[发明专利]一种选煤单机设备智能控制系统控制方法

权利要求书

1.一种选煤单机设备智能控制系统控制方法，其特征在于：智能控制系统控制方法包括：生产数据库单元、智能控制模型单元、产品质量检测模型单元和数学模型单元；通过各单元之间的协同配合，构成智能控制系统，实现生产过程工艺参数自动调整和产品质量在线检测；

在智能控制系统投入使用前，预先采集生产数据，建立生产数据库单元，用于训练智能控制模型单元和产品质量检测模型单元，并建立数学模型单元，待各模型单元训练完毕后，智能控制系统即可投入使用；

实际生产过程中，智能控制系统会自动记录稳定生产时的各项数据，用以扩充数据库，并定期调整和更新现有智能控制模型单元，保证智能控制系统在入料性质和设备工况发生变化时，仍能够保持较高的控制精度；

实际生产时，根据设定的产品质量指标，智能控制系统会给出初始的工艺参数取值，并开始生产；在智能控制系统稳定后，通过比较产品质量检测模型单元检测得到的预测产品质量和目标产品质量，判断当前产品是否满足要求，若不满足要求，则由数学模型单元对当前工艺参数进行调整，然后重复上述判断过程，直到产品质量满足要求为止。

2.根据权利要求1所述的一种选煤单机设备智能控制系统控制方法，其特征在于：所述的生产数据库单元，包括数据采集和储存系统，用于收集和存储选煤单机设备现场生产时传感器测量得到的工艺参数数据，包括但不限于入料浓度、入料粒度、设备操作参数、精矿图片、尾矿图片，以及通过人工检测和产品质量检测模型单元在线检测得到的实际和预测产品质量数据，包括：精矿质量、尾矿质量。

3.根据权利要求1所述的一种选煤单机设备智能控制系统控制方法，其特征在于：所述的智能控制模型单元，内置多种机器学习算法，包括：多元线性回归、支持向量机、随机森林，以及由这些算法组合得到的混合算法，用于对生产数据库进行数据挖掘，分析得到设定的产品质量指标下对应的最佳工艺参数。

4.根据权利要求1所述的一种选煤单机设备智能控制系统控制方法，其特征在于：产品质量检测模型单元，内置多种深度学习模型，包括：各种卷积神经网络模型、生成对抗网络模型、Transformer模型，以及由这些模型组合得到的混合模型，用于对生产数据库单元中的精矿、尾矿的图片和质量数据进行建模，建立图片与产品质量间的关系，从而能够根据产品图片实时预测生产中精矿和尾矿的质量。

5.根据权利要求1所述的一种选煤单机设备智能控制系统控制方法，其特征在于：数学模型单元，基于工艺参数与产品质量间的线性和/或非线性关系所建立，用于根据设定产品灰分与预测产品灰分的差值调整当前的工艺参数取值。

6.根据权利要求1所述的一种选煤单机设备智能控制系统控制方法，其特征在于：智能系统控制方法，具体步骤如下：

步骤a.设定产品质量指标目标值y_set，智能控制模型单元根据y_set，给出选煤单机工艺参数x的初始值x₀，选煤单机工艺参数x为n个，n大于等于1，选煤过程在x₀条件下开始生产；

步骤b.待智能控制系统工作状况稳定后，产品质量检测模型单元根据精矿和尾矿实时图片给出当前精矿和尾矿的实际质量指标y_pred；

步骤c.比较y_set和y_pred的值，若两者相等，则工艺参数调整结束，工艺参数维持当前水平；若两者不相等，则调用数学模型单元，根据y_set和y_pred的值，对现有工艺参数x取值进行调整，给出新的工艺参数取值x₁，重复b、c过程，直到y_set和y_pred的值相等为止；

步骤d.智能控制系统进入稳定生产状态，并实时监测产品质量，当y_set和y_pred的值不相等时，重复步骤a、b、c；

步骤e.记录稳定生产时的工艺参数取值、产品图片、产品质量数据，并将其追加到生产数据库单元中，用于定期调整和更新智能控制模型单元、产品质量检测模型单元和数学模型单元。