典型文献
基于复杂煤质机器学习的重介质洗选密度精准控制算法优化
文献摘要：
针对目前选煤厂重介分选系统的密控调节依赖化验室定时化验反馈调节,时间滞后性大的问题,且煤质变化后,数据更新不及时,无法有效及时调整洗选密度的现象,察哈素选煤厂采用基于复杂煤质,构建机器学习的方法,利用生成的可选性曲线等煤质资料及实时在线灰分检测仪器,使用科学的数学方法可以快速、有效的预测重介洗选密度;并在此基础上通过精准密度控制算法,控制洗选过程中的洗选密度,平稳提升控制的准确度;研究结果表明,本密度控制算法密度稳定率提升至85％以上(密度差在0.005 g/cm3范围内),煤质预测时效性提升近15倍,保证了分选密度和产品指标的稳定性,有效提升了产品产率.
文献关键词：
选煤厂;复杂煤质;机器学习;重介洗选密度;算法优化
中图分类号：
作者姓名：
刘平;冯化一;于大伟;楚遵勇;张秀峰;高会颖
作者机构：
国电建投内蒙古能源有限公司,内蒙古鄂尔多斯 017000;天津美腾科技股份有限公司,天津 300000
文献出处：
引用格式：
[1]刘平;冯化一;于大伟;楚遵勇;张秀峰;高会颖-.基于复杂煤质机器学习的重介质洗选密度精准控制算法优化)[J].煤炭加工与综合利用,2022(08):30-34
A类：
复杂煤质,可选性曲线,重介洗选密度,煤质预测
B类：
重介质,精准控制,控制算法,算法优化,选煤厂,重介分选,选系,化验室,反馈调节,时间滞后性,煤质变化,数据更新,实时在线,灰分检测,检测仪器,数学方法,密度控制,选过,稳定率,密度差,cm3,分选密度,产品指标
AB值：
0.297392
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
