基于浮选泡沫图像处理的矿浆品位建模及仿真

论文摘要

我国矿产资源开发的过程中普遍存在着资源利用率不高,开发技术和装备落后等问题,而研制和开发高性能的分析检测仪表是提高矿业生产过程监测及自动化水平的核心。选矿生产过程中,工艺流程具有复杂性、多参数性和多变量性,其中矿浆品位是关键参数之一,在线矿浆品位分析对指导生产、节约药剂、控制产品质量和提高回收率等方面都起着非常关键的作用。近年来,随着计算机技术、数字图像技术和图像采集设备等的迅猛发展,浮选工业过程由人工观测泡沫来进行现场操作的传统方式已经不适应浮选过程计算机控制的需要,以“计算机视觉”代替人的视觉,利用数字图像技术来促进矿物加工新技术的开发已成为新的发展趋势,其对实现选矿厂的智能化控制具有非常重要的意义。本文主要研究了浮选泡沫图像处理工作站的集成和实现,以及基于泡沫图像特征参数预测浮选指标(如：矿浆品位等)模型的建立,从而实现了选矿过程的在线监控。其中矿浆品位建模采用了支持向量机(SVM)的方法,克服了传统线性回归方法所解决不了的浮选过程中严重的非线性问题,显著提高了浮选指标的预测精度和模型的泛化能力,以适应不断变化的工业现场条件,使其具有更好的应用性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景与意义
• 1.1.1 课题的相关背景
• 1.1.2 课题的意义
• 1.2 国内外现状及趋势
• 1.2.1 国外技术现状
• 1.2.2 国内技术现状
• 1.2.3 技术发展趋势及存在的主要问题
• 1.3 本文的主要研究内容
• 第2章 浮选理论和图像处理技术概述
• 2.1 浮选基本理论概述
• 2.1.1 浮选基本原理
• 2.1.2 矿物的可浮性
• 2.1.3 浮选药剂
• 2.1.4 气泡的形成和性质
• 2.2 数字图像识别技术概述
• 2.2.1 数字图像的结构原理
• 2.2.2 浮选泡沫图像预处理
• 2.2.3 浮选泡沫图像分割
• 2.2.4 图像特征提取
• 2.2.5 图像识别方法
• 2.3 基于数字图像处理的浮选测控方式的优势
• 2.4 本章小结
• 第3章 浮选泡沫图像处理系统的总体方案
• 3.1 浮选泡沫图像处理系统总体结构
• 3.1.1 嵌入式泡沫图像智能传感器的开发
• 3.1.2 浮选泡沫图像处理工作站的集成和实现
• 3.1.3 图像传感器应用系统设计中光源与照度的匹配
• 3.2 浮选泡沫图像处理系统实验步骤
• 3.3 浮选泡沫图像预测矿浆品位的实验基础
• 3.4 本章小结
• 第4章 矿浆品位的数学建模步骤及方法
• 4.1 数学建模步骤
• 4.2 数学建模方法
• 4.2.1 多元线性回归方法
• 4.2.2 人工神经网络
• 4.2.3 支持向量机（SVM）
• 4.2.4 三种方法用于矿浆品位建模的对比
• 4.3 本章小结
• 第5章 矿浆品位的建模及仿真
• 5.1 基于SVM的矿浆品位建模
• 5.1.1 模型输入输出的选取
• 5.1.2 矿浆品位建模中SVM算法的选取
• 5.2 矿浆品位预测的仿真实验
• 5.2.1 LIBSVM仿真软件简介及改进
• 5.2.2 仿真实验流程及关键参数的选取
• 5.2.3 非正常工艺条件下的仿真
• 5.2.4 正常生产条件下的仿真
• 5.3 模型误差分析
• 5.4 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢