[發明專利]煤與矸石分選裝置及其分選方法

在審

• 申請號: 201310416514.0
• 申請日: 2013-09-13
• 公開（公告）號: CN103473568A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 程學珍;李成宇;鞏乃奇;郭春芬;陳志巧;曲銀鳳;王偉;郭亮
• 申請（專利權）人: 山東科技大學
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06K9/60;B07C5/34
• 代理公司: 北京雙收知識產權代理有限公司 11241
• 代理人: 李云鵬

1.一種煤與矸石分選裝置，包括振動給煤機(1)、傳送帶(2)、排隊裝置(3)、高壓噴槍(9)、煤塊通道(8)和矸石通道(10)，所述振動給煤機(1)通過所述傳送帶(2)傳送待處理料，所述煤塊通道(8)和矸石通道(10)位于所述傳送帶(2)末端的下方，所述排隊裝置(3)安裝在所述傳送帶(2)的始端，所述高壓噴槍(9)安裝在所述傳送帶(2)的末端，所述高壓噴槍(9)的噴嘴逆著運行方向與所述傳送帶(2)的末端相對，其特征在于：還包括圖像傳感器(4)、圖像采集器(11)、微處理器(5)、上位機(6)和分選控制器(7)，所述圖像傳感器(4)安裝在所述傳送帶(2)的上方，所述圖像傳感器(4)輸出的測量信號經所述圖像采集器(11)傳輸至所述微處理器(5)進行實時處理，然后通過USB通信方式將信息傳送到所述上位機(6)，所述上位機(6)進行圖像信息的預處理、特征提取并建立軟測量模型，然后輸出分選信號并通過串口通信傳送給所述分選控制器(7)，所述分選控制器(7)將分選信號輸出至所述高壓噴槍(9)分別執行動作使煤落入所述煤通道(8),矸石自所述傳送帶(2)落入所述矸石通道(10)。

2.根據權利要求1所述的煤與矸石分選裝置，其特征在于：其中所述圖像傳感器(4)采用型號為OV7670的CMOS圖像敏感器件。

3.根據權利要求1或2所述的煤與矸石分選裝置，其特征在于：其中所述微處理器(5)采用型號為C8051F340的芯片構成。

4.根據權利要求3所述的煤與矸石分選裝置，其特征在于：其中所述分選控制器(7)采用型號為STC89C52的芯片構成。

5.根據權利要求4所述的煤與矸石分選裝置，其特征在于：其中所述微處理器(5)通過USB通信方式將信息傳送到所述上位機(6)，所述上位機(6)輸出的分選信號通過串口通信傳送給所述分選控制器(7)。

6.一種煤與矸石分選方法，該方法設置振動給煤機(1)、傳送帶(2)、排隊裝置(3)、高壓噴槍(9)、煤塊通道(8)和矸石通道(10)，以及圖像傳感器(4)、圖像采集器(11)、微處理器(5)、上位機(6)和分選控制器(7)，其特征在于：該方法包括：

(1)在所述傳送帶(2)的上方安裝圖像傳感器(4)；

(2)所述圖像采集器(11)按照設定頻率進行圖像采樣、顯示和存儲，傳送帶(2)的運行速度為1.5m/s，則每秒鐘采樣3幀圖像；

(3)所述上位機(6)進行圖像信息的預處理、特征提取并建立基于BP的神經網絡軟測量模型，其中：

圖像信息的預處理包括去噪、圖像增強和圖像分割；

圖像信息的特征提取包括提取目標的灰度特征值，Tamura紋理特征的粗糙度、對比度和方向度，以及灰度共生矩陣中的熵、二階矩和相關度，用這些值順序組成特征值向量，作為識別圖像信息的輸入量；

建立基于BP的神經網絡軟測量模型包括設定神經網絡隱含層神經元個數，然后在對采集的待處理料樣本圖像進行神經網絡訓練識別，將誤差逐漸縮小至要求范圍之內；

(4)將煤的識別結果用“0”表示，矸石的識別結果用“1”表示，所述上位機(6)輸出分選信號至所述分選控制器(7)，所述分選控制器(7)控制所述高壓噴槍(9)執行動作使煤落入所述煤通道(8)，矸石自所述傳送帶(2)落入所述矸石通道(10)。

7.根據權利要求6所述的方法，其特征在于：其中所述步驟3)中對采集的待處理料樣本圖像進行神經網絡訓練識別的步驟是：

1）制定網絡的拓撲結構，將網絡設置為三層；

2）設定網絡的參數，包括分類精度、循環次數和樣本特征值向量的各個常數因子，對網絡進行初始化設置；

3）計算各層網絡輸入矩陣的權值系數和輸出，判斷該網絡的輸出精度是否達到要求，首先判斷某一樣本的輸出誤差是否達到了預先設定的誤差要求，若否，則修改權值系數后返回重新計算；若是，則繼續判斷全部樣本的輸出誤差是否在要求的范圍之內；若全部樣本的輸出誤差在誤差要求范圍內則繼續向下執行，判斷循環次數是否超過設定的最大循環次數，若是，則該網絡沒有實現預期效果，需要修正網絡的參數。

4）以修正后的網絡參數對各層網絡輸入矩陣進行上述計算，直到對比實際輸出和期望輸出后,樣本圖像識別歸為輸出誤差最小的一類。