基于矿石流的选矿生产过程跟踪与监控方法研究

提出了一种基于矿石流的选矿生产过程跟踪与监控方法。根据选矿生产流程建立排班计划信息;通过实时数据库对选矿生产流程状态进行数据采集,并配置每班次的配矿信息;计算圆筒仓的物料分布;计算U型仓的物料分布;对圆筒仓的物料分布和U型仓物料分布进行可视化。研究方法实现了在连续投料情况下计算物料分布,为企业人员掌握物料的实时生产情况,做出生产决策起到辅助作用。

基于PSO-PNN的铸坯全长表面纵裂纹在线预测

表面纵裂纹是铸坯质量缺陷中一种最常见的表面质量缺陷。环境因素使得铸坯表面纵裂纹在线检测精度不高,各大钢厂铸坯质检仍要依赖人工,因此提出一种基于粒子群PSO优化概率神经网络PNN的铸坯全长表面纵裂纹预测方法。首先,建立铸坯生产过程跟踪及数据时空变换模型,构建铸坯生产系统将生产过程数据与铸坯长度方向进行匹配;再利用PNN的Bayes最小风险准则进行有监督特征学习,并利用寻优算法PSO优化PNN关键参数的选取,得到最终的模型PSO-PNN;最后,利用某钢厂连铸产线铸坯质量缺陷数据和生产过程数据进行试验验证。结果表明,该方法对铸坯整体的质量预测分类精度达到97.5%,铸坯全长的裂纹缺陷的预测精确率和召回率均在92%以上,能有效实现铸坯全长表面纵裂纹的预测,为现场质检人员提供参考。