯扩散系数从大到小的排序为D3＞H3＞H2＞D2＞H1＞D1，说明初始瓦斯扩散系数随小粒径颗粒煤占比的增加而减小。这是由于瓦斯扩散系数大小主要受有效扩散面积的影响，小粒径颗粒煤比大粒径颗粒煤有更大的比表面积，有效扩散面积增加导致扩散系数减小。

    不同粒径混合煤样瓦斯扩散系数见表3。可看出煤样D3瓦斯扩散系数衰减最明显，从实验开始至结束，煤样D3瓦斯扩散系数衰减了2个数量级，其他煤样瓦斯扩散系数衰减了1个数量级。

    表  3  不同粒径混合煤样瓦斯扩散系数
    Table  3.  Diffusion coefficients of mixed coal samples with different particle sizes
    时间/s瓦斯扩散系数/（m2·s−1）
    D1D2D3H1H2H3
    156.87×10−115.01×10−111.20×10−113.14×10−115.84×10−116.50×10−11
    603.24×10−112.32×10−115.41×10−121.44×10−112.73×10−113.07×10−11
    1202.22×10−111.58×10−113.63×10−129.65×10−121.86×10−112.10×10−11
    1801.78×10−111.27×10−112.88×10−127.66×10−121.49×10−111.69×10−11
    2401.53×10−111.08×10−112.44×10−126.51×10−121.27×10−111.44×10−11
    3001.35×10−119.54×10−122.14×10−125.74×10−121.13×10−111.28×10−11
    4201.13×10−117.92×10−121.77×10−124.74×10−129.36×10−121.07×10−11
    5409.82×10−126.89×10−121.53×10−124.11×10−128.15×10−129.29×10−12
    6608.81×10−126.17×10−121.36×10−123.67×10−127.30×10−128.33×10−12
    7808.05×10−125.63×10−121.24×10−123.33×10−126.66×10−127.61×10−12
    9007.45×10−125.19×10−121.14×10−123.07×10−126.16×10−127.04×10−12
    12006.37×10−124.43×10−129.66×10−132.61×10−125.26×10−126.02×10−12
    15005.64×10−123.91×10−128.50×10−132.30×10−124.66×10−125.34×10−12
    2 0004.83×10−123.34×10−127.20×10−131.95×10−123.97×10−124.56×10−12
    下载: 导出CSV 
    | 显示表格

    2.3   不同粒径混合煤样瓦斯解吸衰减系数

    不同粒径混合煤样瓦斯解吸衰减系数变化曲线如图4所示。

    图  4  不同粒径混合煤样瓦斯解吸衰减系数变化曲线
    Figure  4.  Variation curves of desorption attenuation coefficient of mixed coal samples with different particle sizes under different time
    下载: 全尺寸图片 幻灯片

    从图4可看出，不同粒径混合煤样衰减系数从大到小的排序为D3＞H1＞D2＞H2＞H3＞D1，说明小粒径颗粒煤占比越大，瓦斯解吸衰减系数越大，对瓦斯损失量的影响越显著，越不利于对瓦斯含量的准确测定。这是由于随着瓦斯解吸的进行，煤样内孔隙压力不断降低，导致煤基质压缩和孔隙结构发生变形，小粒径颗粒煤内部小孔和微孔变得更小，由原来的开放孔变为封闭孔；同时煤样粒径越小，瓦斯在孔隙中的扩散长度也越小。

    因此，在井下瓦斯含量测定过程中，获取的煤样中应尽可能提高大粒径颗粒煤的占比，以降低取样过程中瓦斯损失量，提高瓦斯含量测定的准确度。

    3.   结论

    1） 不同粒径混合煤样瓦斯解吸过程中，前期影响瓦斯解吸量的主要因素是粒径大小，后期影响瓦斯解吸量的主要因素是煤样中不同粒径占比大小；小粒径煤颗粒占比越大，煤样瓦斯解吸量越大。

    2） 不同粒径混合煤样瓦斯扩散系数均随时间增加而逐渐减小，最终趋近0，瓦斯扩散系数具有时变性；初始瓦斯扩散系数随小粒径颗粒煤占比的增加而减小。

    3） 小粒径颗粒煤占比越大，瓦斯解吸衰减系数越大。因此，在井下瓦斯含量测定过程中，获取的煤样中应尽可能提高大粒径颗粒煤的占比，以降低取样过程中瓦斯损失量，提高瓦斯含量测定的准确度。

    • 参考文献(19)
  • [1] 赵树彦, 任利勤, 张玉磊.先进选煤技术促进煤炭清洁高效利用研究与探讨[J].中国煤炭, 2022, 48(7):17-21.
    [2] 陈佳鑫, 赵国贞, 程伟, 等.基于动态称量和图像识别技术的井下煤矸石智能分选装置研发[J].矿业研究与开发, 2023, 43(2):178-183.
    [3] 武国平, 梁兴国, 胡金良, 等.基于X射线与神经网络的煤炭自动化干选模型[J].自动化技术与应用, 2023, 42(8):46-49.
    [4] 温晓荣, 任利丰.基于小波分析的刮板输送机断链故障检测系统[J].机械制造与自动化, 2023, 52(2):216-219.
    [5] 张雷, 梁义维, 王旭平, 等.矿用刮板机自供电链张力检测系统的研究[J].仪表技术与传感器, 2021(10):85-89.
    [6] 张帆, 李闯, 李昊.智能综采工作面刮板输送机直线度监测方法研究[J].煤炭科学技术, 2022, 50(4):246-255.
    [7] 丁华, 吕彦宝, 崔红伟, 等.基于分布式深度神经网络的刮板输送机启停工况故障诊断方法[J].振动与冲击, 2023, 42(18):112-122, 249.
    [8] 彭小红, 梁子祥, 张军, 等.深度学习驱动的水下图像预处理研究进展综述[J].计算机工程与应用, 2021, 57(13):43-54.
    [9] 王彤, 杨秋菊.结合多类特征融合与ICM目标函数优化的图像语义分割方法[J].计算机应用与软件, 2021, 38(8):240-247.
    [10] 彭道刚, 尹磊, 戚尔江, 等.基于OTSU和区域生长的电厂管道缺陷检测与分割[J].红外技术, 2021, 43(5):502-509.
    [11] 邹雨彤, 谭毅, 罗一涵.检焦系统中基于改进Sobel算子的图像清晰度评价函数研究[J].电子设计工程, 2022, 30(7):150-155.
    [12] 康爽, 陈长征, 罗园庆, 等.基于微分形态学梯度风力发电机叶片缺陷边缘增强的红外检测研究[J].太阳能学报, 2021, 42(6):432-437.
    [13] 王晓琦, 赵宣植, 刘增力.基于颜色恒常性和多尺度小波的水下光学图像增强[J].激光与光电子学进展, 2022, 59(16):42-52.
    [14] 余杰, 蔡志明, 王平波.主动声呐B显图像中的疑似目标自动拾取算法[J].哈尔滨工程大学学报, 2022, 43(10):1532-1538.
    [15] 董英娟, 郭华金, 杜子学, 等.基于Canny算子边缘检测技术的光学图像MTF测试[J].自动化与仪器仪表, 2022(8):258-262, 266.
    [16] 杨德振, 黄静颖, 喻松林, 等.基于引导滤波和分块自适应阈值的单帧红外弱小目标检测[J].光子学报, 2023, 52(4):270-280.
    [17] 谭芳喜, 肖世德, 周亮君, 等.基于改进YOLOv3算法在道路目标检测中的应用[J].计算机技术与发展, 2021, 31(8):118-123.
    [18] 郝俊飞, 陶健.智能干选机在骆驼山洗煤厂应用研究[J].自动化仪表, 2022, 43(11):105-110.
    [19] 俞杰, 陈思泽, 张连鑫, 等.中子照相中CCD相机瞬态噪声对成像分辨率的影响及其屏蔽需求分析[J].原子能科学技术, 2021, 55(增刊1):151-157.
    • 相关文章
    • 施引文献(5)

  • 期刊类型引用(1)

    1. 于永政，陈虹燕，张宝林，王浩. 矿山安全“再监督”监管平台设计与应用研究. 工业安全与环保. 2024(07): 79-82+89 . 百度学术

    其他类型引用(4)

    • 资源附件(0)
计量
  • 文章访问数:  3
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 5
出版历程
  • 收稿日期:  2024-01-24

目录

摘要
HTML全文

  • 0.   引言

  • 1.   实验方案

  • 1.1   实验系统

  • 1.2   煤样制备

  • 1.3   实验过程

  • 1.4   实验数据处理

  • 2.   实验结果及分析

  • 2.1   不同粒径混合煤样瓦斯解吸量

  • 2.2   不同粒径混合煤样瓦斯扩散系数

  • 2.3   不同粒径混合煤样瓦斯解吸衰减系数

  • 3.   结论

参考文献(19)
相关文章
施引文献
资源附件(0)

/

返回文章
返回

苏ICP备 05016349号-2

本系统由 北京仁和汇智信息技术有限公司 开发  访问量：1172026    百度统计