基于泡沫尺寸随机分布的铜粗选药剂量控制

为了稳定铜粗选选矿指标,提高矿产资源的利用水平,根据铜粗选过程中泡沫尺寸分布随药剂量改变而动态变化的特点,提出一种基于泡沫尺寸随机分布的铜粗选过程药剂量控制方法.首先,针对泡沫尺寸分布具有非高斯统计特性,基于方差和均值的统计参量难以表征该分布形态变化的问题,提出了B样条估计方法以描述泡沫尺寸的概率密度函数(Probability density function,PDF);然后,针对B样条权值相互关联的特点,建立多输出最小二乘支持向量机模型(Multi-output least square support vector machine,MLS-SVM)以表征权值和药剂量的动态关系;最后,为减少系统的随机性,采用基于熵的优化算法以确定药剂量,实现对给定泡沫尺寸分布的跟踪控制.工业数据仿真验证了所提方法的有效性,能有效稳定铜粗浮选的生产指标.

一种基于动态尺寸的时间序列特征及在锌浮选工况识别中的应用

在锌浮选过程中由于浮选过程中的图像是动态变化的,现有的传统特征描述方法图像少有考虑图像间时间序列信息。本文在传统的泡沫尺寸分布特征的基础上,提出了基于泡沫尺寸分布并具有时间维度信息的尺寸趋势核心特征(STCF),即以泡沫尺寸分布的时间序列为核心特征。本文提取了趋势的核心特征,以帧间变化系数和帧间稳定系数度量泡沫层动态变化行为,并给出了两种特征系数的计算方法。同时,在核心特征的基础上结合帧间变化系数和帧间稳定系数,建立了STCF特征算法。最后,建立了一种基于BP神经网络的浮选条件识别模型。实验结果表明,该识别模型取得了很好的效果,证明了本文提出的方法有效地克服了现有传统的尺寸分布特征中动态信息缺乏的局限性。同时,也证明了引入的两个因子能够不同程度地提高分类准确率。