预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113968492A(43)申请公布日2022.01.25(21)申请号202111242539.4(22)申请日2021.10.25(71)申请人中煤科工智能储装技术有限公司地址100013北京市朝阳区和平里青年沟东路5号煤科院天地大厦申请人天地科技股份有限公司(72)发明人肖雅静席启明武徽李旭(74)专利代理机构北京国林贸知识产权代理有限公司11001代理人袁建水(51)Int.Cl.B65G67/08(2006.01)B65G43/08(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图3页(54)发明名称一种需求量驱动的散装物料智能输送方法(57)摘要本发明涉及一种需求量驱动的散装物料智能输送方法,包括:输送分析;给料控制分析;构建带式输送机人工神经网络调速模型;获取装车信息;评估原始状态;启动输料;监测输送过程;调整输送过程;对带式输送机人工神经网络调速模型继续训练。本发明以需求量驱动的理念,利用PB神经网络构建带式输送机的调节模型,并通过样本和实践中对模型进行不断训练,实现了对带式输送机的高效调控,达到了“需要多少,输送多少”的目的。需求驱动理念的优势在省略了传统的带式输送机与定量仓之间的缓冲仓,大大降低了物料输送的高度,同时钢结构架的高度也明显降低,在节省输送能源的同时装车站建筑体量缩小、占地小、建设周期短、投资成本低。CN113968492ACN113968492A权利要求书1/2页1.一种需求量驱动的散装物料智能输送方法,所述的方法所使用的系统包括:依次输送衔接的储料仓、调频变速的多个给料机和带式输送机,所述的给料机和带式输送机与智能控制中心连接,所述的智能控制中心与安装在带式输送机上的实时密度测量装置、多个电子皮带秤、激光雷达、皮带速度传感器连接;所述的方法包括构建过程和运行过程,其特征在于:所述构建过程包括如下步骤:步骤1,输送分析:以需求量驱动的输送方式,首先需获取当前装车量,根据当前装车量计算带式输送机上物料的堆积量,根据带式输送机的物料堆积量计算给料机的输出量;步骤2,给料控制分析:在理想状态下,给料机向带式输送机输送的物料量能够通过物料在输送带上的堆积形状所确定;输送带上物料的横截面积S,可按下式计算:S=S1+S2S为输送带上理想的物料堆积横截面积,S1为物料堆积上半部分,S2为物料堆积下半部分;L为带式输送机水平托辊的长度;θ为物料的动堆积角;λ为槽角,即带式输送机侧辊轴线与水平线之间的夹角;h为物料堆积下半部分的高度;理想状态下,给料机的给料体积与落到带式输送机皮带上的体积相等,则有:Kft=Svdt=QxtK为给料频率与给料体积之间的计算系数;f为给料频率;vd为皮带的速度;t为时间;Qx为散装物料在理想状态下单位时间内的需求流量;则理想状态的给料频率表示为:步骤3,带式输送机送料控制分析:由散装物料在理想状态下单位时间内的需求流量为Qx,以及Qx与h之间的函数关系有:Qx=Svd得到理想状态下Qx与h之间的关系式:步骤4,构建带式输送机人工神经网络调速模型:用BP神经网络进行建模,输入学习样本,使用误差反向传播对网络的权值进行训练,使得最终输出与实际值误差达到期望值;所述的BP神经网络采用3层BP神经网络,包括输入层、隐层和输出层,以带式输送机上散装物料的高度h实测和煤量需求量Q为网络输入层节点,输入层节点数为2,以速度vd实测为输出节点,输出层节点数为1,实现皮带机的智能控制;隐层节点数采用下式计算:2CN113968492A权利要求书2/2页l:隐层节点数,m:输入层节点数,n输出层节点数;通过上式计算出的隐层节点数为3;所述的运行过程包括如下步骤:步骤5,获取装车信息:智能控制装置接收装车信息,从中获得各个车厢的装载量,通过装载量计算出散装物料的需求量,根据散装物料需求量计算出各个给料机的初始给料参数,以及带式输送机的初始运行参数;步骤6,评估原始状态:激光雷达和电子皮带秤检测带式输送机上是否有物料,智能控制装置以当前皮带机的状态为起始状态;步骤7,启动输料:依据初始给料机参数和初始带式输送机的运行参数启动给料机和带式输送机;步骤8,监测输送过程:激光雷达扫描皮带上散料的体积,并乘以实时密度测量装置测量的当前散装物料的密度,求得皮带上散料的质量,并通过电子皮带秤进行验证,同时通过皮带速度传感器对物料流的速度进行监测;步骤9,调整输送过程:综合各个监测的运行数据与散装物料需求量进行比较,若当前带式输送机的供料量与需求量不匹配,则利用训练之后的人工神经网络调速模型对皮带机的运行速度进行调整,直到使二者匹配;步骤10,对带式输送机人工神经网络调速模型