A method of soft measurement of zinc flotation concentrate grade based on process characteristics is presented. The invention integrates expert knowledge and data modeling method. Firstly, according to the observation focus of the field workers when watching bubbles, the bubble image is represented by bubble size distribution in the image. In the light of the characteristics of the current production state, we propose to use the size distribution sequence to mathematically calculate the current production state, and propose a modeling method for bubble size series, which reduces the dimension of the eigenvectors. In the prediction algorithm, a large amount of accumulated data is used to adopt the improved lifting decision tree algorithm, which effectively suppresses the over-fitting problem caused by learning too fast and improves the generalization ability. The experiment proves that the method of the invention has the advantages of simple calculation, fast execution speed, high prediction accuracy, convenient operation on the spot, immediate guidance on the spot operation, optimization of production process, and solving the problem of difficult on-line detection of zinc ore grade.
【技术实现步骤摘要】
一种基于过程尺寸特征的锌矿品位软测量方法
本专利技术属于泡沫浮选
,具体涉及一种锌浮选精矿品位的预测方法。
技术介绍
泡沫浮选是现今锌冶炼中最主要的选矿方法之一,浮选是根据矿物颗粒表面物理化学性质的不同,按矿物可浮性的差异进行分选的方法,泡沫浮选是一个将粉碎后的有用矿物和其共生的脉石分离的过程,通过在浮选过程中不断地搅拌和鼓风,在矿浆中形成大量具有不同尺寸、形态、纹理等特征的气泡,气泡携带矿物颗粒上升至浮选槽表面形成泡沫层,从而实现矿物与脉石的分离。对于泡沫浮选这样一个复杂的工业过程,因工艺流程长、子工序关联耦合严重、部分关键性参量难以在线检测等原因,浮选过程工况状态缺乏有效的综合感知手段,严重依赖于人工来回巡检,凭借经验大致评判当前生产是否处于正常状态,以便进一步实施相应的操作策略。这种单一粗犷、严重依赖人工经验感知的方法,常产生并不恰当的生产操作,无法保证生产的稳定优化运行。虽然选厂可以通过离线化验分析得到精确的精矿品位来判定浮选过程的生产状态,然而这往往需要数个小时,检验过程复杂且成本高严重滞后于生产过程。由于浮选工艺流程长、影响因素多,无法实现精矿品位的在线检测,影响了对加药量和其他参数的即时调整,最终影响了矿物的回收率。因此,研究浮选过程生产指标的实时在线检测方法,对指导生产操作和过程的优化运行具有重要的意义。随着计算机技术、数字图像处理技术的快速发展,将基于机器视觉的软测量技术应用于浮选过程给浮选指标的实时监测带来了新的突破。机器视觉是一种模仿人类自身视觉感知能力来实现工业过程自动化测量和控制的重要手段,因其具有高精度、模块化、智能化、无 ...
【技术保护点】
1.一种基于过程尺寸特征的铅锌矿品位软测量方法,包括以下步骤:S1:收集不同品位下的锌浮选的泡沫视频和生产数据,对采集到的锌浮选数据以及生产数据进行数据预处理,如下:1)剔除测量到的数据取值超出变化范围的错误数据;2)剔除不匹配的数据以及存在空缺值的数据;S2:利用浮选现场图像采集系统所获得的泡沫视频读取RGB泡沫图像,将泡沫图像由RGB颜色空间转化到HSI颜色空间,并提取亮度分量作为源图像,得到一个图像序列I=[I1,I2,...,Iq],q为视频帧数;S3:对图像序列I中的第i帧泡沫图像Ii做分割并统计分割结果中所有气泡的面积的概率直方图Hi,用韦伯分布函数拟合Hi,得到韦伯分布函数的参数βi,μi,γi,将Ti=[βi,μi,γi]作为第i帧泡沫图像Ii的尺寸分布特征,对图像序列I中每一帧图像都做相同处理,得到尺寸分布序列T=[T1,T2,...,Tq];S4:对S3中得到的尺寸分布序列T建立高斯‑马尔可夫自回归滑动平均模型,其函数表达式如下:
【技术特征摘要】
1.一种基于过程尺寸特征的铅锌矿品位软测量方法,包括以下步骤:S1:收集不同品位下的锌浮选的泡沫视频和生产数据,对采集到的锌浮选数据以及生产数据进行数据预处理,如下:1)剔除测量到的数据取值超出变化范围的错误数据;2)剔除不匹配的数据以及存在空缺值的数据;S2:利用浮选现场图像采集系统所获得的泡沫视频读取RGB泡沫图像,将泡沫图像由RGB颜色空间转化到HSI颜色空间,并提取亮度分量作为源图像,得到一个图像序列I=[I1,I2,...,Iq],q为视频帧数;S3:对图像序列I中的第i帧泡沫图像Ii做分割并统计分割结果中所有气泡的面积的概率直方图Hi,用韦伯分布函数拟合Hi,得到韦伯分布函数的参数βi,μi,γi,将Ti=[βi,μi,γi]作为第i帧泡沫图像Ii的尺寸分布特征,对图像序列I中每一帧图像都做相同处理,得到尺寸分布序列T=[T1,T2,...,Tq];S4:对S3中得到的尺寸分布序列T建立高斯-马尔可夫自回归滑动平均模型,其函数表达式如下:其中:x(k),x(k+1)是n维的状态向量;y(k)是一个m维的输出向量,y(k)=Tk代表纹理特征;v(k)是一个服从高斯分布的随机变量,它的协方差矩阵为V;w(k)是一个服从高斯分布的随机变量,协方差矩阵为W;k=1,2,3…,q估计出参数A,C,V的值,将其排列成一个列向量F,称F为这一段时间浮选过程的过程尺寸特征;S5:将S4中得到的F和与其对应的精矿品位G组合在一起,作为一个样本点Di={Fi,Gi)};将收集的所有的视频求出过程尺寸特征,与精矿品位组合,求出所有的样本点集合D={(F1,G1),...,...
【专利技术属性】
技术研发人员:唐朝晖,牛亚辉,曾思迪,史伟东,高小亮,
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。