冬瓜山铜矿泡沫浮选监控系统设计及应用

论文摘要

浮选过程作为一种强非线性、强耦合性、大滞后的多输入多输出的连续复杂工业过程,存在大量不确定信息和多样化的海量数据,导致传统人工浮选方式劳动强度大且难以实现工况的及时调整。通过在生产现场对铜浮选泡沫图像中的特征与铜浮选中各个指标之间的关系长期分析,并根据大量的样本和实验,利用机器视觉技术和图像处理技术,设计了一套铜浮选泡沫图像监控系统。铜浮选泡沫图像特征的提取包括图像的静态特征与动态特征的提取,利用图像处理算法,提取出与铜浮选各个指标密切相关的特征量,经过分析与处理找出关键特征量。在大量数据的基础上,利用BP神经网络建立相关指标的预测模型,指导铜浮选生产过程,提高生产效率。为了让现场工人能够快速的分辨各种泡沫的状态,迅速的对浮选过程做出及时有效的调整,建立了准确的泡沫状态分类与识别模型,实现浮选生产健康状态的自动综合评价。为了更好的指导现场工人的操作,利用Visual C++6.0编写了一个铜浮选泡沫图像监控系统,嵌入了所设计的先进图像处理的算法。为了提高系统可扩展性和实用性,利用OPC技术实现了本系统和DCS的通信,从DCS中采集实时数据,以更好的分析生产现场实时的浮选状态,实现有效控制浮选过程的目的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 项目背景与课题来源
• 1.2 本课题国内外研究现状及发展动态
• 1.2.1 泡沫浮选图像处理技术的研究现状
• 1.2.2 泡沫图像监控系统研究现状
• 1.3 课题的选题意义和研究价值
• 1.4 主要研究内容
• 第二章 铜浮选泡沫图像特征提取的关键技术
• 2.1 铜浮选泡沫颜色特征的提取
• 2.2 铜浮选泡沫尺寸特征提取
• 2.3 铜浮选泡沫纹理特征提取
• 2.4 铜浮选泡沫承载率特征提取
• 2.5 小结
• 第三章 铜浮选泡沫状态自动分类与识别
• 3.1 泡沫分类识别的建模思路
• 3.1.1 泡沫图像特征与浮选工况关系分析
• 3.1.2 铜粗选首槽泡沫品位预测的意义
• 3.1.3 建模思路
• 3.2 预测样本数据预处理
• 3.2.1 样本提取
• 3.2.2 样本选择
• 3.2.3 样本数据标准化
• 3.2.4 样本去噪
• 3.3 预测模型建立
• 3.3.1 主元分析
• 3.3.2 BP神经网络
• 3.4 预测模型及仿真结果
• 3.5 小结
• 第四章 铜浮选泡沫图像监控系统的设计与实现
• 4.1 系统硬件设计
• 4.2 硬件选型与调试
• 4.2.1 摄像机的选择
• 4.2.2 镜头参数选择
• 4.2.3 光源选择和调试
• 4.2.4 图像采集卡
• 4.2.5 图像传输装置
• 4.2.6 硬件接口设计
• 4.2.7 防灰防尘设计
• 4.3 系统软件设计
• 4.3.1 软件管理模块的设计
• 4.3.2 图像采集模块的设计
• 4.3.3 图像预处理模块的设计
• 4.3.4 指标预测模块的设计
• 4.3.5 工况分析模块的设计
• 4.4 系统功能实现
• 4.4.1 系统登录界面
• 4.4.2 图像处理
• 4.4.3 数据管理
• 4.5 系统与DCS的通信
• 4.6 铜浮选图像监控系统的系统性能指标
• 4.7 小结
• 第五章 结论与展望
• 5.1 研究工作总结
• 5.2 后续工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间主要的研究成果