浮选生产过程泡沫状态与药剂控制关系研究

针对泡沫状态与浮选药剂用量的对应关系,采用泡沫图像分析仪与液位计等在线检测设备对浮选生产过程中的泡沫状态进行量化处理,建立泡沫状态与浮选药剂控制之间的对应关系。基于量化后的泡沫特征变量,对浮选药剂用量给出了指导意见,并为后续开展浮选药剂智能控制提供了基础。经过长时间现场观察和大量数据分析,验证了理论研究的合理性,对于提高浮选生产过程的效率和稳定性具有重要意义。

基于向量空间模型的浮选泡沫图像分类方法研究

针对基于图像底层特征的泡沫图像分类识别正确率不高、存在语义鸿沟问题,提出一种基于向量空间模型(VSM)的浮选泡沫图像分类方法。该方法借鉴文本分类方法,对工业摄像机获取的大量泡沫图像通过分块、底层特征提取和聚类,构造泡沫状态词汇表;在此基础上,经词汇相似度和词频计算,用词袋向量描述泡沫图像;最后,采用VSM实现实时泡沫图像的有监督分类识别。用某金属浮选过程工业现场泡沫图像数据对该方法进行了实验验证,实验结果表明,该方法的工况识别平均准确率近90%,明显优于基于底层特征的分类方法,并在一定程度上解决了语义鸿沟问题,具有很好的应用价值。

从发明专利看浮选柱的研究与发展

浮选柱的研究与发展已引起世界许多国家的高度重视。本文综合分析了近30年浮选柱发明专利约190篇,从发明专利的角度评述了浮选柱的研究与发展现状,简要介绍了目前受到普遍关注的充填式、Jameson式、旋流—静态微泡以及CPT浮选柱,并侧重介绍了它们的结构、工作原理及性能。

动态纹理建模在硫浮选工况的识别分析

泡沫浮选广泛应用于选矿领域,它是一种能够有效提取矿粒的方法。但是,浮选过程存在着大量的影响因素和严重的非线性,这使得浮选过程的优化控制很难实现。因此,为了保证浮选处于最优工况,有必要依据浮选泡沫的表面特征来调整相应的操作变量。本文提出了基于动态纹理建模的方法应用于浮选工况的分类。采用ARMA模型进行动态纹理建模,通过样本学习得到模型参数A,C,Q。对不同类样本模型参数A,C计算其Martin距离,根据最小距离原则来进行分类识别。仿真结果表明:所提出的动态纹理模型能准确地描述动态泡沫,且能有效地检测浮选泡沫状态。