煤炭的浮选方法、浮选装置、处理器与浮选系统制造方法及图纸

本申请提供了一种煤炭的浮选方法、浮选装置、处理器与浮选系统。该浮选方法包括：获取浮选池内的多组原始数据，以及每一组原始数据对应的灰分值；至少采用多组原始数据和对应的灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型；基于目标贝叶斯模型和实时获取的浮选数据，确定浮选数据对应的目标灰分区间，基于目标灰分区间确定对应的起泡剂和捕收剂的添加量，其中，浮选数据包括实时图像数据和实时音频数据。由于目标贝叶斯模型的时间复杂度在线性复杂度的范围内，这样保证了目标贝叶斯模型的计算量较小以及计算速度较快，从而解决了现有技术中实时计算灰分值的计算量较大以及计算速度较慢的技术问题。及计算速度较慢的技术问题。及计算速度较慢的技术问题。

【技术实现步骤摘要】
煤炭的浮选方法、浮选装置、处理器与浮选系统


[0001]本申请涉及煤炭浮选工艺
，具体而言，涉及一种煤炭的浮选方法、浮选装置、计算机可读存储介质、处理器与浮选系统。

技术介绍

[0002]浮选作为选煤的重要工艺环节，是炼焦煤选煤厂实现精煤产率最大化，充分回收稀缺资源不可或缺的组成部分。当前，世界上较多的国家都全面实现了自动化选煤。例如，美国、英国、澳洲等等。而我国正在推行的在线灰分检测以及重介质密度调控等自动化控制技术虽然有了很大的提高，但是其自动化程度和普及率还远远不够。
[0003]选煤作为传统工业，在进行浮选前，会根据洗选池内的灰分值添加药剂(例如，起泡剂和捕收剂)。而现有技术中，也可以通过机器学习得到检测模型，以在线检测浮选池内的灰分值，并根据得到的灰分值，确定起泡剂和捕收剂的添加量。但基于机器学习得到的检测模型，存在着计算量较大以及计算速度较慢的问题。

技术实现思路

[0004]本申请的主要目的在于提供一种煤炭的浮选方法、浮选装置、计算机可读存储介质、处理器与浮选系统，以解决现有技术中实时计算灰分值的计算量较大以及计算速度较慢的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种煤炭的浮选方法，包括：获取浮选池内的多组原始数据，以及每一组所述原始数据对应的灰分值，其中，所述原始数据包括原始图像数据和原始音频数据；至少采用多组所述原始数据和对应的所述灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型；基于所述目标贝叶斯模型和实时获取的浮选数据，确定所述浮选数据对应的目标灰分区间，基于所述目标灰分区间确定对应的起泡剂和捕收剂的添加量，其中，所述浮选数据包括实时图像数据和实时音频数据。
[0006]可选地，至少采用多组所述原始数据和对应的所述灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型，包括：对各组所述原始数据进行预处理，得到多组目标数据，所述预处理至少包括滤波处理；采用各所述目标数据，对所述预设贝叶斯模型进行训练，得到所述目标贝叶斯模型。
[0007]可选地，对各组所述原始数据进行预处理，得到多组目标数据，包括：采用小波变换，对各组所述原始数据进行滤波处理，得到多组滤波数据，其中，每组所述滤波数据包括滤波图像数据和滤波音频数据，所述滤波图像数据用于表征所述浮选池内气泡的光泽度和密集程度，所述滤波音频数据用于表征所述气泡的破碎声音；对各组所述滤波图像数据和所述滤波音频数据进行同频组合处理，得到多组所述目标数据。
[0008]可选地，采用各所述目标数据，对所述预设贝叶斯模型进行训练，得到所述目标贝叶斯模型，包括：根据各组所述原始数据对应的所述灰分值以及预设灰分区间，确定多个目标灰分集合，每一个所述目标灰分集合包括多组所述原始数据；构建所述预设贝叶斯模型
其中，P(c)为所述目标灰分集合的先验概率，x
ij
为所述目标灰分集合中的第i组所述原始数据中的第j个属性，所述属性为光泽度、密集程度、或者破碎声音中的一个，w(i)为所述属性的权重，i从1开始取值，一直到n，n为所述目标灰分集合中所述原始数据的总数量，j从1开始取值，一直到m，m为一组所述原始数据中，所述属性的总个数；采用多个所述目标灰分集合，对所述预设贝叶斯模型的所述权重进行修正，得到所述目标贝叶斯模型。
[0009]可选地，采用多个所述目标灰分集合，对所述预设贝叶斯模型的所述权重进行修正，得到所述目标贝叶斯模型，包括：采用各所述目标灰分集合中的所述属性和所述预设贝叶斯模型，计算多个分类正确概率；根据对所述预设贝叶斯模型中的权重进行修正，得到所述目标贝叶斯模型，其中，a
j
是第j个所述属性的分类正确概率；w(j)为所述权重。
[0010]可选地，基于所述目标贝叶斯模型和实时获取的浮选数据，确定所述浮选数据对应的目标灰分区间，包括：采用小波变换，对所述浮选数据进行滤波处理，得到滤波浮选数据，所述滤波浮选数据包括滤波浮选图像数据和滤波浮选音频数据，所述滤波浮选图像数据用于表征所述浮选池内气泡的光泽度和密集程度，所述滤波浮选音频数据用于表征所述气泡的破碎声音；对各组的所述滤波浮选图像数据和所述滤波浮选音频数据进行同频组合处理，得到多组目标浮选数据；采用所述目标贝叶斯模型和所述目标浮选数据，确定对应的所述目标灰分区间。
[0011]根据本专利技术实施例的另一方面，还提供了一种煤炭的浮选装置，包括：获取单元，用于获取浮选池内的多组原始数据，以及每一组所述原始数据对应的灰分值，其中，所述原始数据包括原始图像数据和原始音频数据；训练单元，用于至少采用多组所述原始数据和对应的所述灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型；确定单元，用于基于所述目标贝叶斯模型和实时获取的浮选数据，确定所述浮选数据对应的目标灰分区间，基于所述目标灰分区间确定对应的起泡剂和捕收剂的添加量，其中，所述浮选数据包括实时图像数据和实时音频数据。
[0012]根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的煤炭的浮选方法。
[0013]根据本专利技术实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的煤炭的浮选方法。
[0014]根据本专利技术实施例的一方面，还提供了一种浮选系统，包括：图像采集设备、声音采集设备和煤炭的浮选装置，其中，所述图像采集设备和所述声音采集设备均与所述浮选装置通信连接，所述浮选装置用于执行任意一种所述的煤炭的浮选方法。
[0015]在本专利技术实施例中，所述的煤炭的浮选方法中，至少通过获取到的浮选池内的多组原始数据和各组所述原始数据对应的灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型。再通过目标贝叶斯模型对实时获取的浮选数据进行分类，得到所述浮选数据对应的目标灰分区间，并基于得到的目标灰分区间确定对应的起泡剂和捕收剂的添加量。与
现有技术中采用机器学习训练得到的检测算法，预测实时获取的浮选数据对应的目标灰分区间，本方案中至少采用多组原始数据和各组原始数据对应的灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型，再使用目标贝叶斯模型对浮选数据进行分类，得到浮选数据对应的目标灰分区间。由于目标贝叶斯模型的时间复杂度在线性复杂度的范围内，这样保证了目标贝叶斯模型的计算量较小以及计算速度较快，且通过时实时采集的浮选池的浮选数据，确定对应的目标灰分区间并基于目标灰分区间确定对应的起泡剂和捕收剂的添加量，实现灰分浮选的自主智能化，保证了浮选效益较高，从而解决了现有技术中实时计算灰分值的计算量较大以及计算速度较慢的技术问题。
附图说明
[0016]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0017]图1示出了根据本申请的一种实施例的煤炭的浮选方法的流程图；
[0018]图2示出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤炭的浮选方法，其特征在于，包括：获取浮选池内的多组原始数据，以及每一组所述原始数据对应的灰分值，其中，所述原始数据包括原始图像数据和原始音频数据；至少采用多组所述原始数据和对应的所述灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型；基于所述目标贝叶斯模型和实时获取的浮选数据，确定所述浮选数据对应的目标灰分区间，基于所述目标灰分区间确定对应的起泡剂和捕收剂的添加量，其中，所述浮选数据包括实时图像数据和实时音频数据。2.根据权利要求1所述的浮选方法，其特征在于，至少采用多组所述原始数据和对应的所述灰分值，对预设贝叶斯模型进行训练，得到目标贝叶斯模型，包括：对各组所述原始数据进行预处理，得到多组目标数据，所述预处理至少包括滤波处理；采用各所述目标数据，对所述预设贝叶斯模型进行训练，得到所述目标贝叶斯模型。3.根据权利要求2所述的浮选方法，其特征在于，对各组所述原始数据进行预处理，得到多组目标数据，包括：采用小波变换，对各组所述原始数据进行滤波处理，得到多组滤波数据，其中，每组所述滤波数据包括滤波图像数据和滤波音频数据，所述滤波图像数据用于表征所述浮选池内气泡的光泽度和密集程度，所述滤波音频数据用于表征所述气泡的破碎声音；对各组所述滤波图像数据和所述滤波音频数据进行同频组合处理，得到多组所述目标数据。4.根据权利要求2所述的浮选方法，其特征在于，采用各所述目标数据，对所述预设贝叶斯模型进行训练，得到所述目标贝叶斯模型，包括：根据各组所述原始数据对应的所述灰分值以及预设灰分区间，确定多个目标灰分集合，每一个所述目标灰分集合包括多组所述原始数据；构建所述预设贝叶斯模型其中，P(c)为所述目标灰分集合的先验概率，x
ij
为所述目标灰分集合中的第i组所述原始数据中的第j个属性，所述属性为光泽度、密集程度、或者破碎声音中的一个，w(i)为所述属性的权重，i从1开始取值，一直到n，n为所述目标灰分集合中所述原始数据的总数量，j从1开始取值，一直到m，m为一组所述原始数据中，所述属性的总个数；采用多个所述目标灰分集合，对所述预设贝叶斯模型的所述权重进行修正，得到所述目标贝叶斯模型。5.根据权利要求4所述的浮选...

【专利技术属性】
技术研发人员：韩春阳，解亚辉，李伟涛，蔚志恒，刘占荣，
申请(专利权)人：北京龙田华远科技有限公司，
类型：发明
国别省市：