基于泡沫图像特征的铝土矿浮选粗选槽液位智能优化设定.pdf

中图分类号 里2 坌 U D C6 8 1 ．5 硕士学位论文 学校代码 Q 三三 密级坌珏 基于泡沫图像特征的铝土矿浮选粗选槽液 位智能优化设定 F r o t hF e a t u r e sB a s e dI n t e l l i g e m l yO p t i m a lS e t t i n gf o r L e v e lo fB a u x i t eF l o t a t i o nR o u g h e rC e l l s 作者姓 学科专 研究方 学院 系、 指导教 名赵洪伟 业控制科学与工程 向复杂工业过程建模与优化控制 所 信息科学与工程学院 师谢永芳教授 论文答辩日期兰里 赴盈 牛目答辩委员会主席兰幺途磊么 中南大学 二。一四年五月 万方数据 I I I I I I III I I I II I I I I II I I I I I I II II 学位论文原创性声明 Y 2 6 8 7 2 7 9 本人郑重声明，所呈交的学位论文是本人在导师指导下进行的研 究工作及取得的研究成果。尽我所知，除了论文中特另t l ；D N 以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也 不包含为获得中南大学或其他教育机构的学位或证书而使用过的材 料。与我共同工作的同志对本研究所作的贡献均已在论丈中作了明确 的说明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 作者签名盘型盗 日期 学位论文版权使用授权书 本学位论文作者和指导教师完全了解中南大学有关保留、使用学 位论文的规定即学校有权保留并向国家有关部门或机构送交学位论 文的复印件和电子版；本人允许本学位论文被查阅和借阅；学校可以 将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用 复印、缩印或其它手段保存和汇编本学位论文。 保密论文待解密后适应本声明。 作者签名盘逖猛 日期业年旦月一／6 E t 导师签名一．半擤 万方数据 基于泡沫图像特征的铝土矿浮选粗选槽液位智能优化设定 摘要泡沫浮选是选矿过程中最重要的矿物提取方法，在铝土矿浮选 生产过程中浮选槽液位通常根据经验人工设定，具有主观随意性、液 位波动大，使精／尾矿品位不满足要求、难以根据工艺指标对液位进 行优化设定。为此，研究一种基于浮选泡沫图像多特征的铝土矿浮选 槽液位智能优化设定的方法。 论文在分析浮选槽工作原理、液位与泡沫图像特征间关系的基 础上，提出了集基于案例推理的浮选槽液位预设定、基二于二多泡沫特征 的改进L S ．S V M 品位预测及基于B P 神经网络的自学习模糊推理智能 补偿等模型为一体的浮选槽液位智能优化设定模型。论文的研究内容 和主要创新点如下 1 由于浮选过程机理复杂、矿物品位等生产指标难以在线测 量，难以建立给矿条件、生产指标与浮选槽液位设定值之间的准确数 学模型，给出了基于案例推理的浮选槽液位预设定方法。将浮选槽目 标品位、给矿条件及对应的历史液位设定值组成操作案例，然后根据 设定的相似度阈值对其进行匹配判断和重用，以当前工况为输入，对 案例求解，得到设定值输出，实现浮选槽液位预设定。 2 针对实际浮选生产过程中精／尾矿品位难以在线测量，无法为 液位在线优化设定提供必要的指标数据信息，提出利用可直接反映浮 选生产状态的多种泡沫图像特征，输入改进型L S ．S V M 预测模型，得 到精／尾矿品位预测值，克服传统L S ．S V M 模型预测误差较大，鲁棒 性和泛化能力差等问题，提高了实时精矿品位及尾矿品位的在线预测 精度。 3 针对影响浮选生产过程正常运行的干扰因素较多，而且给矿 也会发生波动，导致预设定的液位值不满足实时工况要求，使即精／ 尾矿品位不在目标范围内。提出了采用基于B P 神经网络的自学习模 糊推理补偿模型对浮选液位预设定值的智能补偿的方法。该方法推理 效率高且具备自学习能力，实现了浮选槽液位的预设定补偿。 4 结合某铝土矿浮选实际生产过程，利用本文提出的方法开发 了基于泡沫图像多特征的粗选槽液位优化设定系统。实际生产运行效 万方数据 果验证了本文方法的有效性与可行性。图3 9 幅，表7 个，参考文献 6 7 篇。 关键词铝土矿浮选液位；泡沫特征；案例推理；品位预测；B P 神 经网络模糊推理；优化设定 分类号T P 2 9 万方数据 F r o t hF e a t u r e sB a s e dI n t e l l i g e n t l yO p t i m a lS e t t i n gf o r L e v e lo fF l o t a t i o nR o u g h e rC e l l s A b s t r a c t F r o t hf l o t a t i o n1 St h em o s t i m p o r t a n tm i n e r a le x t r a c t i o nm e t h o d i nm i n e r a l s e p a r a t i o np r o c e s s ．T h e l e v e lo fb a u x i t ef l o t a t i o nc e l l si s u s u a l l y s e tb ya r t i f i c i a l e x p e r i e n c e i na c t u a lf l o t a t i o n p r o c e s s o f p r o d u c t i o n ，b u tt h i sm e t h o dh a ss u b je c t i v ea n da r b i t r a r y , S Ot h el e v e lh a s l a r g ef l u c t u a t i o n sa n du n q u a l i f i e dg r a d eo fc o n c e n t r a t ea n dt a i l i n g sa r e a l s oc a u s e d ，a n di ti sd i f f i c u l tt os e tt h el e v e lo ff l o t a t i o nc e l l so p t i m a l l y a c c o r d i n gt op r o c e s si n d e x ．T ot h i se n d ，a ni n t e l l i g e n t l yo p t i m a ls e t t i n g m e t h o df o rl e v e lo fb a u x i t ef l o t a t i o nc e l l sb a s e do nm u l t i p l ef r o t hi m a g e f e a t u r e si sp r o p o s e d ． O nt h eb a s i so fa n a l y s i so fw o r k i n gp r i n c i p l eo ff l o t a t i o nc e l l sa n d r e l a t i o n s h i pb e t w e e nl e v e la n df r o t hi m a g ef e a t u r e s ，t h ep r e - s e t t i n gm o d e l b a s e do nC B R ，t h ei m p r o v e dL S S V Mg r a d ep r e d i c t i o nm o d e lb a s e do n m u l t i p l ef r o t hf e a t u r e s ，a n dt h es e l f - l e a m i n gf u z z yr e a s o n i n gi n t e l l i g e n t c o m p e n s a t i o nm o d e l b a s e do nB Pn e u r a ln e t w o r ka r e o r g a n i c a l l y i n t e g r a t e d ，S Ot h ei n t e l l i g e n t l yo p t i m a ll e v e l ’Ss e t t i n gm o d e li sb u i l tb y w h i c ht h ef r o t hi m a g e s ’f e a t u r e sa r ef u l l yu s e di sp r o p o s e d ．T h er e s e a r c h c o n t e n t sa n dm a i ni n n o v a t i o np o i n t so ft h i sp a p e ra r ea sf o l l o w s ． 1 B e c a u s e t h a tt h em e c h a n i s m so ff l o t a t i o n p r o c e s s a r e c o m p l i c a t e d ，p r o c e s si n d e xs u c ha sc o n c e n t r a t eg r a d ei sd i f f i c u l tt ob e m e a s u r e do n l i n e ，t h ea c c u r a t em a t h e m a t i c a lm o d e lr e l a t i o n s h i pa m o n g f e e d i n g c o n d i t i o n s ，p r o c e s s i n d e x e sa n ds e tp o i n to ff l o t a t i o nc e l l si s d i f f i c u l tt ob u i l t ，t h ep r e s e t t i n gm e t h o do ff l o t a t i o nc e l l s ’l e v e lb a s e do n C B Ri sg i v e n ．F i r s t l y ，t h eo b j e c t i v eg r a d e so ff l o t a t i o nc e l l s ，t h eo r e ’S f e e d i n gc o n d i t i o n s ，a n dt h ec o r r e s p o n d i n g l yh i s t o r i c a ll e v e ls e tp o i n t sa r e u s e dt om a k eu ph i s t o r i c a lo p e r a t i o nc a s e s ．S e c o n d l y ，m a t c h i n gd e g r e e s o ft h e s eh i s t o r i c a lc a s e sa r ej u d g e db a s e do ns i m i l a r i t yt h r e s h o l dt h a th a s b e e ns e t ，a n dt h e nt h e ya r er e u s e dt oa c ta sc a s es o l u t i o n so ft h ec u r r e n t l y i n p u tw o r k i n gc o n d i t i o n s ’f e a t u r e st og oo u t ， S Ot h ep r e s e t t i n go f f l o t a t i o nc e l l s ’l e v e l i Sa c h i e v e d ． 2 C o n s i d e r i n gg r a d e so fc o n c e n t r a t ea n dt a i l i n g sa r ed i f f i c u l tt o b em e a s u r e di na c t u a lf l o t a t i o np r o c e s s ．n e c e s s a r yi n d e xd a t ai n f o r m a t i o n 万方数据 a r eu n a b l ep r o v i d e df o ro p t i m a l l ys e t t i n go fl e v e lo n l i n e ，a ni m p r o v e d L S ．S V Mp r e d i c t i o nm e t h o du s i n gm u l t i p l ef r o t hi m a g e s ’f e a t u r e st h a tc a n r e f l e c tf l o t a t i o n p r o d u c t i o n s t a t u sd i r e c t l y ．T h i sm e t h o ds o l v e s t h e p r o b l e m so fl a r g e rp r e d i c t i v e e r r o ra n d p o o r e r r o b u s t n e s sa n d l i z a t i o na b i l i t vo ft r a d i t i o n a ’L S S V Mm o d e l i n m e t h o dS Ot hegeneralizationa b i l i t yo t a d l t l o n a l V m o a e l l n gm e m o o , S Om e t r a c c u r a c yo fo n l i n ep r e d i c t i o n o fg r a d e so fc o n c e n t r a t ea n dt a i l i n g s i m p r o v e s ． 3 F l o t a t i o np r o c e s si sv e r yc o m p l e x ，u n k n o w ni n t e r f e r i n gf a c t o r s t h a ti n f l u e n c ei t sn o r m a lo p e r a t i o na r en u m e r o u s ，a n dt h ef e e d i n go r e c o n d i t i o n sw i l la l s of l u c t u a t e ．T h e r e f o r e ，t h ep r e s e t t i n gl e v e lo f f l o t a t i o n c e l l sd o e s n ，tm e e tt h er e q u i r e m e n t so fr e a l - t i m ew o r k i n gc o n d i t i o n s s o m e t i m e s ．a n dt h e ni tc a u s e sg r a d e so fc o n c e n t r a t ea n dt a i l i n g sb e y o n d t h es c o p eo fp r o c e s so b je c t i v e s ．I no r d e r t os o l v et h i sp r o b l e m ，a s e l f - l e a m i n gf u z z yr e a s o n i n gi n t e l l i g e n tc o m p e n s a t i o nm o d e lb a s e d o n B Pn e u r a ln e t w o r ki Sp r o p o s e dt oc o m p e n s a t et h ep r e s e t t i n gl e v e lo f f l o t a t i o nc e l l s ．C o m p a r e dw i t ht h eR B Rm e t h o d ，t h i sm e t h o dh a sh i g h e r 一i a ds e l f - l e a m i na b i l i t y ，。te f f e c t i v e l yr e a l i z e st hereasoninge f l i c i e n c ya n ds e l tl e a m m ga O l l l t y I te l i e c n v e i yr e a l l z e S ， c o m p e n s a t i o no fp r e s e t t i n gl e v e lo ff l o t a t i o nc e l l s ． 4 、 C o m b i n i n gab a u x i t ef l o t a t i o n a c t u a lp r o d u c t i o np r o c e s s ，a n o p t i m a ls e t t i n gs y s t e mo fr o u g h e r f l o t a t i o nc e l l s ’l e v e lb a s e do nt h e m e t h o dp r o p o s e di n t h i st e x ti s d e v e l o p e d ．T h e e f f e c t i v e n e s sa n d f e a s i b i l i t yo ft h i sm e t h o di sv e r i f i e db ya c t u a lp r o d u c t i o nr e s u l t s ．F i g u r e 3 8 ，t a b l e7 ，r e f e r e n c e6 7 ． K e y w o r d s b a u x i t ef l o t a t i o nl e v e l ；f r o t hf e a t u r e s ；c a s e 。b a s e dr e a s o n i n g ； g r a d ep r e d i c t i o n ；B Pn e u r a ln e t w o r kf u z z yr e a s o n i n g ；o p t i m a ls e t t i n g C l a s s i f i c a t i o n T P 2 9 万方数据 目录 1 绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 1 ．1 课题背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 1 ．2 铝土矿浮选原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 1 ．2 ．1 铝土矿浮选工艺过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 1 ．2 ．2 矿化过程与泡沫层产生⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．5 1 ．2 ．3 铝土矿泡沫图像特征与浮选工艺过程关系⋯⋯⋯⋯⋯⋯⋯⋯⋯．6 1 ．2 ．4 铝土矿浮选槽液位分析及其与浮选工艺指标关系⋯⋯⋯⋯⋯⋯．7 1 ．3 基于机器视觉的浮选过程控制技术研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯8 1 ．4 浮选液位优化设定控制技术国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯9 1 ．5 本文主要研究内容和结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 1 2 浮选液位优化设定模型总体结构与预设定模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 3 2 ．1 浮选液位优化设定模型总体结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 3 2 ．2 基于案例推理的浮选槽液位预设定模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．14 2 ．2 ．1 案例推理原理及可行性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 4 2 ．2 ．2 液位预设定模型结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 6 2 ．2 ．3 案例检索、匹配与重用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 7 2 ．2 ．4 案例修正、评价与存储⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1 8 2 ．3 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 8 3 基于多泡沫图像特征的品位预测模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 9 3 ．1 泡沫图像特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 9 3 ．1 ．1 颜色特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 1 3 ．1 ．2 尺寸特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 3 3 ．1 ．3 纹理特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 4 3 ．1 ．4 速度特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 6 3 ．2 改进型L S ．S V M 预测模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．2 7 3 ．2 ．1S V M 建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2 7 3 ．2 ．2 改进型L S ．S V M 建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 0 3 ．3 改进型L S ．S V M 品位预测模型应用效果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 4 3 ．4 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 6 4 基于B P 神经网络模糊推理的智能补偿模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 7 4 ．1 模糊推理原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3 7 4 ．2B P 神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 1 ～ 万方数据 4 ．3B P 神经网络模糊推理智能补偿模型及实例分析⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 4 4 ．3 ．1B P 神经网络模糊推理智能补偿模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 4 4 ．3 ．2 应用实例分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 7 4 ．4 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 9 5 粗浮选槽液位智能优化设定方法工业验证研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．5 0 5 ．1 浮选槽液位智能优化设定系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一5 0 5 ．2 功能设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 1 5 ．2 ．1 系统结构设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51 5 ．2 ．2 软件功能设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 2 5 ．3 液位智能优化设定方法工业验证⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 3 5 ．4 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 7 6 结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．5 8 6 ．1 结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 8 6 ．2 展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 9 参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．6 1 攻读硕士学位期间主要的研究成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．6 6 致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6 7 万方数据 硕士学位论文 1 绪论 1 绪论 矿产资源作为一种非常重要的自然资源，通常由地质作用经过几千甚至上亿 年的变化而形成，具有巨大的利用价值。因此，在人类社会的发展过程中，矿产 资源扮演着举足轻重的角色，为人类生存发展提供了所必需的物质基础，在国家 安全、经济发展及科技进步等方面起到了基础性的保障作用。例如，我国的能源 消耗资源有9 5 ％以上来自矿产资源，工业生产原材料有8 5 ％以一L 同样来自于矿 产资源。但是，自然存在的矿产资源多数不能直接用于工业生产应用，需要经过 选矿处理才能达到进一步l n T _ 的生产条件 譬如金属产品的制成必须经过对原始 矿产资源的选矿及冶炼才能继续加工 ，因此选矿是整个矿产资源加工过程中十 分重要的环节，直接影响到矿物资源的利用率和回收率。泡沫浮选是选矿过程中 最重要的矿物提取方法，广泛应用于有色金属、煤炭、化工、环保等生产部门， 我国9 0 ％以上有色金属是经泡沫浮选处理的。 但是，由于浮选工艺流程长、机理复杂、矿物品位等生产指标难以在线测量， 且浮选给矿边界条件经常变化，长期以来，主要依靠人工观察浮选槽表面泡沫颜 色、大小等视觉特征对浮选过程操作参数进行设定调节，存在主观随意性，往往 导致工况波动大，造成浮选药剂和能源的消耗大。因此，为提高矿物的精矿品位 及回收率、减少资源和能源消耗，需要深入研究浮选过程操作参数的优化设定控 制方法，保证浮选生产的自动优化运行。 1 ．1 课题背景及意义 1 9 世纪末，伴随着西方国家工业和科学技术的迅速发展，矿物原材料的需 求量呈指数增长，在此背景下，浮选工业化生产首先在一些发达资本主义国家形 成。浮选方法是利用矿物颗粒表面物理化学性质不同所导致的亲水性差异，从贫 矿或者组成较为复杂的矿石颗粒中分离出所需的目的矿物，从而达到所需矿物富 集的目的。其应用非常广泛，包括金属矿物和非金属矿物在内的大部分矿石都可 以采用该法进行分选。经过一百多年的工业发展，人们对浮选技术的认识和操作 水平不断提高，工程技术人员和科研人员所做的工作使得该技术不断成熟与完 善。但是，浮选生产过程又是一种非常复杂的工业过程，该生产过程的多种输入、 输出变量之间常常存在耦合严重及强非线性关系，且由于其工艺流程比较长，所 以可有效反映其生产状态的变量具有比较大的滞后。浮选过程涉及大量工艺数 据，包括操作变量 I n 通风量、加药量、液位、p H 值 、工艺指标 如精矿品位、 尾矿品位、回收率 、流体矿浆动力学性质及矿物颗粒物理化学性质。由此可看 万方数据 硕士学位论文1 绪论 出，极其复杂的生产机理及大量数据使得浮选过程的准确数学模型难以建立，难 以采用经典控制方法对其进行自动控制以实现该过程的优化运行。因而深入研究 浮选过程的自动优化设定控制方法对提升矿物资源的利用率和回收率具有重要 意义。 由于浮选主要是依靠生产过程中的浮选泡沫实现对矿物的分选，因而浮选槽 表面的浮选泡沫状态可有效反映浮选效果，为操作工人调整各种操作变量提供指 导依据。长期以来，浮选生产主要依靠人工观察浮选槽表面泡沫颜色、纹理、大 小等视觉特征进行操作。但是，由于现场操作人员经常轮换倒班，每个操作人员 的操作经验具有差异性，因而对浮选过程的操作缺乏客观评价标准，具有主观随 意性，往往导致工况波动大，精／尾矿品位不满足要求，造成浮选药剂和能源消 耗大。而且这种人工操作的方式，使得浮选生产效率比较低下，难于高效自动优 化运行，不利于提高生产率和精矿产品品位，造成了资源浪费和生产成本。但是， 这种人工观察泡沫状态对浮选生产进行操作的方式却给人们带来了启示，即能否 通过“机器视觉”对浮选泡沫进行观察，然后通过计算机对采集到的泡沫图像进 行处理、分析、判断并作出操作指示，从而实现浮选生产的自动优化运行。 所谓“机器视觉”就是利用电子摄像头取代人眼对观察对象进行相关测量、 分析与判断。一套完整的机器视觉监控系统一般包括摄取图像、信号转换、信号 传送、计算机分析处理、结果与控制信号输出等几个环节。机器视觉系统具有自 动化程度较高、图像捕捉迅速、分析客观等优点。但是，机器视觉监控系统对硬 件和软件条件都要求比较高，因为其关系到图像能否采集到清晰的图像并对图像 进行客观分析。二十世纪八十年代以来特别是进入新世纪以来，电子技术及计算 机技术得到了迅猛发展，这也大大突破了对于机器视觉监控系统的广泛应用的瓶 颈制约。目前，机器视觉监控系统已广泛应用于工业、农业、医药、军事、航天、 气象、天文、公安、交通、安全、科研等国民经济的各个重要行业。在此技术发 展大背景下，基于机器视觉的矿物浮选工业过程的自动监控与优化运行成为可 能。目前，在欧洲、南非、北美及南美一些选矿工业比较发达的国家，机器视觉 技术已在选矿领域得到较为广泛的应用与迅速的发展。在选矿工业生产过程中， 传统对矿物品位的检测主要是依靠人工化验和X ．荧光分析仪检测，但存在化验 不准确、化验时间长、费用昂贵等缺点。而基于机器视觉对矿物泡沫特征参数进 行分析可克服以上缺点，由于其检测分析速度比较快，能够较快对矿物品位进行 预测，可解决浮选过程具有较大惯性所带来的建模困难的问题，为浮选过程的优 化建模控制奠定了基础。因而，深入研究利用机器视觉系统所能提供的视觉信息 对浮选过程操作参数进行优化设定与控制，进而提高浮选自动化水平，提高资源 的利用率具有十分重要的意义。 万方数据 硕士学位论文 1 绪论 本论文是在国家创新研究群体科学基金项目“复杂有色冶金过程控制理论、 技术与应用” 6 1 3 2 1 0 0 3 、国家自然科学基金重点项目“基于机器视觉的矿物浮 选过程建模与优化控制” 6 11 3 4 0 0 6 及教育部高等学校博士点基金优先发展领域 资助项目“基于分布机器视觉的矿物浮选过程优化控制” 2 0 1 2 0 1 6 2 1 1 0 0 7 6 的资 助下，依托校企合作项目，基于浮选工业现场采集的大量泡沫图像特征数据与工 况信息，开展基于机器视觉的浮选过程参数优化设定控制方面的研究。 本文在分析浮选槽工作原理以及液位与泡沫图像特征问关系的基础上，将基 于案例推理的浮选槽液位预设定、基于多泡沫图像特征的改进L S ．S V M 品位预 测及基于B P 神经网络的自学习模糊推理智能补偿等模型有机集成，提出了充分 利用泡沫图像特征的对浮选槽液位进行智能优化设定的方法。将该方法在某铝土 矿浮选生产过程进行应用验证，可使粗选槽液位波动减小，提高了粗选精／尾矿 品位合格率、总精矿品位合格率及回收率。同时，本文方法也为实现浮选生产全 流程协调优化设定控制奠定了基础。 1 ．2 铝土矿浮选原理 浮选是利用有用矿物颗粒与无用脉石颗粒表面物理化学性质不同所导致的 亲水性或疏水性差异对矿物进行分选的方法。对于一般以细粒状态存在的金属、 非金属或者化工原料矿物，该方法均适用于对其进行分选。在分选过程中，疏水 性的目的矿物颗粒粘附于气泡表面并上浮至浮选槽上层形成精矿泡沫层，被刮至 溜槽得到精矿产品；而亲水性的脉石矿物颗粒则留在矿浆中，随矿浆流被排出浮 选槽形成尾矿。从而实现精矿的富集和对无用矿物的分离。近年来，随着人们对 矿产资源的日益开采，其越来越贫乏，而且矿石中矿物的分布越来越杂，但工业 生产对精矿品位的要求却越来越高，因而浮选方法在各种选矿方法中越来越体现 出其优越性，被广泛应用与研究。 1 ．2 ．1 铝土矿浮选工艺过程 铝土矿浮选过程是对矿浆进行处理的，因此首先要将开采的原始矿石进行粉 碎和磨矿处理以得到矿物颗粒。矿浆一般是指矿物颗粒、杂质与水的混合物，通 常将其通入浮选槽进行混合搅拌。在浮选过程中，首先要将矿浆和浮选药剂按比 例进行混合与搅拌，同时向浮选槽中不断通入空气从而形成大量气泡，气泡携带 目的矿物颗粒至浮选槽表面被刮至溜槽形成精矿产品。该浮选工艺过程如图1 ．1 所示。 万方数据 硕士学位论文 1 绪论 图1 ．1 铝土矿浮选工艺过程示意图 在铝土矿浮选生产过程中，通过一次浮选操作一般不能得到合格的精矿产 品，多数浮选生产现场要经过一次粗选、两次精选、两次扫选等多个浮选环节才 能得到最终的精矿产品。如前面部分描述，在进行浮选操作之前还要进行磨矿、 分级、调浆等必要操作环节。对于一般浮选现场而言，其整个铝土矿浮选流程可 用图1 ．2 来描述。 f 一一一f 一一一1 f 一一一‘一一一覃一一一罩一一一1 一一一1 ■一一一1 图l 一2 铝土矿浮选生产流程图 由图1 ．2 可知，浮选过程要使矿浆在粗选、精选及扫选环节进行处理和流动， 粗选、精选及扫选环节既相互独立又前后紧密联系，每个环节都起着重要作用。 粗选粗选是首次对来自球磨机的二级溢流矿浆进行选别作业，主要可将溢 4 万方数据 硕士学位论文 1 绪论 流矿浆中粒度中等、相对易浮的目的矿物颗粒选出并在浮选槽泡沫层富集，通过 刮板就会得到高于给矿品位的矿浆产物即“粗精矿“ ，其品位虽比给矿要高，但 还远不能满足最终选矿品位要求，故还需要对粗精矿进行进一步的处理。未被选 出的部分称为粗选尾矿，由于其中还有相当部分目的矿物，故需要将其通入扫选 环节进行进一步处理。 精选精选是对来自粗选过程的粗精矿进行进一步选别的作业，主要用于提 高浮选精矿品位，使之达到工艺要求。通常为了达到该目的，精矿环节也需进行 多步处理，图1 ．2 中所示精选环节即包括精选1 和精选2 两次分选步骤。经过精 选操作得到的精矿泡沫产品即为合格的最终精矿，其中含有大量目的矿物，而未 被浮选的部分多数为无用脉石颗粒，该部分产物称为尾矿。 扫选扫选是对来自粗选和精选的底流尾矿进行浮选的作业，主要用于对粗 选尾矿中难浮的较粗或较细目的矿物颗粒或精选尾矿中少部分} | 的矿物进行再 次浮选以提高矿物回收率和利用率。 1 ．2 ．2 矿化过程与泡沫层产生 铝土矿浮选是利用有用矿物颗粒与无用脉石颗粒表面物理化学性质不同所 导致的亲水性或疏水性差异对矿物进行分选的方法。该分选过程主要发生于气一 水一固- - 市[ t 界面，因而需要产生大量气泡以满足分选所需的环境条件。首先，需 要利用起泡剂使得空气在矿浆中形成大小合适数量一定的气泡，然后利用浮选药 剂 捕收剂、调整剂 调整矿物颗粒表面的润湿性，使目的矿物与无用矿物产生亲 水性差异进而达到分选的目的。按照以上浮选要求，矿物颗粒、水及浮选药剂按 一定比例在搅拌槽内混合、搅拌、调配成满足浮选要求的矿浆，并送入浮选槽， 矿浆在浮选槽内与鼓入的空气混合搅拌形成大量气泡，矿物颗粒与气泡发生充分 接触和碰撞。疏水性的目的矿物颗粒附着于气泡表面，随气泡上浮至矿浆表面， 形成矿化的泡沫层，并被刮至溜槽得到精矿产品，从而实现目的矿物的富集。而 亲水性的脉石矿物颗粒则留在矿浆中，随矿浆流被排出浮选槽形成尾矿。铝土矿 浮选槽的结构及工作原理如图1 ．3 所示。 由上述介绍可知，在浮选过程中，浮选槽中不断产生的气泡会对浮选效果产 生重要影响。要想达到较好的浮选效果，首先要控制好各种浮选药剂的添加量， 因为它们决定了矿物颗粒表面的物理化学性质，进而影响其对泡沫的黏附性，从 而导致泡沫精矿品位的差异性；同时要控制好进气量，因为它决定了空气在气泡 中的弥散程度，弥散程度越高，气泡表面积越大，则越有利于气泡与有用矿物颗 粒的碰撞，溢流精矿品位较高，此时产生的气泡往往较小；对应地，弥散程度越 低，气泡表面积越小，则不利于气泡与有用矿物颗粒的充分碰撞，溢流精矿品位 万方数据 硕士学位论文 1 绪论 较低，此时产生的气泡往往较大。此外，还要合理设置浮选槽中矿浆液位及泡沫 层厚度，以使目的矿物颗粒有足够时间与气泡发生碰撞和黏附。由此可见，在浮 选过程中，气泡及泡沫层的产生及其矿化过程