基于BP神经网络的选煤厂压滤控制系统智能化改造

摘要

针对传统选煤厂煤泥压滤过程中受人为操作影响较大的问题,开展了压滤系统控制模型的构建及压滤过程流量阈值的优化。基于自适应BP神经网络模型搭建了数据处理平台,形成了从料浆物性到工作参数的神经网络结构模型,探究了模型对滤饼含水量预测的准确性。利用微小流量检测技术实现了压滤机压滤结束状态自判断,结合压滤效果及压滤效率确定了阈值流量,并进一步分析了压滤过程中滤水流量的变化规律。结果表明:逻辑判断优化后,实际滤饼水分与目标水分的绝对误差为±1.5%,当阈值流量为0.05m3/h时,压滤后煤泥平均含水量为24.0%。改造后,滤饼含水量的极差由4.5%减小至1.3%,运行作业更加稳定。此外,压滤时间均在15min以下,提高了压滤过程的工作效率,实现了选煤厂的降本增效。