基于多槽機(jī)器視覺的鋁土礦浮選精礦品位預(yù)測方法研究.pdf

1、精礦品位是衡量鋁土礦浮選效果的重要生產(chǎn)指標(biāo)。目前，基于機(jī)器視覺的精礦品位在線預(yù)測方法主要集中在建立單一浮選槽或單一浮選工序上的預(yù)測模型，該方法只能反映浮選環(huán)節(jié)的局部泡沫狀態(tài)，不能充分表征整個浮選流程，導(dǎo)致預(yù)測模型的精度欠佳。為此，論文在分析鋁土礦浮選工藝流程和泡沫圖像特征的基礎(chǔ)上，提出一種基于多槽機(jī)器視覺的鋁土礦浮選精礦品位預(yù)測方法，為生產(chǎn)過程提供操作指導(dǎo)。論文的主要研究內(nèi)容和創(chuàng)新工作如下:
　　(1)針對各浮選工序的泡沫圖像特征

2、數(shù)據(jù)之間存在大量關(guān)聯(lián)性，造成模型輸入維數(shù)高、運(yùn)算量較大的問題，利用粗糙集屬性約簡算法對泡沫圖像特征進(jìn)行約簡，根據(jù)廣義重要度排除冗余特征，獲取不同工序泡沫圖像的關(guān)鍵特征。針對泡沫特征與精礦品位之間的關(guān)聯(lián)性及不同浮選工序圖像特征之間的動態(tài)變化關(guān)系，提出基于實驗分析法的多數(shù)據(jù)關(guān)聯(lián)性分析法，進(jìn)行單槽泡沫的關(guān)鍵特征與精礦品位之間的關(guān)聯(lián)性分析和多槽泡沫的關(guān)鍵特征之間的關(guān)聯(lián)性分析。通過實驗表明各工序間的泡沫圖像特征變化趨勢基本一致，但各槽波動程度明顯

3、不同。
　　(2)針對利用單槽泡沫圖像特征進(jìn)行精礦品位預(yù)測存在精度欠佳的問題，建立了一種基于多槽機(jī)器視覺的精礦品位集成預(yù)測模型。以粗選槽關(guān)鍵泡沫特征為輸入變量，建立了基于改進(jìn)粒子群優(yōu)化的多核最小二乘支持向量機(jī)精礦品位預(yù)測模型。針對長流程帶來的模型誤差，利用與粗選流程同步的精選特征為輸入，建立基于關(guān)聯(lián)向量機(jī)的誤差補(bǔ)償模型，通過模型集成提高品位預(yù)測精度。
　　(3)將所研究的方法與目前應(yīng)用的單槽品位預(yù)測方法進(jìn)行仿真對比分析，結(jié)果