多传感器融合下煤泥重介质旋流器分选密度预测技术

摘要

煤泥重介质旋流器分选密度在线预测时，入料压力、密度及浓度多传感器信号之间存在异步时延失配。同时，原煤煤质高频波动在测量过程中叠加了非平稳噪声干扰，两者耦合导致传感器输出信号与实时分选密度之间的动态映射关系严重失真，使得单一传感器或静态模型无法获取高保真的密度估计。为此，提出一种多传感器融合预测技术。采用互相关时延估计消除异步时延失配，并结合递归最小二乘（RLS）自适应滤波抑制非平稳噪声干扰，恢复动态映射关系的输入保真度；基于恢复后的多源特征构建改进悬浮分配模型，引入离心强度与煤泥含量修正因子，建立动态映射关系的静态近似，实时反推分选密度，并根据目标灰分反推密度设定值；利用产品检测数据对该设定值对应的预测偏差进行指数加权移动平均（EWMA）校正，并结合RLS对模型参数滚动更新，在线追踪并补偿动态映射关系的时变漂移，输出校正后密度。工业试验表明，该方法在预测精度、精煤灰分合格率及吨煤介质消耗上均显著优于现有方法。

关键词

煤泥重介质旋流器 / 多传感器融合 / 分选密度预测 / 悬浮分配模型 / 闭环校正