一种浮选过程控制的新策略——粗糙控制

粗糙控制是近年来兴起的一种新的智能控制方法。

铜矿分离浮选过程控制模型的研究

针对某选厂浮选生产线的设备及工艺,建立了作业过程的数学模型,以反映生产控制参数及干扰变量对浮选指标的影响。该模型为控制系统总体设计的一个部分,是下一步进行模型在线识别、寻优的基础。

智能控制技术在煤泥浮选过程控制中的应用

为促进人工智能与自动控制技术在浮选领域的融合应用,提升煤泥浮选效果,基于智能控制的基本算法,从浮选过程变量分类,浮选过程预测、控制模型建立,以及智能控制系统设计三个方面,对当前煤泥浮选过程控制技术进行了汇总,分析了当前煤泥浮选过程控制的建模技术和国内外智能控制技术研究现状,列举了一些煤泥浮选智能控制系统在浮选生产领域的应用实例。分析认为,当前煤泥浮选过程智能控制距离完全实现智能化生产还存在着差距,建议未来研究应侧重于新建模技术和更精准、轻量级、可解释性模型的开发。

稀土选矿浮选过程控制的系统设计探究

设计稀土选矿浮选流程控制系统对于实现自动化稀土选矿而言,有着重要影响作用,只有在设计时充分实现在线监测、自动控制,才可以有效提高稀土选矿质量与效率。基于此,文章首先将会简述稀土选矿浮选工艺流程,而后针对稀土选矿浮选过程控制系统具体设计展开分析,进而针对稀土选矿浮选过程控制系统实现方法展开研究,旨为相关人员提供参考帮助。

浮选液位过程控制在焦家金矿的应用

浮选作为选矿车间的重要环节，它的各项指标直接影响着企业的经济效益。浮选液位过程控制系统在本单位的应用，提高了本矿的金属回收率。本文着重介绍了浮选液位过程控制的构成及在使用过程中需改进提高的地方。

浮选作业优化控制系统目标函数的研究

基于浮选过程自动控制的特点与要求,根据总体控制方案,确定了浮选作业目标函数,并将总目标函数分解为各作业段的子目标函数,分别寻优,实时控制。这种方法简化了过程模型,适用于复杂的选别流程,可供其他选矿厂参考。

粗糙集理论在阳离子反浮选控制中的应用

针对阳离子反浮选生产过程被控对象复杂、数学模型不确定以及控制精度要求高等特点,提出了一种基于粗糙集理论的智能控制方法.通过对控制过程中的一些有代表性的状态以及操作人员在这些状态下采取的控制策略所构成的决策表进行约简,归纳出一系列控制规则.运用该方法进行准确度测试和命中率试验,结果表明控制模型的给出值与现场实际数值基本吻合,命中指标满足综合指标要求.在阳离子反浮选控制中运用粗糙集理论时,便于现场技术人员和操作工人的操作,能合理添加药剂量,避免了传统工艺由人为加药造成的浪费.

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.

浮选过程液位检测系统的研究

通过现场试验研究 ,证明浮选机内矿浆、矿化泡沫和空气三者的电导率具有显著差异 .根据测量浮选机内不同介质的电导率的原理 ,研究新型液位检测器 .检测器由多电极传感器、传感器电路及 80 31单片机组成 .该检测器能够测量浮选机内矿浆与矿化泡沫层的分界点、矿化泡沫层的厚度 .液位检测器可用于煤泥浮选的自动控制中 .

基于DA-Attention U-Net编码-解码结构的浮选矿浆相气泡图像分割

浮选矿浆相气泡图像是采集自浮选槽内部矿浆溶液中的图像数据,与浮选泡沫相图像数据相比视觉特征显著不同。针对使用特殊设备从浮选槽矿浆溶液中原位采集的气泡图像数据,提出了一种基于DA-Attention U-Net编码-解码结构的气泡分割模型。模型以U-Net为基础,引入CBAM模块并依据Residual残差连接思想改进模块结构,使模型同时具有通道注意力和空间注意力的优点,给予包含气泡的前景区域更大权重,减少因下采样次数多导致的信息丢失;引入ASPP模块并基于Dense密集连接思想进行改进,从多尺度提取气泡特征及整合前后特征层信息;并在完成气泡分割的基础上使用热力图与显著图对分割结果进行分析。研究结果表明,与原始U-Net相比,所提模型对气泡图像分割效果更优,训练损失、Dice系数降低了0.416、0.2,分别达到了0.015、0.12,MIoU精度值、F1_Score值提升了0.331、0.229,分别达到了0.952、0.985,并通过消融试验验证了各模块有效性。该模型对气泡图像的精确分割,可为后续提取气泡特征奠定基础,对于未来将矿浆相气泡特征信息用于浮选过程智能控制,具有重要意义。