基于泡沫视觉特征的浮选精矿品位的软测量.pdfVIP

第 34卷 第 6期 有 色 冶 金 设 计 与 研 究 2013年 12 月 基于泡沫视觉特征的浮选精矿品位的软测量 殷铭宏 (中国瑞林工程技术有限公司，江西南昌 330031) [摘 要]针对矿物浮选在线检测X荧光分析仪缺失、人工检测严重滞后 的问题，依据泡沫视觉表面特征 对浮选精矿 品位具有直接指示作,el的原理，采用最小二乘支持 向量机(LeastSquaresSuppo~VectorMachine， Ls—SVM1实现浮选精矿品位的软测量。工业运行数据仿真结果表明．建立的软测量模型能够实现精矿品位的 预测精度．满足工业要求 [关键词]浮选 ；图像特征；LS-SVM ；软测量；在线检测 中图分类号：TM930．12 文献标识码：A 文章编号：1004—4345(2013)06—0052—03 Soft—-sensingoftheGradeofFlotationConcentrateonthebasisofVisualFeaturesofFroth YIN Ming—hong (ChinaNerinEngineeringCo．，Ltd．，Nanchang，Jiangxi 330031，China) AbstractAimed atabsenceofon-linedetectionX fluorescence analyzerformineralflotation andseriousdelaybymanual detection，basedontheprincipleofvisualfeatureoffrothdirectlyindicatingthegradeofflotationconcentrate，thispapergivea discussionon usingleastsquaressupportvectormachinetoachievesoft—sensingofthe gradeofflotation concentrate．Industrial operationdatasimulationresultindicatesthattheestablishedsoft-sensingmodelcansatisfytheprecisionofpredictionofconcentrate gradetomeettheindustrialrequirement． Keywords flotation；picturefeature；LS-SVM；soft-sensing；on-linedetection 径。由于浮选机理模型存在诸多假设和简化。浮选机 1 软测量技术概况 内部物理化学反应复杂。加药种类繁多。相互影响严 重 导致机理模型性能不佳，一些学者提出了基于智 泡沫浮选是根据不同矿物疏水性质的差异。将 能模型的预测控制方法。智能模型无需对被控对象 有价矿物与脉石分离的过程，其高适应性和有效性使 进行深入的了解，只需对历史数据进行学习就能建 之成为选别复杂、低品位矿石时应用最广的方法之 立比较准确的模型有 良好的应用前景。最小二乘支 一 l【】 。 在矿物浮选过程中，精矿品位是浮选生产的关 持向量回归机因其优良的学习性能被用于解决各种 键生产指标之一。实际生产中由于检测仪器fx荧光 回归问题闭。Akesson等提出了基于