一种矿石颗粒形状、质量、密度指标概率分布的预测方法技术

本发明专利技术涉及一种矿石颗粒形状、质量、密度指标概率分布的预测方法，包括以下步骤：采用标准筛序筛子对全粒级入料矿石颗粒进行筛分；从筛分产品中选择窄粒级矿石颗粒样本；检测每个窄粒级颗粒样本的形状指标；称量每个单颗粒矿石的质量，并根据颗粒质量与体积的比值，获得每个单颗粒的密度；计算每个形状、质量和密度性质指标数据集的平均值和标准偏差；颗粒的长度、宽度、高度、体积、面积、长径比和圆形度等形状指标的数据集分别采用最大极值分布、正态分布、威布尔分布、对数正态分布、对数正态分布、威布尔分布和威布尔分布来描述其概率分布密度；颗粒的质量和密度指标的数据集分别采用对数正态分布和Logistic分布来描述其概率分布密度。布密度。布密度。

【技术实现步骤摘要】
一种矿石颗粒形状、质量、密度指标概率分布的预测方法


[0001]本专利技术涉及矿石指标预测领域，具体涉及矿石颗粒形状、质量、密度指标概率分布的预测方法。

技术介绍

[0002]在矿业生产中，入料矿石颗粒的形状、质量和密度等性质会影响堆浸、搬运、碎磨、重选和浮选等矿物加工过程的效率。对包括颗粒形状、质量、密度等在内的入料矿石性质的精准探测是智能矿物加工的前提条件之一。然而，作为典型的非均质入料，每一粒矿石颗粒的形状、质量、密度指标均不同于其他矿石颗粒。对任一特定的矿石入料，如果采用从矿堆中随机取样并检验样品颗粒形状、质量、密度指标的概率分布规律这一常规做法的话，会存在以下两方面问题：第一，样品采集量大，并进而导致颗粒检测工作量大，增大了获取矿石颗粒性质指标概率分布规律的物质和时间成本；第二，所得结果仅反映颗粒形状、质量、密度等指标的具体概率分布规律，难以进一步从这些规律中提取能够反映矿石性质、处理过程是否发生变化的信息。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种矿石颗粒形状、质量、密度指标概率分布的预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿石颗粒形状、质量、密度指标概率分布的预测方法，其特征在于，包括以下步骤：步骤S1:采用相邻筛孔孔径之比为或倍的标准筛序筛子对全粒级入料矿石颗粒进行筛分；步骤S2:从筛分产品中选择2～3个或以上数量的窄粒级矿石颗粒样本；步骤S3:对每个窄粒级颗粒样本，采用给料机向输送机给料，调整给料机以确保以重心最低的方式置于带式输送机上；步骤S4:通过输送机上方的图像识别装置，检测每个窄粒级颗粒样本的形状指标；步骤S5:通过输送机内置的称重装置称量每个单颗粒矿石的质量，并根据颗粒质量与体积的比值，获得每个单颗粒的密度；步骤S6:对每个窄粒级颗粒样本，计算其每个形状、质量和密度性质指标数据集的平均值和标准偏差步骤S7:颗粒的长度、宽度、高度、体积、面积、长径比和圆形度等形状指标的数据集分别采用最大极值分布、正态分布、威布尔分布、对数正态分布、对数正态分布、威布尔分布和威布尔分布来描述其概率分布密度；颗粒的质量和密度指标的数据集分别采用对数正态分布和Logistic分布来描述其概率分布密度。2.根据权利要求1所述的一种矿石颗粒形状、质量、密度指标概率分布的预测方法，其特征在于，所述图像识别装置采用三维激光扫描仪或图像识别相机。3.根据权利要求1所述的一种矿石颗粒形状、质量、密度指标概率分布的预测方法，其特征在于，所述步骤S3给料时颗粒以单队列形式转移到带式输送机上。4.根据权利要求1所述的一种矿石颗粒形状、质量、密度指标概率分布的预测方法，其特征在于，所述最大极值分布、正态分布、威布尔分布、对数正态分布和Logistic分布的概率密度分布函数分别如下：最大极值分布：正态分布：威布尔分布：对数正态分布：
Logistic分布：其中，α、β、γ、δ分别代表概率密度函数的位置参数、尺度参数、形状参数和阈值参数。5.根据权利要求4所述的一种矿石颗粒形状、质量、密度指标概率分布的预测方法，其特征在于，所述最大极值分布、正态分布、威布尔分布、对数正态分布和Logistic分布的概率密度函数的位置参数、尺度参数、形状参数和阈值参数与对应数据集的平均值和标准偏差分别存在以下关系：最大极值分布：正态分布：威布尔分布：δ可用下式计算，β可用下...

【专利技术属性】
技术研发人员：左蔚然，刘帅，郭宝，郭静怡，
申请(专利权)人：福州大学，
类型：发明
国别省市：