選煤廠智能化建設(shè)成果專欄

針對(duì)付村選煤廠在實(shí)際洗選工藝流程中，重介洗煤處理工藝存在處理效果不穩(wěn)定、運(yùn)行成本高、操作復(fù)雜等問(wèn)題，研究了洗選知識(shí)圖譜與決策支持關(guān)鍵技術(shù)，通過(guò)智能化系統(tǒng)實(shí)現(xiàn)各業(yè)務(wù)系統(tǒng)和智能化子系統(tǒng)的融合協(xié)同，引入自動(dòng)化控制系統(tǒng)和大數(shù)據(jù)分析，全面優(yōu)化重介分選工藝，建立了智能控制系統(tǒng)，提高了重介分選的穩(wěn)定性和精度，降低運(yùn)行成本和操作復(fù)雜度，提高了選煤廠的生產(chǎn)效率、經(jīng)濟(jì)效益和智能決策水平。

文章來(lái)源：《智能礦山》2025年第9期“選煤廠智能化建設(shè)成果專欄”

作者簡(jiǎn)介：郭瑩，現(xiàn)任棗莊礦業(yè)集團(tuán)付村選煤廠主任工程師，主要從事選煤生產(chǎn)技術(shù)管理相關(guān)工作。E-mail：guosuying5821@126.com

作者單位：棗莊礦業(yè)（集團(tuán)）付村煤業(yè)有限公司

引用格式：郭瑩.付村選煤廠洗選知識(shí)圖譜與工藝參數(shù)決策研發(fā)與應(yīng)用[J].智能礦山，2025，6(9)：33-40.

點(diǎn)擊文末左下角閱讀原文，免費(fèi)下載閱讀pdf全文

關(guān)注微信公眾號(hào)，了解更多礦山智能化建設(shè)進(jìn)展

選煤作為煤炭現(xiàn)代化工業(yè)生產(chǎn)中的關(guān)鍵環(huán)節(jié)，既是潔凈煤技術(shù)的源頭，又是綜合利用資源、提高煤炭企業(yè)經(jīng)濟(jì)效益和社會(huì)效益的重要途徑和手段的環(huán)節(jié)。因此，煤炭洗選加工技術(shù)的發(fā)展是提高經(jīng)濟(jì)效益、節(jié)約資源、促進(jìn)節(jié)能減排、實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境和諧發(fā)展的關(guān)鍵。

棗莊礦業(yè)（集團(tuán)）付村煤業(yè)有限公司選煤廠（簡(jiǎn)稱付村選煤廠）設(shè)計(jì)規(guī)模為3.0 Mt/a，于2001年正式投產(chǎn)，經(jīng)過(guò)多次技術(shù)改造，現(xiàn)主選設(shè)備為無(wú)壓三產(chǎn)品重介質(zhì)旋流器。為進(jìn)一步優(yōu)化生產(chǎn)，圍繞煤質(zhì)在線預(yù)測(cè)、選煤知識(shí)圖譜構(gòu)建、智能精煤軟測(cè)量等方面，分析了煤炭分選環(huán)節(jié)智能決策和控制的研究現(xiàn)狀，提出知識(shí)與數(shù)據(jù)混合驅(qū)動(dòng)的重介選煤工藝優(yōu)化關(guān)鍵技術(shù)，為質(zhì)量管控提供更為準(zhǔn)確的檢測(cè)依據(jù)，為集約生產(chǎn)管理提供更為可靠的數(shù)據(jù)支持，為洗煤提供更為高效穩(wěn)定的生產(chǎn)系統(tǒng)，實(shí)現(xiàn)洗選加工的優(yōu)質(zhì)高效。

選煤廠智能化發(fā)展現(xiàn)狀

現(xiàn)階段國(guó)內(nèi)選煤廠基本實(shí)現(xiàn)自動(dòng)化控制，信息化處于初步的報(bào)表、流程階段，自動(dòng)化滿足工業(yè)生產(chǎn)流程效率層面的要求。應(yīng)進(jìn)一步探索產(chǎn)能、成本、效益、效率、安全等方面的潛在特性，研發(fā)選煤決策控制系統(tǒng)，實(shí)現(xiàn)選煤廠的分析判斷、指導(dǎo)調(diào)控的智能生產(chǎn)功能。

重介洗煤是變量多、非線性、時(shí)變性且參數(shù)關(guān)聯(lián)性強(qiáng)的復(fù)雜系統(tǒng)，當(dāng)某個(gè)參數(shù)發(fā)生變化時(shí)，需要同時(shí)調(diào)整多個(gè)關(guān)聯(lián)參數(shù)，人為調(diào)整存在不及時(shí)和不準(zhǔn)確的問(wèn)題。

當(dāng)前選煤過(guò)程的運(yùn)行優(yōu)化控制主要采用了基于人工和機(jī)理模型的控制方法，此類方法存在較大局限性。運(yùn)行過(guò)程的動(dòng)態(tài)特性未知，機(jī)理復(fù)雜難以建立準(zhǔn)確的數(shù)學(xué)模型，且易受到多種不確定性因素影響，嚴(yán)重阻礙了當(dāng)前選煤控制系統(tǒng)的設(shè)計(jì)，導(dǎo)致實(shí)際工業(yè)生產(chǎn)應(yīng)用效果較差。

為了提高重介洗煤處理工藝的效率和可靠性，通過(guò)綜合利用豐富的領(lǐng)域知識(shí)和大數(shù)據(jù)分析，實(shí)現(xiàn)工藝參數(shù)的精確優(yōu)化，提高洗選效率和產(chǎn)品質(zhì)量。雙驅(qū)動(dòng)模式實(shí)時(shí)監(jiān)測(cè)和分析原煤性質(zhì)、設(shè)備狀態(tài)及環(huán)境因素等多維數(shù)據(jù)，輔助制定智能決策，確保分選效果優(yōu)化，增強(qiáng)分選設(shè)備配套能力，提高產(chǎn)能和智能化水平。

洗選知識(shí)圖譜與決策支持整體概況

2.1 付村選煤廠生產(chǎn)現(xiàn)狀

付村選煤廠主要生產(chǎn)環(huán)節(jié)包括原煤初選運(yùn)輸存儲(chǔ)、無(wú)壓三產(chǎn)品重介質(zhì)旋流器分選、精煤浮選壓濾、煤泥濃縮壓濾、產(chǎn)品運(yùn)輸存儲(chǔ)等。雖然智能化建設(shè)方面取得了一些成果，但生產(chǎn)過(guò)程控制方面存在以下3個(gè)方面的問(wèn)題。

（1）原煤煤質(zhì)數(shù)據(jù)監(jiān)測(cè)不及時(shí)，數(shù)據(jù)缺失量大。原煤煤質(zhì)依賴人工浮沉試驗(yàn)，化驗(yàn)周期長(zhǎng)，原煤煤質(zhì)數(shù)據(jù)滯后嚴(yán)重；長(zhǎng)時(shí)間間隔采樣，存在當(dāng)下煤質(zhì)情況嚴(yán)重缺失；根據(jù)生產(chǎn)狀況不均勻采樣，導(dǎo)致不規(guī)則采樣煤質(zhì)數(shù)據(jù)。

（2）精煤產(chǎn)品灰分測(cè)量實(shí)時(shí)性差?？焖贉y(cè)灰法測(cè)量周期長(zhǎng)，精煤灰分化驗(yàn)數(shù)據(jù)滯后，無(wú)法及時(shí)反饋到工藝參數(shù)調(diào)整；在用的測(cè)灰儀設(shè)備檢測(cè)精度不滿足需求。

（3）工藝參數(shù)調(diào)整不科學(xué)，無(wú)法更好地指導(dǎo)重介生產(chǎn)。原煤煤質(zhì)檢測(cè)不及時(shí)，工藝參數(shù)調(diào)整依據(jù)不足；滯后的精煤灰分反饋與變化的煤質(zhì)疊加，導(dǎo)致工藝參數(shù)人工決策難度大；依靠人工經(jīng)驗(yàn)調(diào)整工藝參數(shù)，調(diào)節(jié)過(guò)程不科學(xué)，介質(zhì)消耗大、產(chǎn)品指標(biāo)不穩(wěn)定。

2.2 智能化控制模型設(shè)計(jì)原則

針對(duì)付村選煤廠重介智能分選所面臨的問(wèn)題，引入先進(jìn)的自動(dòng)化控制系統(tǒng)和大數(shù)據(jù)分析手段，全面優(yōu)化重介分選工藝。整合、梳理來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行數(shù)據(jù)池化管理，并通過(guò)實(shí)時(shí)監(jiān)測(cè)和分析各類生產(chǎn)數(shù)據(jù)，建立智能化控制模型，提高重介分選穩(wěn)定性和精度，降低運(yùn)行成本和操作復(fù)雜度，提高選煤廠的生產(chǎn)效率和經(jīng)濟(jì)效益。

2.3 智能決策系統(tǒng)架構(gòu)技術(shù)路線

針對(duì)原煤煤質(zhì)數(shù)據(jù)采集頻率低的問(wèn)題，利用歷史原煤浮沉實(shí)驗(yàn)室數(shù)據(jù)和精煤灰分?jǐn)?shù)據(jù)，預(yù)測(cè)性優(yōu)化原煤煤質(zhì)數(shù)據(jù)；基于優(yōu)化后的原煤煤質(zhì)數(shù)據(jù)，利用目標(biāo)精煤灰分計(jì)算理論分選密度，根據(jù)當(dāng)前分選密度計(jì)算理論精煤灰分；精煤灰分軟測(cè)量模型結(jié)合理論精煤灰分、當(dāng)前工藝參數(shù)和優(yōu)化后的煤質(zhì)數(shù)據(jù)，預(yù)測(cè)精煤灰分；重介分選工藝決策模型結(jié)合預(yù)測(cè)的精煤灰分反饋、理論分選密度和優(yōu)化后的煤質(zhì)數(shù)據(jù)，智能決策分選密度等工藝參數(shù)；在此基礎(chǔ)上，結(jié)合選煤工藝優(yōu)化知識(shí)圖譜，實(shí)現(xiàn)知識(shí)與數(shù)據(jù)混合驅(qū)動(dòng)的重介選煤工藝優(yōu)化，洗選知識(shí)圖譜與智能決策系統(tǒng)架構(gòu)如圖1所示。

圖1 洗選知識(shí)圖譜與智能決策系統(tǒng)架構(gòu)

洗選知識(shí)圖譜與決策支持關(guān)鍵技術(shù)

3.1 選煤大數(shù)據(jù)采集與整合

（1）選煤相關(guān)數(shù)據(jù)的全面采集和整合，包括抽取和轉(zhuǎn)換原有生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、產(chǎn)品數(shù)據(jù)等，實(shí)現(xiàn)數(shù)據(jù)格式的統(tǒng)一和標(biāo)準(zhǔn)化；利用物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)的實(shí)時(shí)監(jiān)控和數(shù)據(jù)采集，并推送至數(shù)據(jù)中心。

（2）建立選煤大數(shù)據(jù)存儲(chǔ)和處理系統(tǒng)，通過(guò)引入大數(shù)據(jù)技術(shù)，搭建高效數(shù)據(jù)存儲(chǔ)和計(jì)算平臺(tái)，實(shí)現(xiàn)對(duì)選煤大數(shù)據(jù)的高速存儲(chǔ)和實(shí)時(shí)處理；借助分布式文件系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)等技術(shù)手段，提高數(shù)據(jù)存儲(chǔ)和訪問(wèn)的效率和可靠性。

（3）構(gòu)建選煤大數(shù)據(jù)集成與共享平臺(tái)，通過(guò)引入開(kāi)放接口和標(biāo)準(zhǔn)協(xié)議，實(shí)現(xiàn)不同數(shù)據(jù)源之間的互聯(lián)和交流；搭建數(shù)據(jù)共享平臺(tái)，將選煤大數(shù)據(jù)對(duì)外發(fā)布，以便其他應(yīng)用和機(jī)構(gòu)利用數(shù)據(jù)進(jìn)行研究和分析，超融合服務(wù)器平臺(tái)用于數(shù)據(jù)采集與整合界面如圖2所示。

圖2 超融合服務(wù)器平臺(tái)用于數(shù)據(jù)采集與整合界面

3.2 入選原煤煤質(zhì)數(shù)據(jù)實(shí)時(shí)優(yōu)化與重構(gòu)

（1）建立基于密度的原煤灰分預(yù)測(cè)模型。開(kāi)發(fā)了1種基于原煤密度的回歸模型，用于預(yù)測(cè)原煤灰分含量。利用易于獲取的原煤密度數(shù)據(jù)作為預(yù)測(cè)灰分的基礎(chǔ)，提高了原煤灰分?jǐn)?shù)據(jù)的測(cè)量效率，原煤灰分與密度線性關(guān)系如圖3所示。

圖3 原煤灰分與密度線性關(guān)系

（2）填補(bǔ)基于精煤快灰反饋的原煤數(shù)據(jù)。針對(duì)原煤浮沉數(shù)據(jù)中的缺失值，采用一種基于精煤快速灰分反饋的填補(bǔ)技術(shù)?？紤]到精煤快灰的采樣頻率遠(yuǎn)高于原煤，結(jié)合原煤密度級(jí)灰分和產(chǎn)率的概率分布，實(shí)現(xiàn)了對(duì)入選原煤煤質(zhì)數(shù)據(jù)的高效填補(bǔ)，基于精煤快灰反饋的原煤煤質(zhì)數(shù)據(jù)優(yōu)化與重構(gòu)如圖4所示。

圖4 基于精煤快灰反饋的原煤煤質(zhì)數(shù)據(jù)優(yōu)化與重構(gòu)

（3）實(shí)現(xiàn)圖引導(dǎo)網(wǎng)絡(luò)的原煤數(shù)據(jù)填補(bǔ)。開(kāi)發(fā)出一種基于圖引導(dǎo)網(wǎng)絡(luò)的方法，用于填補(bǔ)不規(guī)則時(shí)間采樣的原煤煤質(zhì)數(shù)據(jù)。在此方法中，每個(gè)數(shù)據(jù)樣本被構(gòu)建成1張圖，其中節(jié)點(diǎn)代表重介分選工藝參數(shù)和原煤煤質(zhì)指標(biāo)，邊表示指標(biāo)間的依賴關(guān)系。通過(guò)神經(jīng)消息傳遞和時(shí)間自注意力算法，計(jì)算指標(biāo)間的相互依賴性，并利用高依賴邊通過(guò)相鄰未缺失節(jié)點(diǎn)填補(bǔ)缺失節(jié)點(diǎn)值。此方法考慮了跨樣本指標(biāo)間的共享依賴關(guān)系，并捕捉了每個(gè)樣本中指標(biāo)隨時(shí)間變化的特定關(guān)系，實(shí)現(xiàn)了對(duì)不規(guī)則時(shí)間采樣缺失煤質(zhì)數(shù)據(jù)的自適應(yīng)填補(bǔ)，引導(dǎo)的煤質(zhì)數(shù)據(jù)優(yōu)化與重構(gòu)如圖5所示。

圖5 引導(dǎo)的煤質(zhì)數(shù)據(jù)優(yōu)化與重構(gòu)

3.3 精煤灰分在線軟測(cè)量技術(shù)

（1）原煤煤質(zhì)數(shù)據(jù)的多通道線圖化表示。設(shè)計(jì)了1種針對(duì)不規(guī)則時(shí)間采樣原煤煤質(zhì)數(shù)據(jù)的多通道線圖化表示方法。將原煤煤質(zhì)指標(biāo)（如密度級(jí)產(chǎn)率或灰分）隨時(shí)間變化以多維度折線圖的形式直觀展示。通過(guò)組合所有密度級(jí)的煤質(zhì)指標(biāo)，形成多通道折線圖，每個(gè)通道代表1個(gè)指標(biāo)的變化軌跡。此方法提升了數(shù)據(jù)的可讀性，并完整保留了數(shù)據(jù)原始特征，使得數(shù)據(jù)的分析和理解更為直觀和高效，針對(duì)不規(guī)則采樣的多通道線圖法如圖6所示。

圖6 針對(duì)不規(guī)則采樣的多通道線圖法

（2）以多通道線圖為輸入，結(jié)合分選工藝數(shù)據(jù)和“分選密度-精煤灰分”理論回歸模型獲得的理論灰分值。通過(guò)構(gòu)建復(fù)合損失函數(shù)，結(jié)合物理?yè)p失與傳統(tǒng)經(jīng)驗(yàn)損失監(jiān)督模型訓(xùn)練。物理?yè)p失通過(guò)調(diào)整部分輸入數(shù)據(jù)生成反事實(shí)樣本，并與原始數(shù)據(jù)進(jìn)行對(duì)比分析，根據(jù)精煤灰分預(yù)測(cè)結(jié)果變化計(jì)算得到。此模型實(shí)現(xiàn)連續(xù)測(cè)量，并通過(guò)生產(chǎn)情況矯正預(yù)測(cè)值，增強(qiáng)模型在各類工況下的自適應(yīng)能力，基于深度學(xué)習(xí)的精煤實(shí)時(shí)灰分軟測(cè)量模型如圖7所示。

圖7 基于深度學(xué)習(xí)的精煤實(shí)時(shí)灰分軟測(cè)量模型

3.4 選煤工藝分析與控制變量調(diào)節(jié)算法

（1）建立精煤灰分-分選密度理論回歸模型。利用原煤浮沉試驗(yàn)數(shù)據(jù)，確定了精煤灰分與分選密度之間的離散映射關(guān)系，通過(guò)插值方法平滑處理離散點(diǎn)，建立了兩者間的連續(xù)值理論映射模型，為精煤灰分的預(yù)測(cè)提供了科學(xué)依據(jù)，動(dòng)態(tài)原煤可選性曲線如圖8所示。

圖8 動(dòng)態(tài)原煤可選性曲線

（2）定義融合物理知識(shí)的復(fù)合損失函數(shù)。提出了1種面向重介分選密度決策的復(fù)合損失函數(shù)，由傳統(tǒng)經(jīng)驗(yàn)損失和物理?yè)p失2部分組成。物理?yè)p失計(jì)算通過(guò)調(diào)整部分輸入數(shù)據(jù)，生成反事實(shí)對(duì)照樣本，并與原始數(shù)據(jù)對(duì)比分析。根據(jù)調(diào)整前后分選密度預(yù)測(cè)結(jié)果的物理變化計(jì)算物理?yè)p失，實(shí)現(xiàn)對(duì)模型性能的準(zhǔn)確評(píng)估，深度學(xué)習(xí)與物理引導(dǎo)的分選密度模型決策如圖9所示。

圖9 深度學(xué)習(xí)與物理引導(dǎo)的分選密度模型決策

3.5 選煤工藝分析與決策支持系統(tǒng)

（1）鑒于選煤生產(chǎn)數(shù)據(jù)多樣，建立工藝分析與決策支持平臺(tái)，通過(guò)引入開(kāi)放接口和標(biāo)準(zhǔn)協(xié)議，與現(xiàn)有集控系統(tǒng)對(duì)接，將各類重介生產(chǎn)工藝參數(shù)接入現(xiàn)有系統(tǒng)，實(shí)現(xiàn)不同數(shù)據(jù)源之間的互聯(lián)，集中管理、統(tǒng)一調(diào)度和智能分析選煤數(shù)據(jù)功能。支持多數(shù)據(jù)源接入、數(shù)據(jù)格式轉(zhuǎn)換和標(biāo)準(zhǔn)化處理，具備高效的數(shù)據(jù)存儲(chǔ)和檢索能力，能夠處理和分析海量實(shí)時(shí)數(shù)據(jù)，提升數(shù)據(jù)可讀性并保留原始特征；同時(shí)將密度決策、重介灰分軟測(cè)量、洗選知識(shí)圖譜等整合到平臺(tái)中，平臺(tái)支持TPC/IP，OPC，MOTT，HTTP以及用戶自定義接口協(xié)議，為選煤行業(yè)提供強(qiáng)有力的數(shù)據(jù)支持，重介智能決策支持平臺(tái)界面如圖10所示。

圖10 重介智能決策支持平臺(tái)界面

（2）基于理論與數(shù)據(jù)雙驅(qū)動(dòng)的重介分選密度決策模式?；诰嚎旎曳答伜蛨D引導(dǎo)網(wǎng)絡(luò)，雙重填補(bǔ)策略優(yōu)化的原煤煤質(zhì)為前饋尋優(yōu)控制，以“精煤灰分-分選密度”理論回歸模型優(yōu)化的理論分選密度為第2前饋，以面向不規(guī)則時(shí)間采樣原煤煤質(zhì)數(shù)據(jù)多通道線圖化表示的產(chǎn)品灰分在線軟測(cè)量為反饋控制，優(yōu)化模型復(fù)合損失函數(shù)為物理引導(dǎo)，形成物理引導(dǎo)的“雙前饋+反饋閉環(huán)控制”智能化控制新模式，實(shí)現(xiàn)對(duì)目標(biāo)精煤灰分分選密度的精準(zhǔn)調(diào)控，“雙前饋＋反饋”閉環(huán)控制智能決策新模式如圖11所示。

圖11 “雙前饋＋反饋”閉環(huán)控制智能決策新模式

3.6 洗選知識(shí)圖譜平臺(tái)

（1）選煤領(lǐng)域?qū)I(yè)知識(shí)和經(jīng)驗(yàn)的整合和抽象，包括對(duì)選煤生產(chǎn)過(guò)程中涉及的各環(huán)節(jié)、設(shè)備、工藝參數(shù)等進(jìn)行知識(shí)提取和建模，形成領(lǐng)域知識(shí)圖譜基礎(chǔ)；利用自然語(yǔ)言處理和專業(yè)領(lǐng)域分析技術(shù)，對(duì)信息進(jìn)行結(jié)構(gòu)化處理和語(yǔ)義抽取，構(gòu)建知識(shí)表示的標(biāo)準(zhǔn)和規(guī)范。

（2）建立選煤相關(guān)數(shù)據(jù)與領(lǐng)域知識(shí)關(guān)聯(lián)關(guān)系，關(guān)聯(lián)選煤生產(chǎn)過(guò)程中產(chǎn)生的大量數(shù)據(jù)與領(lǐng)域知識(shí)，建立數(shù)據(jù)與知識(shí)的映射關(guān)系。通過(guò)數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)技術(shù)，挖掘數(shù)據(jù)中潛在特性和價(jià)值信息，并與領(lǐng)域知識(shí)融合，為選煤過(guò)程優(yōu)化，提供理論支撐和實(shí)踐指導(dǎo)，洗選知識(shí)圖譜模型構(gòu)建如圖12所示。

圖12 洗選知識(shí)圖譜模型構(gòu)建

（3）構(gòu)建選煤過(guò)程優(yōu)化知識(shí)表示模型，基于整合的選煤數(shù)據(jù)和領(lǐng)域知識(shí)，設(shè)計(jì)并構(gòu)建知識(shí)圖譜的表示模型，包括知識(shí)結(jié)構(gòu)化表示、關(guān)聯(lián)關(guān)系建模、實(shí)體屬性描述等。通過(guò)統(tǒng)一的知識(shí)表示模型，實(shí)現(xiàn)選煤過(guò)程涉及的各類知識(shí)和數(shù)據(jù)的統(tǒng)一管理和表達(dá)，為后續(xù)知識(shí)推理和應(yīng)用提供基礎(chǔ)支持，洗選知識(shí)圖譜平臺(tái)問(wèn)答界面如圖13所示。

圖13 洗選知識(shí)圖譜平臺(tái)問(wèn)答界面

洗選知識(shí)圖譜與決策支持系統(tǒng)應(yīng)用效果

（1）提高了選煤廠生產(chǎn)工藝系統(tǒng)的智能化水平，降低了操作工人工作強(qiáng)度，實(shí)現(xiàn)了工藝參數(shù)的精確優(yōu)化，減少了人為因素的影響，降低了生產(chǎn)成本，全員工效提高10%。

（2）通過(guò)綜合利用領(lǐng)域知識(shí)和大數(shù)據(jù)分析技術(shù)，實(shí)時(shí)監(jiān)測(cè)和分析原煤性質(zhì)、設(shè)備狀態(tài)以及環(huán)境因素等多維數(shù)據(jù)，實(shí)現(xiàn)工藝參數(shù)的精確優(yōu)化，提高洗選效率和產(chǎn)品質(zhì)量。

（3）保證了生產(chǎn)過(guò)程中的各項(xiàng)指標(biāo)穩(wěn)定在最佳范圍內(nèi)，精煤灰份控制偏差在0.4%以內(nèi)，灰分波動(dòng)范圍下降10%，綜合精煤回收率提高0.5%。

結(jié) 語(yǔ)

付村選煤廠面向生產(chǎn)過(guò)程控制的洗選知識(shí)圖譜與決策支持關(guān)鍵技術(shù)研究，通過(guò)綜合利用豐富的領(lǐng)域知識(shí)和大數(shù)據(jù)分析技術(shù)，實(shí)時(shí)監(jiān)測(cè)和分析原煤性質(zhì)、設(shè)備狀態(tài)以及環(huán)境因素等多維數(shù)據(jù)，并通過(guò)硬件系統(tǒng)構(gòu)建和軟件平臺(tái)開(kāi)發(fā)，研發(fā)了工藝及精煤質(zhì)量控制的智能決策系統(tǒng)，實(shí)現(xiàn)工藝參數(shù)的精確優(yōu)化，保障了選煤廠產(chǎn)品質(zhì)量穩(wěn)定。

編輯丨李莎

審核丨趙瑞

煤炭科學(xué)研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國(guó)科技核心期刊11種、中國(guó)科技期刊卓越行動(dòng)計(jì)劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

期刊簡(jiǎn)介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國(guó)煤炭科工集團(tuán)有限公司主管、煤炭科學(xué)研究總院有限公司主辦的聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進(jìn)展的綜合性技術(shù)刊物。

主編：王國(guó)法院士

刊載欄目：企業(yè)/團(tuán)隊(duì)/人物專訪政策解讀視角·觀點(diǎn)智能示范礦井對(duì)話革新·改造學(xué)術(shù)園地、專題報(bào)道等。

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見(jiàn)鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創(chuàng)刊5年來(lái)，策劃出版了“中國(guó)煤科煤礦智能化成果”“陜煤集團(tuán)智能化建設(shè)成果”“聚焦煤炭工業(yè)‘十四五’高質(zhì)量發(fā)展”等特刊/專題30多期。主辦“煤礦智能化重大進(jìn)展發(fā)布會(huì)”“煤炭清潔高效利用先進(jìn)成果發(fā)布會(huì)”“《智能礦山》理事、特約編輯年會(huì)暨智能化建設(shè)論壇”“智能礦山零距離”“礦山智能化建設(shè)運(yùn)維與技術(shù)創(chuàng)新高新研修班”等活動(dòng)20余次。組建了理事會(huì)、特約編輯團(tuán)隊(duì)、卓越人物等千余人產(chǎn)學(xué)研用高端協(xié)同辦刊團(tuán)隊(duì)，打造了“刊-網(wǎng)-號(hào)-群-庫(kù)”全覆蓋的1+N全媒體傳播平臺(tái)，全方位發(fā)布礦山智能化領(lǐng)域新技術(shù)、新產(chǎn)品、新經(jīng)驗(yàn)。

?? 具體詳見(jiàn)鏈接：《智能礦山》創(chuàng)刊4周年回顧

聯(lián)系人：李編輯 010-87986441

郵發(fā)代號(hào)：82-476

?? 期刊訂閱詳見(jiàn)鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開(kāi)始了！

往期薦讀

• 行業(yè)聚焦┃2025年礦山智能化建設(shè)運(yùn)維與技術(shù)創(chuàng)新高級(jí)研修班成功在威海舉辦

• 行業(yè)聚焦┃2025智慧礦山技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展論壇（新疆）成功召開(kāi)

• 行業(yè)聚焦┃2024年煤炭清潔高效利用智能化成果發(fā)布暨選煤廠智能化建設(shè)論壇順利召開(kāi)

• 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

• 歡迎訂閱┃《智能礦山》雜志2026年訂閱開(kāi)始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進(jìn)展發(fā)布會(huì)成功召開(kāi)

• 《智能礦山》創(chuàng)刊4周年回顧

• 王國(guó)法院士煤礦智能化觀點(diǎn)集錦

• 新書訂閱 ┃《中國(guó)煤礦智能化發(fā)展報(bào)告（2024年）》（王國(guó)法，劉峰 主編）

往期特刊

中國(guó)煤科特刊

陜煤集團(tuán)特刊

神東專欄

重大進(jìn)展特刊

露天礦特刊

理事單位特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號(hào)

版權(quán)聲明

本刊對(duì)已出版文章持有電子版、網(wǎng)絡(luò)版及進(jìn)行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫(kù)合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請(qǐng)?jiān)谕陡鍟r(shí)聲明。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。