郭瑩主任工程師：付村選煤廠洗選知識圖譜與工藝參數決策研發與應用

2025年10月15日 15:55 智能礦山雜志責編：戚金榮作者：智能礦山雜志

針對付村選煤廠在實際洗選工藝流程中，重介洗煤處理工藝存在處理效果不穩定、運行成本高、操作復雜等問題，研究了洗選知識圖譜與決策支持關鍵技術，通過智能化系統實現各業務系統和智能化子系統的融合協同，引入自動化控制系統和大數據分析，全面優化重介分選工藝，建立了智能控制系統，提高了重介分選的穩定性和精度，降低運行成本和操作復雜度，提高了選煤廠的生產效率、經濟效益和智能決策水平。

文章來源：《智能礦山》2025年第9期“選煤廠智能化建設成果專欄”

作者簡介：郭瑩，現任棗莊礦業集團付村選煤廠主任工程師，主要從事選煤生產技術管理相關工作。E-mail：guosuying5821@126.com

作者單位：棗莊礦業（集團）付村煤業有限公司

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

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

關注微信公眾號，了解更多礦山智能化建設進展

選煤作為煤炭現代化工業生產中的關鍵環節，既是潔凈煤技術的源頭，又是綜合利用資源、提高煤炭企業經濟效益和社會效益的重要途徑和手段的環節。因此，煤炭洗選加工技術的發展是提高經濟效益、節約資源、促進節能減排、實現經濟與環境和諧發展的關鍵。

棗莊礦業（集團）付村煤業有限公司選煤廠（簡稱付村選煤廠）設計規模為3.0 Mt/a，于2001年正式投產，經過多次技術改造，現主選設備為無壓三產品重介質旋流器。為進一步優化生產，圍繞煤質在線預測、選煤知識圖譜構建、智能精煤軟測量等方面，分析了煤炭分選環節智能決策和控制的研究現狀，提出知識與數據混合驅動的重介選煤工藝優化關鍵技術，為質量管控提供更為準確的檢測依據，為集約生產管理提供更為可靠的數據支持，為洗煤提供更為高效穩定的生產系統，實現洗選加工的優質高效。

選煤廠智能化發展現狀

現階段國內選煤廠基本實現自動化控制，信息化處于初步的報表、流程階段，自動化滿足工業生產流程效率層面的要求。應進一步探索產能、成本、效益、效率、安全等方面的潛在特性，研發選煤決策控制系統，實現選煤廠的分析判斷、指導調控的智能生產功能。

重介洗煤是變量多、非線性、時變性且參數關聯性強的復雜系統，當某個參數發生變化時，需要同時調整多個關聯參數，人為調整存在不及時和不準確的問題。

當前選煤過程的運行優化控制主要采用了基于人工和機理模型的控制方法，此類方法存在較大局限性。運行過程的動態特性未知，機理復雜難以建立準確的數學模型，且易受到多種不確定性因素影響，嚴重阻礙了當前選煤控制系統的設計，導致實際工業生產應用效果較差。

為了提高重介洗煤處理工藝的效率和可靠性，通過綜合利用豐富的領域知識和大數據分析，實現工藝參數的精確優化，提高洗選效率和產品質量。雙驅動模式實時監測和分析原煤性質、設備狀態及環境因素等多維數據，輔助制定智能決策，確保分選效果優化，增強分選設備配套能力，提高產能和智能化水平。

洗選知識圖譜與決策支持整體概況

2.1 付村選煤廠生產現狀

付村選煤廠主要生產環節包括原煤初選運輸存儲、無壓三產品重介質旋流器分選、精煤浮選壓濾、煤泥濃縮壓濾、產品運輸存儲等。雖然智能化建設方面取得了一些成果，但生產過程控制方面存在以下3個方面的問題。

（1）原煤煤質數據監測不及時，數據缺失量大。原煤煤質依賴人工浮沉試驗，化驗周期長，原煤煤質數據滯后嚴重；長時間間隔采樣，存在當下煤質情況嚴重缺失；根據生產狀況不均勻采樣，導致不規則采樣煤質數據。

（2）精煤產品灰分測量實時性差。快速測灰法測量周期長，精煤灰分化驗數據滯后，無法及時反饋到工藝參數調整；在用的測灰儀設備檢測精度不滿足需求。

（3）工藝參數調整不科學，無法更好地指導重介生產。原煤煤質檢測不及時，工藝參數調整依據不足；滯后的精煤灰分反饋與變化的煤質疊加，導致工藝參數人工決策難度大；依靠人工經驗調整工藝參數，調節過程不科學，介質消耗大、產品指標不穩定。

2.2 智能化控制模型設計原則

針對付村選煤廠重介智能分選所面臨的問題，引入先進的自動化控制系統和大數據分析手段，全面優化重介分選工藝。整合、梳理來自不同數據源的數據進行數據池化管理，并通過實時監測和分析各類生產數據，建立智能化控制模型，提高重介分選穩定性和精度，降低運行成本和操作復雜度，提高選煤廠的生產效率和經濟效益。

2.3 智能決策系統架構技術路線

針對原煤煤質數據采集頻率低的問題，利用歷史原煤浮沉實驗室數據和精煤灰分數據，預測性優化原煤煤質數據；基于優化后的原煤煤質數據，利用目標精煤灰分計算理論分選密度，根據當前分選密度計算理論精煤灰分；精煤灰分軟測量模型結合理論精煤灰分、當前工藝參數和優化后的煤質數據，預測精煤灰分；重介分選工藝決策模型結合預測的精煤灰分反饋、理論分選密度和優化后的煤質數據，智能決策分選密度等工藝參數；在此基礎上，結合選煤工藝優化知識圖譜，實現知識與數據混合驅動的重介選煤工藝優化，洗選知識圖譜與智能決策系統架構如圖1所示。

圖1 洗選知識圖譜與智能決策系統架構

洗選知識圖譜與決策支持關鍵技術

3.1 選煤大數據采集與整合

（1）選煤相關數據的全面采集和整合，包括抽取和轉換原有生產數據、設備數據、產品數據等，實現數據格式的統一和標準化；利用物聯網技術，實現對設備狀態的實時監控和數據采集，并推送至數據中心。

（2）建立選煤大數據存儲和處理系統，通過引入大數據技術，搭建高效數據存儲和計算平臺，實現對選煤大數據的高速存儲和實時處理；借助分布式文件系統和數據倉庫等技術手段，提高數據存儲和訪問的效率和可靠性。

（3）構建選煤大數據集成與共享平臺，通過引入開放接口和標準協議，實現不同數據源之間的互聯和交流；搭建數據共享平臺，將選煤大數據對外發布，以便其他應用和機構利用數據進行研究和分析，超融合服務器平臺用于數據采集與整合界面如圖2所示。

圖2 超融合服務器平臺用于數據采集與整合界面

3.2 入選原煤煤質數據實時優化與重構

（1）建立基于密度的原煤灰分預測模型。開發了1種基于原煤密度的回歸模型，用于預測原煤灰分含量。利用易于獲取的原煤密度數據作為預測灰分的基礎，提高了原煤灰分數據的測量效率，原煤灰分與密度線性關系如圖3所示。

圖3 原煤灰分與密度線性關系

（2）填補基于精煤快灰反饋的原煤數據。針對原煤浮沉數據中的缺失值，采用一種基于精煤快速灰分反饋的填補技術。考慮到精煤快灰的采樣頻率遠高于原煤，結合原煤密度級灰分和產率的概率分布，實現了對入選原煤煤質數據的高效填補，基于精煤快灰反饋的原煤煤質數據優化與重構如圖4所示。

圖4 基于精煤快灰反饋的原煤煤質數據優化與重構

（3）實現圖引導網絡的原煤數據填補。開發出一種基于圖引導網絡的方法，用于填補不規則時間采樣的原煤煤質數據。在此方法中，每個數據樣本被構建成1張圖，其中節點代表重介分選工藝參數和原煤煤質指標，邊表示指標間的依賴關系。通過神經消息傳遞和時間自注意力算法，計算指標間的相互依賴性，并利用高依賴邊通過相鄰未缺失節點填補缺失節點值。此方法考慮了跨樣本指標間的共享依賴關系，并捕捉了每個樣本中指標隨時間變化的特定關系，實現了對不規則時間采樣缺失煤質數據的自適應填補，引導的煤質數據優化與重構如圖5所示。

圖5 引導的煤質數據優化與重構

3.3 精煤灰分在線軟測量技術

（1）原煤煤質數據的多通道線圖化表示。設計了1種針對不規則時間采樣原煤煤質數據的多通道線圖化表示方法。將原煤煤質指標（如密度級產率或灰分）隨時間變化以多維度折線圖的形式直觀展示。通過組合所有密度級的煤質指標，形成多通道折線圖，每個通道代表1個指標的變化軌跡。此方法提升了數據的可讀性，并完整保留了數據原始特征，使得數據的分析和理解更為直觀和高效，針對不規則采樣的多通道線圖法如圖6所示。

圖6 針對不規則采樣的多通道線圖法

（2）以多通道線圖為輸入，結合分選工藝數據和“分選密度-精煤灰分”理論回歸模型獲得的理論灰分值。通過構建復合損失函數，結合物理損失與傳統經驗損失監督模型訓練。物理損失通過調整部分輸入數據生成反事實樣本，并與原始數據進行對比分析，根據精煤灰分預測結果變化計算得到。此模型實現連續測量，并通過生產情況矯正預測值，增強模型在各類工況下的自適應能力，基于深度學習的精煤實時灰分軟測量模型如圖7所示。

圖7 基于深度學習的精煤實時灰分軟測量模型

3.4 選煤工藝分析與控制變量調節算法

（1）建立精煤灰分-分選密度理論回歸模型。利用原煤浮沉試驗數據，確定了精煤灰分與分選密度之間的離散映射關系，通過插值方法平滑處理離散點，建立了兩者間的連續值理論映射模型，為精煤灰分的預測提供了科學依據，動態原煤可選性曲線如圖8所示。

圖8 動態原煤可選性曲線

（2）定義融合物理知識的復合損失函數。提出了1種面向重介分選密度決策的復合損失函數，由傳統經驗損失和物理損失2部分組成。物理損失計算通過調整部分輸入數據，生成反事實對照樣本，并與原始數據對比分析。根據調整前后分選密度預測結果的物理變化計算物理損失，實現對模型性能的準確評估，深度學習與物理引導的分選密度模型決策如圖9所示。

圖9 深度學習與物理引導的分選密度模型決策

3.5 選煤工藝分析與決策支持系統

（1）鑒于選煤生產數據多樣，建立工藝分析與決策支持平臺，通過引入開放接口和標準協議，與現有集控系統對接，將各類重介生產工藝參數接入現有系統，實現不同數據源之間的互聯，集中管理、統一調度和智能分析選煤數據功能。支持多數據源接入、數據格式轉換和標準化處理，具備高效的數據存儲和檢索能力，能夠處理和分析海量實時數據，提升數據可讀性并保留原始特征；同時將密度決策、重介灰分軟測量、洗選知識圖譜等整合到平臺中，平臺支持TPC/IP，OPC，MOTT，HTTP以及用戶自定義接口協議，為選煤行業提供強有力的數據支持，重介智能決策支持平臺界面如圖10所示。

圖10 重介智能決策支持平臺界面

（2）基于理論與數據雙驅動的重介分選密度決策模式。基于精煤快灰反饋和圖引導網絡，雙重填補策略優化的原煤煤質為前饋尋優控制，以“精煤灰分-分選密度”理論回歸模型優化的理論分選密度為第2前饋，以面向不規則時間采樣原煤煤質數據多通道線圖化表示的產品灰分在線軟測量為反饋控制，優化模型復合損失函數為物理引導，形成物理引導的“雙前饋+反饋閉環控制”智能化控制新模式，實現對目標精煤灰分分選密度的精準調控，“雙前饋＋反饋”閉環控制智能決策新模式如圖11所示。

圖11 “雙前饋＋反饋”閉環控制智能決策新模式

3.6 洗選知識圖譜平臺

（1）選煤領域專業知識和經驗的整合和抽象，包括對選煤生產過程中涉及的各環節、設備、工藝參數等進行知識提取和建模，形成領域知識圖譜基礎；利用自然語言處理和專業領域分析技術，對信息進行結構化處理和語義抽取，構建知識表示的標準和規范。

（2）建立選煤相關數據與領域知識關聯關系，關聯選煤生產過程中產生的大量數據與領域知識，建立數據與知識的映射關系。通過數據挖掘和知識發現技術，挖掘數據中潛在特性和價值信息，并與領域知識融合，為選煤過程優化，提供理論支撐和實踐指導，洗選知識圖譜模型構建如圖12所示。

圖12 洗選知識圖譜模型構建

（3）構建選煤過程優化知識表示模型，基于整合的選煤數據和領域知識，設計并構建知識圖譜的表示模型，包括知識結構化表示、關聯關系建模、實體屬性描述等。通過統一的知識表示模型，實現選煤過程涉及的各類知識和數據的統一管理和表達，為后續知識推理和應用提供基礎支持，洗選知識圖譜平臺問答界面如圖13所示。

圖13 洗選知識圖譜平臺問答界面

洗選知識圖譜與決策支持系統應用效果

（1）提高了選煤廠生產工藝系統的智能化水平，降低了操作工人工作強度，實現了工藝參數的精確優化，減少了人為因素的影響，降低了生產成本，全員工效提高10%。

（2）通過綜合利用領域知識和大數據分析技術，實時監測和分析原煤性質、設備狀態以及環境因素等多維數據，實現工藝參數的精確優化，提高洗選效率和產品質量。

（3）保證了生產過程中的各項指標穩定在最佳范圍內，精煤灰份控制偏差在0.4%以內，灰分波動范圍下降10%，綜合精煤回收率提高0.5%。

結語

付村選煤廠面向生產過程控制的洗選知識圖譜與決策支持關鍵技術研究，通過綜合利用豐富的領域知識和大數據分析技術，實時監測和分析原煤性質、設備狀態以及環境因素等多維數據，并通過硬件系統構建和軟件平臺開發，研發了工藝及精煤質量控制的智能決策系統，實現工藝參數的精確優化，保障了選煤廠產品質量穩定。

編輯丨李莎

審核丨趙瑞

煤炭科學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、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業最重要的科技窗口與學術交流陣地，也是行業最大最權威的期刊集群。

期刊簡介

《智能礦山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中國煤炭科工集團有限公司主管、煤炭科學研究總院有限公司主辦的聚焦礦山智能化領域產學研用新進展的綜合性技術刊物。

主編：王國法院士

刊載欄目：企業/團隊/人物專訪政策解讀視角·觀點智能示范礦井對話革新·改造學術園地、專題報道等。

投稿網址：www.chinamai.org.cn（期刊中心-作者投稿）

?? 征稿函詳見鏈接： 征稿┃《智能礦山》面向廣大讀者征稿，歡迎投稿

期刊成果：創刊5年來，策劃出版了“中國煤科煤礦智能化成果”“陜煤集團智能化建設成果”“聚焦煤炭工業‘十四五’高質量發展”等特刊/專題30多期。主辦“煤礦智能化重大進展發布會”“煤炭清潔高效利用先進成果發布會”“《智能礦山》理事、特約編輯年會暨智能化建設論壇”“智能礦山零距離”“礦山智能化建設運維與技術創新高新研修班”等活動20余次。組建了理事會、特約編輯團隊、卓越人物等千余人產學研用高端協同辦刊團隊，打造了“刊-網-號-群-庫”全覆蓋的1+N全媒體傳播平臺，全方位發布礦山智能化領域新技術、新產品、新經驗。

?? 具體詳見鏈接：《智能礦山》創刊4周年回顧

聯系人：李編輯 010-87986441

郵發代號：82-476

?? 期刊訂閱詳見鏈接：歡迎訂閱┃《智能礦山》雜志2026年訂閱開始了！

往期薦讀