基于机器学习的洗煤厂重介分选密度计算系统及方法技术方案

本申请提供了一种基于机器学习的洗煤厂重介分选密度计算系统及方法。其中系统包括：数据读入模块、数据预处理模块、训练集划分模块、选择预测目标模块和模型训练与评估模块，模型自学习模块。数据读入模块用于从数据库和/或数据文件导入样本数据；样本数据包括影响重介分选密度的相关数据和对应的重介分选密度数据；模型训练与评估模块用于通过所述训练集训练机器学习模型，得到重介分选密度计算模型。通过监督学习方法训练合适的机器学习模型，得到精准的重介分选密度计算模型，通过重介分选密度计算模型计算重介分选密度，减少了对个人经验的依赖，同时提高了洗煤厂重介分选密度的计算结果的精准性和可靠性，促进产品质量和生产效率的提升。量和生产效率的提升。量和生产效率的提升。

【技术实现步骤摘要】
基于机器学习的洗煤厂重介分选密度计算系统及方法


[0001]本申请涉及煤炭洗选
，尤其涉及一种基于机器学习的洗煤厂重介分选密度计算系统和方法。

技术介绍

[0002]重介质选煤指的是通过密度大于水，并介于煤和矸石之间的重悬浮液作介质实现分选的一种重力选煤方法。重悬浮液是由加重质(高密度固体微粒)与水配制成具有一定密度呈悬浮状态的两相流体。当原煤给入充满这种悬浮液的分选机后，小于悬浮液密度的煤上浮，大于悬浮液密度的矸石(或中煤)下沉，实现按密度分选。重介质选煤工艺因其分选精度高、入选范围宽、便于实施自动化控制等优点被广泛应用于选煤厂。重介质选煤的目的主要是去除原煤中的矸石和杂质，提高原煤质量，其中，重介质密度即重介分选密度直接决定了分选效果。
[0003]相关技术中，重介分选密度的确定方式，主要是通过人工依靠灼烧测灰化验结果并结合人工经验给定。但是，这种确定方式对操作人员的个人经验有很强的依赖性，操作人员易因缺乏精准定量的能力而使参数调节不准确，造成重介分选密度波动较大、精煤灰分不稳定。

技术实现思路

[0004]本申请提供了一种基于机器学习的洗煤厂重介分选密度计算系统及方法，以减少对个人经验的依赖，同时提高计算结果的精准性和可靠性。本申请的技术方案如下：
[0005]第一方面，本申请实施例提供了一种基于机器学习的洗煤厂重介分选密度计算系统，包括：
[0006]数据读入模块，用于从数据库和/或数据文件导入样本数据；其中，所述样本数据包括影响重介分选密度的相关数据和对应的重介分选密度数据；
[0007]数据预处理模块，基于所述样本数据的有效区间，用于根据选定的数据预处理方法对所述样本数据进行数据预处理，得到预处理后的样本数据；
[0008]训练集划分模块，用于将所述预处理后的样本数据按比例划分成训练集和测试集；
[0009]选择预测目标模块，用于从所述训练集和测试集中确定特征数据和标签数据；其中，所述标签数据为重介分选密度数据，所述特征数据为影响重介分选密度的相关数据；
[0010]模型训练与评估模块，用于通过所述训练集训练机器学习模型，得到重介分选密度计算模型；还用于将所述测试集的特征数据输入所述重介分选密度计算模型，得到所述测试集对应的重介分选密度计算值，并根据所述重介分选密度计算值与所述测试集中的重介分选密度原始值的差值在预设容忍度范围内的比例，调整所述重介分选密度计算模型的参数。
[0011]第二方面，本申请实施例提供了一种重介分选密度计算模型的训练方法，包括：
[0012]获取样本数据；其中，所述样本数据包括影响重介分选密度的相关数据和对应的重介分选密度数据；
[0013]对所述样本数据进行数据预处理，得到预处理后的样本数据；
[0014]将所述预处理后的样本数据按比例划分成训练集和测试集；
[0015]从所述训练集和测试集中确定特征数据和标签数据；其中，所述标签数据为重介分选密度数据，所述特征数据为影响重介分选密度的相关数据；
[0016]通过所述训练集训练机器学习模型，得到重介分选密度计算模型；并将所述测试集的特征数据输入所述重介分选密度计算模型，得到所述测试集对应的重介分选密度计算值，并根据所述重介分选密度计算值与所述测试集中的重介分选密度原始值的差值在预设容忍度范围内的比例，调整所述重介分选密度计算模型的参数。
[0017]第三方面，本申请实施例提供了一种基于机器学习的洗煤厂重介分选密度计算方法，包括：
[0018]获取当前重介质选煤工艺中的影响重介分选密度的相关数据；
[0019]将所述重介质选煤工艺的相关数据输入训练好的重介分选密度计算模型，得到洗煤厂重介分选密度计算值；其中，所述训练好的重介分选密度计算模型为采用上述第二方面所述的重介分选密度计算模型的训练方法训练得到的。
[0020]本申请实施例提供的技术方案至少带来以下有益效果：
[0021]通过对收集的大量的现场样本数据进行数据预处理，通过监督学习方法训练合适的机器学习模型，得到精准的重介分选密度计算模型。通过重介分选密度计算模型计算重介分选密度，减少了对个人经验的依赖，并将大数据分析专家和工艺专家的经验标准化，软件化，极大的降低了重介分选密度的精准计算的门槛。同时，训练模型的数据来源于大量现场运行数据的深度挖掘，得到的重介分选密度计算模型精度高，泛化能力强，对实时数据的计算处理能力强，提高了洗煤厂重介分选密度的计算结果的精准性和可靠性，从而促进产品质量和生产效率的提升。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0023]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
[0024]图1是根据一示例性实施例示出的一种基于机器学习的洗煤厂重介分选密度计算系统的框图。
[0025]图2是根据一示例性实施例示出的一种重介分选密度计算模型的训练方法的流程图。
[0026]图3是根据一示例性实施例示出的一种基于机器学习的洗煤厂重介分选密度计算方法的流程图。
具体实施方式
[0027]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显
然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
[0028]以下，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0029]此外，本申请中，“上”、“下”等方位术语是相对于附图中的部件示意置放的方位来定义的，应当理解到，这些方向性术语是相对的概念，它们用于相对于的描述和澄清，其可以根据附图中部件所放置的方位的变化而相应地发生变化。
[0030]在本申请中，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接相连，也可以通过中间媒介间接相连。
[0031]重介分选过程中悬浮液密度的设定值与混配的原煤煤质信息以及分选后精煤质量之间存在着非线性的耦合关系，当前主要依托常规的理论计算和人工经验指导生产，造成原煤配比随机性较大，工人劳动强度大及精煤质量难以满足生产要求。
[0032]为例解决上述问题，本申请实施例基于人工智能技术，将重介分选的工艺原理、现场运行过程中积累的海量工况数据、人工经验相结合，结合工艺计算模型与大数据机器学习模型，构建基于机器学习的洗煤厂重介分选密度计算系统，实现人工经验的在线学习，融合智能高效的大数据决策。
[0033]图1是根据一示例性实施例示出的一种基于机器学习的洗煤厂重介分选密度计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的洗煤厂重介分选密度计算系统，其特征在于，包括：数据读入模块，用于从数据库和/或数据文件导入样本数据；其中，所述样本数据包括影响重介分选密度的相关数据和对应的重介分选密度数据；数据预处理模块，基于所述样本数据的有效区间，根据选定的数据预处理方法对所述样本数据进行数据预处理，得到预处理后的样本数据；训练集划分模块，用于将所述预处理后的样本数据按比例划分成训练集和测试集；选择预测目标模块，用于从所述训练集和测试集中确定特征数据和标签数据；其中，所述标签数据为重介分选密度数据，所述特征数据为影响重介分选密度的相关数据；模型训练与评估模块，用于通过所述训练集训练机器学习模型，得到重介分选密度计算模型；还用于将所述测试集的特征数据输入所述重介分选密度计算模型，得到所述测试集对应的重介分选密度计算值，并根据所述重介分选密度计算值与所述测试集中的重介分选密度原始值的差值在预设容忍度范围内的比例，调整所述重介分选密度计算模型的参数。2.根据权利要求1所述的系统，其特征在于，所述系统还包括：机器学习算法选择模块，用于从多个机械学习模型中选择所述模型训练与评估模块当前训练的机械学习模型，其中，所述多个机械学习模型包括随机森林、LSTM以及SVM。3.根据权利要求1所述的系统，其特征在于，所述系统还包括：模型自学习模块，用于定时通过所述数据读入模块读取新的样本数据，并通过所述新的样本数据训练所述重介分选密度计算模型。4.根据权利要求1所述的系统，其特征在于，所述数据预处理模块提供的数据预处理方法包括缺失值填充、光滑噪声数据、识别或删除离群点以及数据标准化方法；所述相关数据包括原煤实时灰分、精煤的产品质量要求和当前时刻的重介分选密度，所述重介分选密度数据包括下一时刻的重介分选密度；所述原煤实时灰分、精煤的产品质量要求和当前时刻的重介分选密度为特征数据；所述下一时刻的重介分选密度为标签数据。5.一种重介分选密度计算模型...

【专利技术属性】
技术研发人员：杨培培，贾琨，张晓霞，苏上海，
申请(专利权)人：煤炭科学研究总院有限公司，
类型：发明
国别省市：