用于在具有喷射装置的破碎机中抑制粉尘的方法与流程

1.本发明涉及一种用于在具有喷射装置的破碎机中抑制粉尘的方法。该方法还可以例如用于筛网或其它散装物料处理设施。


背景技术：

2.由现有技术已知，将在散装物料粉碎期间出现的粉尘颗粒与粘合剂例如水粘合，由此促进粉尘颗粒的沉降并且可以减少粉尘排放。为此，用于粉碎散装物料的破碎机在粉尘负荷增加的位置处具有喷射装置，这些喷射装置喷射粘合剂。粘合剂的喷射通常连续进行，但这导致部分不必要的粘合剂消耗，尤其当在散装物料粉碎过程中几乎没有粉尘产生时。因此为了能够对随着粉碎不同散装物料而变化的粉尘负荷作出反应，已知尤其在移动式破碎机的情况下，手动启用和停用喷射装置。该任务通常由移动式破碎机的操作员承担。这样做的缺点是启用的决定取决于操作员的主观感知，此外，操作员必须进入粉尘负荷增加的区域中。不管是连续地还是以手动控制的方式输入粘合剂，由现有技术已知的喷射装置都通过中央的粘合剂供应装置供给，从而所有的喷射装置喷射相同量的粘合剂。所有喷射装置的手动启用还具有如下缺点，即用于散装物料的光学检测装置的功能、例如用于控制破碎机的功能受到操作者的主观评价的影响。因此可能发生操作员使实际需要的粘合剂量的数倍被喷射，由此光学检测单元的功能受干扰。此外，这种粘合剂的过量给料还引起如下问题，即，散装物料的称重值被歪曲或者散装物料在称重之前必须经过干燥处理。相反，如果输出的粘合剂的量太少，则光学检测单元也会由于粉尘发展而同样受干扰。
3.由专利文献cn204208659u已知一种在具有喷射装置的破碎机中抑制粉尘的方法。当传感器检测到粉尘浓度的实际值高于预定阈值时，对准破碎间隙的喷射装置由该传感器启用。由专利文献cn209791618已知类似的方法，其中提供感应传感器作为传感器。该方法的缺点是与实际需求无关的高粘合剂需求。


技术实现要素：

4.因此本发明所要解决的技术问题在于改进开头所述类型的方法，使得即使对于不均匀的或者异质散装物料也能够实现节约资源的并且有效的粉尘抑制，而不受操作员的影响。
5.本发明通过如下方式解决所提出的技术问题，即，确定布置在第一传感器的检测区域中的图案或者说布局、构型的由该第一传感器记录的图像作为实际值与预定的额定值之间的偏差，之后，当所述偏差超出预定的阈值时，启用配属于所述图案的喷射装置。通过这些措施可以定位粉尘负荷增加的区域，并且可以仅使用配属于该定位的区域并且因此适合用于对定位的粉尘负荷增加区域进行粉尘抑制的那些喷射装置来引入粘合剂、例如水。为了定位可以在传感器的检测区域中提供图案。该图案由传感器记录并且成像为实际值。将该实际值与图案的已知额定值进行比较，该额定值例如存储在控制单元上。增加的粉尘负荷导致图像的改变，从而导致实际值与存储的额定值之间存在偏差。一旦该偏差超过预
定阈值，就启用配属于该图案的喷射装置，该喷射装置释放的粘合剂润湿粉尘颗粒并且由此促进粉尘颗粒的沉降。正好在使用光学传感器的情况下可以将qr码的几何形状或固定布置在检测区域中的机器元件的几何形状用作图案，由此可以在很大程度上不受检测区域中光照度影响地在实际值和额定值之间进行比较。如果可以将额定值根据检测区域中预期的不同亮度级别适配，可能的由光照度引起的错误比较还可以由此被防止。例如可以根据光传感器进行适配。可以根据各种不同的喷射装置相对于图案的距离进行图案和喷射装置之间的分配，因此通常启用离图案最近的喷射装置和/或相对于散装物料流前置的喷射装置。但传感器和喷射装置也可以与控制单元连接，从而能够实现更复杂的调节。因此，必要时为了在特别大的定位区域中抑制粉尘，可以启用相对于该区域前置的多个喷射装置，以便避免第一传感器在该区域中被削弱。在喷射装置启用之后，控制单元可以检查所实施的粉尘抑制的效果，方式是确定在喷入粘合剂后偏差的大小并且根据该偏差改变喷射装置相对于图案的配属关系和/或者改变加入的粘合剂的量。通过该调节可以优化粉尘抑制。在释放预定量的粘合剂之后，停用喷射装置。例如，该预定量可以是固定存储的体积，但也可以根据实际值和额定值之间的偏差大小而变化。如果特别大地超过阈值，则例如可以提供粘合剂的相应喷射装置的增加的体积流量。喷射装置可以具备电磁阀来改变体积流量。
6.原则上可以考虑，每个图案都配有光学传感器，这在存在大量图案的情况下导致相应高的成本。因此，为了在结构简单且成本低廉的测量装置结构的情况下仍能精确地调节粉尘抑制，建议由所述第一传感器同时检测多个图案的图像。在这种情况下，在第一传感器的检测区域中，多个图案布置在参考点处，因此可以进行喷射装置的差异化分配，而无需为此给每个图案分配传感器。例如具有尽可能宽的检测范围的广角相机适合作为用于此目的的传感器。
7.在机械粉碎散装物料时，破碎机的机器元件通常会有很大的磨损。因此，布置在破碎机上的图案或用作图案的机器元件也可能被磨损并且因此被歪曲，这可能导致图案的实际值与额定值之间的错误比较。因此为了能够不受固定布置在检测空间中的图案实施调节，由第二传感器记录的图案的图像可以构成额定值，并且所述偏差可以被确定为额定值和实际值中不一致的图案点的数量。在这种情况下，额定值不是固定存储在控制单元上，而是通过第二传感器持续地记录。在此，所述图案可以包括一系列像点，这些像点既可以在第一传感器的图像中也可以在第二传感器的图像中被识别并且可以在这些图像之间作为一致的图案点被分配。为此，第一和第二传感器必须相对于图案具有不同的检测角度，然而，当两个传感器彼此间隔开并且都对准图案以便记录图像时，原本就是这种情况。可以使用已知的摄影测量方法来识别和分配像点。由此产生如下优点，即，图案不必固定地布置在传感器的检测空间中，而是可以例如是可移动的散装物料。因此，用于识别粉尘负荷的传感器也可以用于对散装物料的光学评估，这不仅能够实现对粉尘抑制的调节，而且能够实现对散装物料的整个加工过程、例如粉碎过程或分类的调节。将实际值与额定值进行比较，方式是将实际值的图案点与额定值的一致的点进行比较。在这种情况下，当确定数量的一致的图案点不能被分配或对应时，偏差的阈值被超出。
8.当使用为调节散装物料的加工过程本来就需要的数据来确定实际值和额定值之间的偏差时，产生特别实用的调节条件。这样的数据可以是例如深度数据，这些深度数据可以用于评估散装物料的性质，例如用于对散装物料的颗粒尺寸进行分类。为此，第一和第二
传感器可以构成立体相机。立体相机用于检测散装物料的深度数据，随后可以确定散装物料的性质。深度数据又通过对一致的图案点的比较产生。在这种情况下，缺少的深度数据的数量或比例可以用作偏差。
9.虽然对图案的实际值和存储的额定值之间的偏差的确定极其敏感，但确定由第一传感器记录的实际值和由第二传感器记录的额定值之间的偏差已被证明是特别稳健的方法，因为这种方法在很大程度上不受检测区域中的光照度或者说光照条件的影响。为了结合两种可能性的优点，可以提供光学相机和立体相机作为传感器。
10.为了在不增加测量或设计耗费的情况下借助于散装物料的材料特定的数据在节约资源方面进一步改进所述方法，建议通过所述立体相机生成从立体相机旁边传送经过的散装物料的二维深度图像，并且将该二维深度图像提供给事先训练的卷积神经网络，该神经网络具有至少三个连续的卷积层并且针对颗粒尺寸分布的每个类别都具有后置的数量分类器，它们的的输出值作为颗粒尺寸分布被输出。所确定的颗粒尺寸分布的信息可以用于调节粉尘抑制。如果颗粒尺寸分布朝更小的颗粒尺寸的方向移动，则例如结合增加的破碎机功率需求可以推断出强烈的粉碎过程并且因此推断出增加的粉尘负荷，由此可以提高喷射的粘合剂的量以便抑制粉尘。颗粒尺寸分布在此是直方图，该直方图可以由绝对数量值或由与散装物料体积相关的相对数量值构成并且因此提供重要的推论，例如推断出破碎间隙、可能的干扰或破碎机的其它工艺参数。因此，通过根据本发明的措施可以自动检测高速破碎机的通常只能非常耗费地确定的筛分曲线，因为无需检测用于单独颗粒的参数并从中计算相关变量。因此，直接由深度图像确定颗粒尺寸分布也降低了在确定颗粒尺寸分布时的易错性。为了补偿在对颗粒尺寸分布的检测中的波动并且补偿神经网络的错误输出值，还可以对多个连续的输出值取平均值，并且将该平均值输出为存在于检测区域中的散装物料的颗粒尺寸分布。
11.训练神经网络需要大量的训练深度图像，这些训练深度图像尽可能精确地表示要检测的散装物料。然而，测量需要的散装物料量所需的工作量极高。为了给神经网络提供足够的训练深度图像以便确定散装物料体积，建议首先检测每个具有已知体积的示例颗粒的示例深度图像，并且将这些示例深度图像与该体积一起存储，之后将多个示例深度图像随机组合成训练深度图像，将组合的示例深度图像的体积的总和作为散装物料体积和/或将组合的示例深度图像的散装物料体积的分类的分布作为颗粒尺寸分布分配给所述训练深度图像，之后将该训练深度图像在输入侧提供给神经网络，并且将对应的散装物料体积和/或对应的颗粒尺寸分布在输出侧提供给神经网络，并且在学习步骤中调整各个单独的网络节点的权重。该训练方法基于这样的考虑，即通过组合测量的散装物料颗粒的示例深度图像可以创建多种不同的训练深度图像组合。因此，检测相对较少的散装物料颗粒连同其体积的的示例深度图像就足以生成大量的训练深度图像，通过这些训练深度图像可以训练神经网络。为了训练神经网络，在各个单独的训练步骤中以已知方式调整各个单独的网络节点之间的权重，使得实际的输出值尽可能等于神经网络末端的预定输出值。在此可以在网络节点上预定不同的激活函数，这些激活函数对于是否将处于网络节点上的总值传递给神经网络的下一层具有决定性意义。与体积类似，其它参数、例如在示例深度图像中成像的颗粒的颗粒尺寸分布也可以指派给示例深度图像。为了进行深度图像处理，在此还建议从深度图像中去除其深度等于立体相机与针对该像点的背景之间的事先检测到的距离或者超
过该距离的那些像点的值。因此，训练深度图像和测量的材料的深度图像仅具有对测量来说重要的或者说与测量相关的信息，从而实现了更稳定的训练性能并且提高了应用中的识别率。通过选择示例深度图像或者由这些示例深度图像组合成的训练深度图像，可以针对任意类型的散装材料训练神经网络。
12.当非散装物料的元件位于立体相机的检测范围内时，神经网络的训练更加困难，并且在持续的运行过程中测量精度下降。对此例如包括传送带本身的振动构件或其它机器元件。为了避免由此产生的干扰，建议从深度图像中去除其深度等于立体相机与针对该像点的背景之间的事先检测到的距离或者超过该距离的那些像点的值。因此，例如由传送带的振动引起的干扰图像信息可以被去除，并且深度图像和训练深度图像均可以被限制为与测量相关的信息。
13.经常出现的问题是，由于粘合剂的附加质量，被粘合剂润湿的散装物料导致称重值被歪曲。为了能够有效地确定润湿的散装物料的性质、尤其质量，而不必事先对散装物料进行干燥处理，建议相对于卷积层后置有体积分类器，并且体积分类器的输出值作为存在于检测区域中的散装物料体积被输出。通过这些措施，在已知干的散装物料的密度的情况下可以确定散装物料的质量，因为粘合剂对散装物料的所确定体积没有贡献。为此不需要天平，而是仅需要用于确定散装物料的体积的立体相机，该立体相机原本就用于控制粉尘抑制。在此基于这样的考虑，即，在使用二维深度图像的情况下，在通过具有已知散装物料体积的训练深度图像训练为此使用的神经网络之后，可以从深度信息中提取确定体积所需的信息。在此，卷积层将输入深度图像减少为一系列的单独特征，这些单独特征又被后置的体积分类器评估，以便因此能够确定在输入深度图像中成像的散装物料的总体积。因此不再需要针对每个单独的颗粒计算体积。由于在深度图像中对于每个像点，成像的散装物料相对于立体相机的距离仅以一个值被映射，因此与处理彩色图像相比，可以减少要处理的数据量、加速测量过程并且减少用于神经网络的内存需求。因此，神经网络可以在具有gpu辅助的有利的ai并行计算单元上实现，并且所述方法可以与散装物料的颜色无关地被使用。即使在3m/s、优选4m/s的传送带速度下，也可以通过加速测量过程来确定散装物料体积。深度图像中和因此神经网络中数据量的所提到的减少还降低了正确确定散装物料体积的易错性。与彩色图像或灰度图像相比，使用深度图像具有额外的优点，即测量过程在很大程度上不受变化的曝光条件的影响。例如通常仅用于彩色图像的vgg16网络(simonyan/zisserman,very deep convolutional networks for large-scale image recognition,2015)可以用作神经网络，该网络被缩减为只有一个通道，即用于深度图像点的值。为了补偿在对体积的检测中的波动并且补偿神经网络的错误输出值，还可以对多个连续的输出值取平均值，并且将该平均值输出为存在于检测区域中的散装物料体积。
14.为了进一步改善训练性能和识别率，建议将具有随机定向的示例深度图像组合成训练深度图像。因此，在对于每个示例深度图像散装物料颗粒的数量给定的情况下，散装物料颗粒的可能的布局的数量明显增加，而无需生成更多的示例深度图像，并且避免了神经网络的过拟合。
15.如果将示例深度图像通过部分重叠组合形成训练深度图像，则可以省去散装物料的散装物料颗粒的分离并且可以在传送带的传送速度保持不变的情况下确定较大的散装物料体积，其中，训练深度图像在重叠区域中的深度值对应于两个示例深度图像的最小深
度。为了检测真实的散装物料分布，必须考虑两个散装物料颗粒产生彼此重叠的情况。神经网络可以如此地被训练，使得神经网络识别这种重叠并且仍然能够确定散装物料颗粒的体积。
附图说明
16.在附图中示例性地示出本发明的技术方案。在附图中：
17.图1示出应用根据本发明的方法的移动式破碎机的侧视图；和
18.图2示出通过立体相机对散装物料的一致的图案点进行比较的示意图。
具体实施方式
19.根据本发明的方法例如可以用于对在散装物料1的粉碎过程中产生的粉尘颗粒的粉尘抑制。为此，用于此并且在图1中示出的移动式破碎机2具有喷射装置3。为了实现节约资源的粉尘抑制，仅在粉尘负荷增加的情况下启用喷射装置3。在此通过第一传感器4评估是否存在增加的粉尘负荷，该第一传感器检测布置在其检测区域5中的图案并将该图案的图像作为实际值与存储在控制单元6上的额定值进行比较。如果确定图案的实际值和额定值之间的偏差超过确定的阈值，则仅启用配属于该图案的喷射装置3。喷射装置3随后释放用于粘合粉尘颗粒的粘合剂，直到其被停用。为了使喷射装置3能够尽可能差异化地启用，在破碎机的有代表性的位置处可以布置有多个图案。这样的位置虽然不能设置在破碎腔7中，但可以设置在传送带8的起点或终点处或者设置在对散装物料1的性质进行光学评估所必需的位置处。可以根据喷射装置3相对于图案的距离将喷射装置3与图案对应，从而使得确定的图案的超出阈值的偏差启用最近的喷射装置3。但也可以考虑，喷射装置3和第一传感器4与控制装置6连接，该控制装置可以通过改变参数来持续地优化对粉尘抑制的调节，例如通过改变喷射装置3相对于确定的图案的配属关系或者通过改变由喷射装置3释放的粘合剂的量。原则上，喷射装置3如此布置在破碎机2上，使得喷射装置尤其在粉尘负荷增加的相关区域中能够实现全面的粉尘抑制。
20.为了能够减少测量和维护耗费，可以在第一传感器4的检测区域5中布置多个图案。因此，仅用一个光学传感器4就可以检测大量的图案，由此可以差异化地并且因此有效率地启用布置在不同位置上的喷射装置2。为此，例如广角相机或360
°
相机适合作为第一传感器4。
21.图2示出散装物料1自身也可以作为图案用于评估占优势的粉尘负荷的可能性。这通过如下方式实现，即，由第二传感器9记录的散装物料1的图像用作额定值。因此，额定值不是固定地存储在控制单元6上，而是持续地重新记录。由第一传感器4记录的实际值与由第二传感器9记录的额定值之间的偏差在此对应于实际值和额定值之间不一致的图案点的数量。
22.第一传感器4和第二传感器9可以构成立体相机10，由此，除了识别立体相机10的区域中的粉尘负荷外，还可以检测与深度数据有关的信息，以便随后能够评估散装物料1的性质。
23.如图1中所公开的，光学相机4和立体相机10均可以设置为传感器。