【技术实现步骤摘要】
本申请涉及光谱检测，尤其涉及一种用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法。
技术介绍
1、选矿工艺过程可将元素含量品位较低的原矿选成品位较高的精矿，实现对选矿工艺过程矿浆元素组分进行在线快速准确检测，对于解决传统分析检测方式依靠人工取样、离线分析速度慢、时间长，对工艺指导严重滞后的选矿工艺世界性技术难题具有重要意义。目前，针对选矿工艺过程矿浆元素组分检测，常用激光诱导击穿光谱技术(简称libs)，libs技术具有非接触测量、实时在线、多元素同时检测及无需人工制样等优点，因此在选矿工艺过程矿浆检测领域的应用受到广泛关注。
2、采用libs技术对矿浆组分进行在线检测过程中，激光激发矿浆时，矿浆中的含水率对等离子体强度会产生较大影响。此外，libs获取的光谱数据仅反映矿浆中元素浓度信息，而选矿工艺过程中的矿浆特征信息包含多个方面，仅以各像元处的光谱强度数据作为建模的自变量会限制矿浆元素品位回归模型准确度的提升。
3、不同品位矿浆的含水率不同，水含量数据对libs算法开发具有补偿作用；nir技术对矿浆含水率的检测准确性较高，libs技术与nir技术的多光谱联用方法可满足选矿工艺过程矿浆组分高准确度检测要求，可将矿浆的多种特征信息融合到建模算法中，而现有的libs与nir联用检测方法主要集中在煤炭等固相检测领域，检测样品的形态及种类有限，目前在选矿工艺过程矿浆组分检测上没有相关应用。
技术实现思路
1、本申请的目的在于提供一种用于选矿工艺过程中矿浆组分在线检
2、为实现以上目的，本申请采用以下技术方案：
3、一种用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，包括：
4、s1.收集含水率存在梯度分布的矿浆样品作为测试样本，采用nir系统获取所述测试样本的近红外光谱数据；
5、s2.对所述近红外光谱数据进行光谱预处理，以降低光谱噪声对后续建模的干扰；建立矿浆含水率的nir回归模型；
6、s3.采用libs系统获取所述测试样本的等离子体光谱数据，建立矿浆浓度的libs回归模型；
7、s4.将矿浆的nir含水率回归模型代入libs矿浆浓度回归模型，优化算法，实现模型校正与补偿；
8、s5.建立矿浆元素含量的定量分析模型，实现libs与nir多光谱联用。
9、由于选矿工艺过程中波动较大，工艺时常变动，因此导致选矿过程矿浆含水率波动较大，对libs检测有很大影响，导致检测结果偏差大。其次，目前针对含水率的检测方法多为工厂离线检测，无法实时将含水率数据融合至libs检测过程中。基于以上，我们采用nir方法实时在线测得矿浆含水率，进而将其数据融合进libs算法中，实现一种用于矿浆的多光谱联用方法。
10、优选地，所述s4包括：
11、s41.拼接含水率和libs数据：在libs数据中加入一列预测的含水率变量，获得大小的新矩阵；
12、s42.根据由近红外数据预测的含水率值，对libs光谱中的氢元素特征峰强度进行校正；
13、s43.对libs建模使用的实验室分析值进行校正，得到矿浆样品中元素含量。
14、优选地，所述s42中的所述校正包括：
15、建立含水率和h线强度的标准曲线，以含水率数据为m轴，以h线强度为n轴，建立一元一次方程m=kn+b的标准曲线，其中，k为标准曲线的斜率；
16、在进行后续的待测样品实验时，将nir测得的所有含水率数据x矩阵代入所述标准曲线，计算每条光谱的绝对h线强度值，得到y矩阵，针对每条光谱的每一个变量点进行参比强度校正，校正公式如下：
17、；
18、其中为第i条光谱的第j个变量点，为第i条光谱的绝对h线强度值，为第i条光谱的实际原始数据h线强度。
19、优选地，所述s1中，所述测试样本的近红外光谱数据为每个矿浆样品采集多组光谱数据计算得到的平均值。
20、优选地，所述光谱预处理的方法为sg卷积平滑滤波和一阶导数方法，其中，所述sg卷积平滑滤波用于消除光谱中高频噪声，所述一阶导数方法用于光谱基线校正。
21、优选地，所述nir回归模型为偏最小二乘回归模型，所述nir回归模型的输入变量是经所述光谱预处理后的谱线强度和矿浆含水率值。
22、将多组所述光谱预处理之后的nir光谱数据和含水率数据作为偏最小二乘法的训练集样本，所述nir光谱数据中的水分特征谱线强度作为自变量矩阵x，所述含水率数据作为因变量矩阵y，最终建立nir回归模型。
23、优选地，所述libs回归模型为偏最小二乘模型，所述libs回归模型的输入变量是经所述光谱预处理后的谱线强度和元素组分的浓度数值；
24、在建立libs回归模型前，采用光谱数据归一化及基线校正作为光谱数据预处理方法。
25、将多组libs光谱数据和化学分析浓度数据作为偏最小二乘法的训练集样本，其中光谱数据中的元素特征谱线强度作为自变量矩阵x，化学分析各元素浓度数据作为因变量矩阵y，最终建立libs回归模型。
26、优选地，所述校正与补偿包括：将矿浆nir含水率数据作为自变量，与其余若干个libs光谱数据自变量同时输入至矿浆元素含量的定量分析模型中；
27、所述libs光谱数据自变量的数目为libs系统的总体像元数目，所述libs系统的总体像元数目为libs系统光谱通道数目和单通道像元数目的乘积。
28、优选地，所述偏最小二乘法建立nir回归模型时进行主成分分析，输出最优的建模主成分数目；
29、所述偏最小二乘法建立libs回归模型时进行主成分分析，输出最优的建模主成分数目。
30、优选地，所述定量分析模型对验证集矿浆元素组分的预测效果以相对误差作为评价指标。
31、与现有技术相比，本申请的有益效果包括：
32、本申请提供的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，考虑到矿浆样品的含水率各不相同，首次采用nir方法测量矿浆含水率，并将含水率融合进h线强度的校正中，进一步将含水率数据与libs数据做拼接进行建模，实现nir含水率回归模型与libs组分浓度回归模型的融合，可以有效地改善传统libs数据建模方法的缺陷，提升选矿工艺过程矿浆组分的在线检测精度，提升回归模型的准确性。
本文档来自技高网...【技术保护点】
1.一种用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，包括：
2.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述S4包括：
3.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述S42中的所述校正包括：
4.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述S1中，所述测试样本的近红外光谱数据为每个矿浆样品采集多组光谱数据计算得到的平均值。
5.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述光谱预处理的方法为SG卷积平滑滤波和一阶导数方法，其中，所述SG卷积平滑滤波用于消除光谱中高频噪声，所述一阶导数方法用于光谱基线校正。
6.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述NIR回归模型为偏最小二乘回归模型，所述NIR回归模型的输入变量是经所述光谱预处理后的谱线强度和矿浆含水率值；
7.根据权
8.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述校正与补偿包括：将矿浆NIR含水率数据作为自变量，与其余若干个LIBS光谱数据自变量同时输入至矿浆元素含量的定量分析模型中；
9.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，偏最小二乘法建立NIR回归模型时进行主成分分析，输出最优的建模主成分数目；
10.根据权利要求1-9任一项所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述定量分析模型对验证集矿浆元素组分的预测效果以相对误差作为评价指标。
...【技术特征摘要】
1.一种用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，包括：
2.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述s4包括：
3.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述s42中的所述校正包括：
4.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述s1中，所述测试样本的近红外光谱数据为每个矿浆样品采集多组光谱数据计算得到的平均值。
5.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述光谱预处理的方法为sg卷积平滑滤波和一阶导数方法，其中，所述sg卷积平滑滤波用于消除光谱中高频噪声，所述一阶导数方法用于光谱基线校正。
6.根据权利要求1所述的用于选矿工艺过程中矿浆组分在线检测的多光谱联用方法，其特征在于，所述nir回归模型为偏最小二乘回归模...
【专利技术属性】
技术研发人员：史烨弘，赵振，韩鹏程，徐碧聪，李华昌，房胜楠，杨斐，肖姗，谢迈，
申请(专利权)人：北矿检测技术股份有限公司，
类型：发明
国别省市：
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。