【技术实现步骤摘要】
一种基于尺寸特征相似性度量的模糊故障诊断预报表示方法
本专利技术属于泡沫浮选
,具体涉及一种锌浮选过程中的故障诊断的方法。
技术介绍
泡沫浮选是国内外广泛应用的一种选矿方法,该方法能依据矿物表面亲水性与疏水性的差异,有效地将目标矿物分离出来。泡沫浮选过程将目标矿物与其共生的脉石研磨成合适大小的颗粒然后送入浮选槽中,通过添加药剂调整不同矿物颗粒表面性质同时在浮选过程中不断地搅拌和鼓风,使矿浆中形成大量具有不同尺寸、形态、纹理等特征信息的气泡,使有用矿物颗粒粘附在气泡表面,气泡携带矿物颗粒上升至浮选槽表面形成泡沫层,脉石矿物留在矿浆中,从而实现矿物分选。浮选泡沫层的泡沫视觉特征能密切反应工况,常通过肉眼观察对泡沫层进行观察,对工况进行识别。由于泡沫浮选是一个复杂的工业过程,工艺流程长、子工序关联耦合严重,部分参量无法有效测量,导致目前的技术手段对于波动的出现不能及时监测,另外现场操作工人的轮换性和实际操作的主观性和随意性较大,也导致了对故障的诊断没有统一的标准。虽然可以通过离线化验分析精矿和尾矿品位,但是化验结果滞后,从局部故障发生到影响到浮选精矿品位的波动,在精矿品位反应出故障往往需要很长一段时间,导致泡沫浮选过程的故障诊断,难以实现可靠的实时性判断,随着信息技术、数字图像处理技术的快速发展,有许多基于数据驱动的故障诊断方法陆续出现。当前已有的故障诊断方法仅仅针对于单一时刻的各种图像特征,这些方法数据量范围存在局限,未将工业过程作为动态过程提取其变化的趋势特征,难以多层次地、立体地描述故障发生时刻的模式变化信息,导致不能及时对异常工况进行监测。而异常状 ...
【技术保护点】
1.一种基于尺寸特征相似性度量的模糊故障诊断预报表示方法,其特征在于,包括以下步骤:步骤一:利用浮选现场图像采集系统收集历史时刻的锌浮选的泡沫视频并将泡沫视频转换为多帧的连续图像,对采集到的锌浮选图像数据进行数据预处理;步骤二:将数据预处理后的泡沫图像由RGB彩色图像转化为灰度图像,并采用分水岭算法对图像进行分割,提取尺寸均值作为源图像特征,得到一个时间序列图像特征I=[I1,I2,...,Iq],q为按时间顺序排列的图像特征的个数;步骤三:对时间序列的图像特征采用分段线性化算法,取所有极值点作为端点,对时间序列的图像特征进行分段线性化表示,提取子序列趋势特征;步骤四:将相邻三个子序列组合成一个子模式,得到模式趋势特征集合M,Mj=(kj,τj,kj+1,τj+1,kj+2,τj+2)表示模式趋势特征,如下:M={(k1,τ1,k2,τ2,k3,τ3),(k2,τ2,k3,τ3,k4,τ4),(k3,τ3,k4,τ4,k5,τ5)…(kj,τj,kj+1,τj+1,kj+2,τj+2)}j=1,2,3,...,q‑3,而将子模式相邻的子序列的集合记为走向子序列集合H,Hj是集合H中的元 ...
【技术特征摘要】
1.一种基于尺寸特征相似性度量的模糊故障诊断预报表示方法,其特征在于,包括以下步骤:步骤一:利用浮选现场图像采集系统收集历史时刻的锌浮选的泡沫视频并将泡沫视频转换为多帧的连续图像,对采集到的锌浮选图像数据进行数据预处理;步骤二:将数据预处理后的泡沫图像由RGB彩色图像转化为灰度图像,并采用分水岭算法对图像进行分割,提取尺寸均值作为源图像特征,得到一个时间序列图像特征I=[I1,I2,...,Iq],q为按时间顺序排列的图像特征的个数;步骤三:对时间序列的图像特征采用分段线性化算法,取所有极值点作为端点,对时间序列的图像特征进行分段线性化表示,提取子序列趋势特征;步骤四:将相邻三个子序列组合成一个子模式,得到模式趋势特征集合M,Mj=(kj,τj,kj+1,τj+1,kj+2,τj+2)表示模式趋势特征,如下:M={(k1,τ1,k2,τ2,k3,τ3),(k2,τ2,k3,τ3,k4,τ4),(k3,τ3,k4,τ4,k5,τ5)…(kj,τj,kj+1,τj+1,kj+2,τj+2)}j=1,2,3,...,q-3,而将子模式相邻的子序列的集合记为走向子序列集合H,Hj是集合H中的元素:Hj={(kj+3,τj+3)}j=1,2,3,...,q-3将Mj与走向子序列Hj对应组成一个数据对(Mj,Hj),并建立历史模式趋势特征集合:步骤五:实时在线过程,依据泡沫图像尺寸视觉特征设置一个合理波动区间为[360,560],并对区间上下界设置临界越限区间为[340,380]∪[540,580],尺寸均值处于临界越限区间时对工况状态趋势进行分析:S1:依据马氏距离度量子序列、子模式之间的相似程度;S2:将在线过程中实时获取的模式趋势特征与历史模式趋势特征集合中的模式趋势特征进行相似程度的计算;S3:构建浮选工况状态预报表示模型,进行可视化显示,将信息汇总添加到报表进行显示。2.根据权利要求1所述的一种基于尺寸特征相似性度量的模糊故障诊断预报表示方法,其特征在于,所述步骤三包括:对时间序列的图像特征I用分段线性化算法,取所有极值点作为端点,对时间序列进行分段线性化表示,提取其线性结构化特征,如下:1)以时间轴为横轴绘制时间序列图像特征I对时间轴的一条连续曲线;2)将曲线中不同极值点之间用线段进行填充,将原时间序列的曲线用若干条首尾相接的直线段近似代替,直接提取其线性结构特征得到分段的基本趋势;3)将原时间序列拆分为两点一组的子序列,提取所有子序列趋势特征,如下:S={(k...
【专利技术属性】
技术研发人员:唐朝晖,范影,李耀国,高小亮,唐励雍,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。