一种浓密机泥层高度软测量方法技术

本发明专利技术属于选冶领域，提出一种浓密机泥层高度软测量方法。基于浓密机泥层高度软测量装置获取浓密机内部泥层处图像和收集对应的泥层高度，通过图像信息和泥层高度数据建立数据集；构建双路径网络；对双路径网络进行预训练，并保存网络参数获取深度特征集合；基于粒子群算法对所述的深度特征集合进行特征选择；建立浓密机内部泥层高度软测量模型；基于所述浓密机内部泥层高度软测量模型计算出泥层高度。本发明专利技术解决了浓密机内部泥层高度实时检测的问题。通过深度学习等人工智能方法对于浓密机泥层高度这一关键变量进行建模，既实现对浓密机泥层高度这一关键变量的在线检测，又为后续浓密机智能优化控制方法研究奠定基础。

【技术实现步骤摘要】

本专利技术涉及选冶领域，尤其涉及一种浓密机泥层高度软测量方法。

技术介绍

1、浓密机是一种常见的固液分离设备，主要起着浓缩澄清的作用，广泛应用于矿山、冶金、化工等领域。在浓密机的运行过程中，内部泥层高度是一个非常重要的过程控制参数，它可以影响浓密机的分离效率、产量和能耗等指标。目前常见的泥水界面检测的方式有光电传感器测量法和超声波回波测量法。(cn115683278a)公开的光电传感器测量方法利用光的性质对泥水分界面进行测量；(cn106680369a)公开的超声波回波测量法依靠超声波反射实现对泥层高度的测量。

2、在常见的浓密机泥层高度检测方法中，光电传感器检测方法虽然精度高，但结构复杂、维护成本高，且在矿浆浓度较高、矿物颗粒较大的环境中透射光强度会受到严重减弱，增加了检测难度；超声波回波测量法依靠超声波反射实现，但在泥层状况复杂的环境中，如泥层浓度逐渐变化导致泥层界面不清晰，会使得测量信号产生大波动，影响测量精度。此外，超声波存在测量盲区，一定程度上影响了该方法的普及。

技术实现思路</p>

1、基于本文档来自技高网...

【技术保护点】

1.一种浓密机泥层高度软测量方法，其特征在于，基于浓密机泥层高度软测量装置获取浓密机内部泥层处图像和收集对应的泥层高度，通过图像信息和泥层高度数据建立数据集；构建ResNet和Vision transformer并行的双路径网络；对双路径网络进行预训练，并保存网络参数获取深度特征集合；基于粒子群算法对所述的深度特征集合进行特征选择；建立浓密机内部泥层高度软测量模型；基于所述浓密机内部泥层高度软测量模型计算出泥层高度。

2.根据权利要求1所述的浓密机泥层高度软测量方法，其特征在于，所述浓密机内部泥层分界面处图像建立数据集之前进行预处理；所述预处理包括将浓密机内部泥层处图像的像素...

【技术特征摘要】

1.一种浓密机泥层高度软测量方法，其特征在于，基于浓密机泥层高度软测量装置获取浓密机内部泥层处图像和收集对应的泥层高度，通过图像信息和泥层高度数据建立数据集；构建resnet和vision transformer并行的双路径网络；对双路径网络进行预训练，并保存网络参数获取深度特征集合；基于粒子群算法对所述的深度特征集合进行特征选择；建立浓密机内部泥层高度软测量模型；基于所述浓密机内部泥层高度软测量模型计算出泥层高度。

2.根据权利要求1所述的浓密机泥层高度软测量方法，其特征在于，所述浓密机内部泥层分界面处图像建立数据集之前进行预处理；所述预处理包括将浓密机内部泥层处图像的像素值映射到数值范围为0-255的区间，依次进行图像去噪、图像去雾和图像质量增强操作，对数据集图像进行无关信息消除和有关信息增强。

3.根据权利要求1或2所述的浓密机泥层高度软测量方法，其特征在于，所述的双路径网络结构为resnet网络和vision transformer网络并行，通过resnet网络提取泥层图像的局部特征，通过vision transformer网络提取泥层图像的全局特征；所述resnet网络为基于残差模块构建的深度神经网络，其具体为resnet-50网络；主要包含了49个卷积层，共包括16个残差块；前4个残差块用于提取图像的低级和中级特征，后面的12个残差块用于提取更加深层次的图像特征；所述vision transformer网络包括输入图像编码层和transformer encoder层两部分。

4.根据权利要求3所述的浓密机泥层高度软测量方法，其特征在于，所述的输入图像编码层包括图像序列化和位置编码两部分；图像序列化将输入的图...

【专利技术属性】
技术研发人员：何大阔，李强，于丰，贾润达，王志强，陈逸君，
申请(专利权)人：东北大学，
类型：发明
国别省市：