一種銻浮選工況識別方法及系統的製作方法
2023-07-14 16:53:36
一種銻浮選工況識別方法及系統的製作方法
【專利摘要】本發明提供了一種銻浮選工況識別方法及系統，包括：對記錄的銻浮選泡沫圖像特徵數據進行預處理；從泡沫圖像特徵處理後的數據中提取對工況變化敏感性高且相互間無相關性或弱相關性的關鍵泡沫特徵；基於物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣；採用博弈論方法，通過最優化理論將主觀賦權法和客觀賦權法進行綜合，得到關鍵泡沫特徵的綜合權重；基於關聯度矩陣和綜合權重計算待識別工況關於預設工況類別的綜合相關度，根據最大關聯度原則確定待識別工況所屬類別，並預測工況等級變化趨勢。
【專利說明】一種銻浮選工況識別方法及系統
【技術領域】
[0001]本發明涉及泡沫浮選【技術領域】，具體涉及一種銻浮選工況識別方法及系統。
【背景技術】
[0002]銻常被稱為金屬或合金的硬化劑，在金屬中加入比例不等的銻後，金屬的硬度就會加大，可以用來製造軍火，銻成為重要的戰略金屬。銻礦是屬於不可再生資源，在國民經濟中的地位重要，為充分利用有限的礦產資源，實現礦產資源的可持續發展，現代銻冶煉過程越來越重視礦物資源的分選水平以及選礦過程中的能耗與排放問題。為此，許多大型企業建立了礦物泡沫浮選生產線。
[0003]泡沫浮選是一種利用礦物表面物理化學性質的差異，使目標礦物與礦漿分離的選礦方法，相對其他選礦方法而言，浮選的分選效率較高、應用最為廣泛。泡沫表觀特徵(如泡沫尺寸、顏色、紋理等)是生產工況的綜合反映，浮選現場主要由經驗豐富的操作人員通過肉眼觀察泡沫表觀狀態進行工況判斷，這種方法生產效率低、勞動強度大。此外，浮選操作及入礦條件的改變會引起泡沫特徵的變化，而操作人員對泡沫的判斷沒有客觀標準、主觀隨意性大，導致浮選過程難以處於優化運行狀態，浮選效率低、工況不穩定、礦物資源浪費多，直接造成企業生產成本增加，嚴重影響企業在市場中的競爭力。因此，浮選工況的實時準確識別是優化浮選生產操作、保證浮選過程穩定高效運行的關鍵。
[0004]浮選工況的識別是一個十分複雜的多特徵參數綜合識別問題。目前文獻對銻浮選工況識別的研究主要是在提取浮選泡沫圖像的紋理特徵、顏色特徵等特徵參數的基礎上，利用神經網絡或支持向量機等方法進行工況識別。然而，神經網絡要求訓練樣本大，存在過學習、易陷入局部極小點和收斂速度慢等缺點；支持向量機的計算量大，難選擇合適的核及當類別過近時準確率驟降等問題，在應用上仍存在一定困難。
【發明內容】
[0005](一)解決的技術問題
[0006]針對現有技術的不足，本發明提供一種銻浮選工況識別方法，能夠利用博弈論方法和物元可拓理論，從定性和定量兩個方面對浮選工況進行識別。
[0007](二)技術方案
[0008]為了達到以上目的，本發明通過以下技術方案予以實現:
[0009]一種銻浮選工況識別方法，該方法包括:
[0010]S1:對記錄的銻浮選泡沫圖像特徵數據進行預處理；
[0011]S2:從泡沫圖像特徵處理後的數據中提取對工況變化敏感性高且相互間無相關性或弱相關性的關鍵泡沫特徵；
[0012]S3:基於物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣；
[0013]S4:採用博弈論方法，通過最優化理論將主觀賦權法和客觀賦權法進行綜合，得到關鍵泡沫特徵的綜合權重；
[0014]S5:基於關聯度矩陣和綜合權重計算待識別工況關於預設工況類別的綜合相關度，根據最大關聯度原則確定待識別工況所屬類別，並預測工況等級變化趨勢。
[0015]其中，步驟SI具體包括:
[0016]Sll:剔除缺少主要數據的空缺數據項；
[0017]S12:剔除超出每個參數變量區間的錯誤數據項；
[0018]S13:獲取各泡沫特徵數值後，對各數值進行無量綱化處理。
[0019]其中，步驟S2具體包括:
[0020]S21:從銻浮選泡沫圖像採集系統中獲取若干個泡沫特徵；
[0021]S22:計算每次加藥量改變之後工況進入穩定期間的泡沫圖像特徵變量均值σ和方差I並作為一個樣本保存；
[0022]S23:同樣方法採集若干個樣本(Oi, Si), i=l, 2，…，η, η為泡沫特徵的個數；
[0023]S24:計算樣本集中均值σ i的方差σ k和方差δ ,的均值δ ν，並計算敏感性指數S，其中 S=Sv/ok;
[0024]S25: 若某個泡沫特徵的敏感性指數大於等於所設定的閾值，則判定該特徵為工況敏感特徵，則根據其從所有的泡沫特徵中提取若干個工況敏感特徵；
[0025]S26:利用主成分分析法對所述工況敏感特徵進行相關性分析，得到若干個關鍵泡沫特徵。
[0026]其中，步驟S3具體包括:
[0027]S31:確定關鍵泡沫特徵的經典域；
[0028]S32:確定關鍵泡沫特徵的節域；
[0029]S33:確定待識別的浮選工況；
[0030]S34:確定待識別工況的關鍵泡沫特徵與浮選預設工況類別的關聯度矩陣。
[0031]其中，步驟S4具體包括:
[0032]S41:利用熵權法確定客觀權重；
[0033]S42:利用層次分析法確定主觀權重；
[0034]S43:基於博弈論，利用客觀權重和主觀權重得到關鍵泡沫特徵的綜合權重。
[0035]其中，步驟S5包括:
[0036]S51:計算待識別工況關於浮選預設工況類別的綜合關聯度；
[0037]S52:判斷待識別工況所屬工況類別；
[0038]S53:預測待識別工況等級變化的趨勢。
[0039]一種銻浮選工況識別系統，該系統包括:預處理單元、關鍵特徵提取單元、關聯度單元、權重單元以及識別單元；
[0040]預處理單元，用於對記錄的銻浮選泡沫圖像特徵數據進行預處理；
[0041]關鍵特徵提取單元，用於從泡沫圖像特徵處理後的數據中提取對工況變化敏感性高且相互間無相關性或弱相關性的關鍵泡沫特徵；
[0042]關聯度單元，用於基於物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣；
[0043]權重單元，用於採用博弈論方法，通過最優化理論將主觀賦權法和客觀賦權法進行綜合，得到關鍵泡沫特徵的綜合權重；
[0044]識別單元，用於基於關聯度矩陣和綜合權重計算待識別工況關於預設工況類別的綜合相關度，根據最大關聯度原則確定待識別工況所屬類別，並預測工況等級變化趨勢。
[0045](三)有益效果
[0046]本發明至少有如下有益效果:
[0047]本發明提出了一種實時準確識別浮選工況的方法，該方法通過對泡沫圖像特徵進行敏感性指數分析，並結合主成分分析法提取泡沫圖像關鍵特徵；採用博弈論方法，將熵權法獲得的泡沫特徵客觀權重和層次分析法獲得的主觀權重優化融合，克服傳統權重確定方法只依賴數據樣本的客觀權重，而忽略特徵本身對浮選工況的重要度差異的缺陷，獲得能真實反映泡沫特徵重要度差異的泡沫特徵權重係數；利用物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣；從定性和定量兩方面對浮選工況進行識別。本發明克服了傳統方法利用一種泡沫特徵進行工況識別造成信息缺少，識別率低的缺點；傳統方法隨意選取特徵的缺點；忽略因素間相互耦合的缺點。該方法計算簡便，執行速度快，識別率高，便於在工程實際中推廣，以及時指導操作變量的調整，實現優化生產。
【專利附圖】
【附圖說明】
[0048]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些圖獲得其他的附圖。
[0049]圖1是本發明實施例中一種銻浮選工況識別方法的流程圖。
【具體實施方式】
[0050]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0051]如圖1所示，為本發明實施例中一種銻浮選工況識別方法，該方法包括如下步驟:
[0052]S1:對記錄的銻浮選泡沫圖像特徵數據進行預處理。
[0053]其中，基於數字圖像處理的銻浮選泡沫圖像採集系統中提取的資料庫中包含了大量的記錄，但是這些記錄中不乏存在一些錯誤和不完整的數據，因此首先需進行數據預處理。詳細步驟如下:
[0054](I)剔除缺少主要數據的空缺數據項；
[0055](2)剔除超出每個參數變量區間的錯誤數據項；
[0056](3)由於各泡沫特徵的量綱不同，因此在獲得特徵數值後，需解決特徵間的可綜合性問題，對各數值進行無量綱化處理，方法如下:
[0057]當對泡沫特徵的要求屬于越小越優性:
【權利要求】
1.一種銻浮選工況識別方法，其特徵在於，該方法包括: S1:對記錄的銻浮選泡沫圖像特徵數據進行預處理； S2:從泡沫圖像特徵處理後的數據中提取對工況變化敏感性高且相互間無相關性或弱相關性的關鍵泡沫特徵； S3:基於物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣； S4:採用博弈論方法，通過最優化理論將主觀賦權法和客觀賦權法進行綜合，得到關鍵泡沫特徵的綜合權重； S5:基於關聯度矩陣和綜合權重計算待識別工況關於預設工況類別的綜合相關度，根據最大關聯度原則確定待識別工況所屬類別，並預測工況等級變化趨勢。
2.根據權利要求1所述的方法，其特徵在於，步驟SI具體包括: S11:剔除缺少主要數據的空缺數據項； S12:剔除超出每個參數變量區間的錯誤數據項； S13:獲取各泡沫特徵數值後，對各數值進行無量綱化處理。
3.根據權利要求1所述的方法，其特徵在於，步驟S2具體包括: S21:從銻浮選泡沫圖像採集系統中獲取若干個泡沫特徵； S22:計算每次加藥量改變之後工況進入穩定期間的泡沫圖像特徵變量均值σ和方差S，並作為一個樣本保存； S23:同樣方法採集若干個樣本(Oi, Si), i=l, 2，…，η, η為泡沫特徵的個數； S24:計算樣本集中均值Oi的方差Ok和方差Si的均值δν，並計算敏感性指數S，其中 S= δ ν/ σ k ; S25:若某個泡沫特徵的敏感性指數大於等於所設定的閾值，則判定該特徵為工況敏感特徵，則根據其從所有的泡沫特徵中提取若干個工況敏感特徵；S26:利用主成分分析法對所述工況敏感特徵進行相關性分析，得到若干個關鍵泡沫特徵。
4.根據權利要求1所述的方法，其特徵在於，步驟S3具體包括: 531:確定關鍵泡沫特徵的經典域； 532:確定關鍵泡沫特徵的節域； 533:確定待識別的浮選工況； S34:確定待識別工況的關鍵泡沫特徵與浮選預設工況類別的關聯度矩陣。
5.根據權利要求1所述的方法，其特徵在於，步驟S4具體包括: S41:利用熵權法確定客觀權重； S42:利用層次分析法確定主觀權重； S43:基於博弈論，融合客觀權重和主觀權重得到關鍵泡沫特徵的綜合權重。
6.根據權利要求1所述的方法，其特徵在於，步驟S5包括: S51:計算待識別工況關於浮選預設工況類別的綜合關聯度； S52:判斷待識別工況所屬工況類別； S53:預測待識別工況等級變化的趨勢。
7.—種銻浮選工況識別系統，其特徵在於，該系統包括:預處理單元、關鍵特徵提取單元、關聯度單元、權重單元以及識別單元； 預處理單元，用於對記錄的銻浮選泡沫圖像特徵數據進行預處理； 關鍵特徵提取單元，用於從泡沫圖像特徵處理後的數據中提取對工況變化敏感性高且相互間無相關性或弱相關性的關鍵泡沫特徵； 關聯度單元，用於基於物元可拓理論，融合多種關鍵泡沫特徵，通過關聯函數建立待識別工況的關鍵泡沫特徵與預設工況類別的關聯度矩陣； 權重單元，用於採用博弈論方法，通過最優化理論將主觀賦權法和客觀賦權法進行綜合，得到關鍵泡沫特徵的綜合權重； 識別單元，用於基於關聯度矩陣和綜合權重計算待識別工況關於預設工況類別的綜合相關度，根據最大關聯度原則確定待識別工況所屬類別，並預測工況等級變化趨勢。
【文檔編號】G06K9/00GK103839057SQ201410122812
【公開日】2014年6月4日 申請日期:2014年3月28日 優先權日:2014年3月28日
【發明者】唐朝暉, 劉美麗, 劉金平, 陽春華, 楊貴軍, 譚珍 申請人:中南大學