[发明专利]一种基于纹理单元分布的硫浮选过程故障检测方法

权利要求书

1.一种基于纹理单元分布的硫浮选过程故障检测方法，其特征在于包含以下步骤：

第一步，根据正常工况下硫浮选泡沫图像构建的图像库，基于纹理单元提取纹理特征，设计非参数核密度估计算子逼近泡沫实际纹理单元分布得到动态权系数，采用主元分析的方法建立基于动态权系数的主元模型，最后根据基于主元模型的T²统计量得到故障检测阈值，具体包括：

步骤1：基于纹理单元提取泡沫纹理特征；

                                                 是个33邻域，该邻域的灰度值依次记为，其中为区域中心像素的灰度值，纹理单元值的计算为： 

    

其中，，，为依据硫浮选工况确定的常数；

步骤2：根据计算的纹理单元值，设计非参数核密度估计算子逼近实际的纹理单元分布，得到描述纹理特征的动态权系数；

根据函数逼近原则，用下述设计的非参数核密度估计算子来逼近实际纹理单元分布：

                      

式中为硫浮选泡沫纹理单元分布函数，为纹理单元值，是控制输入，即硫浮选过程中的液位调节值，为第i个核函数的权系数， 是第i个核函数，是第i个核函数的x轴中点，是核函数的窗宽； 

步骤3：采用主元分析的方法建立基于动态权系数的主元模型，根据经验法确定主元个数；

设模型输入为动态权系数向量，为维矩阵，为数据样本数，为输入变量个数，为了避免变量不同量纲对结果的影响和便于数学上的处理，先对建模数据进行归一化处理，记归一化后的输入变量为 ，对进行主元分析，采用经验法确定主元个数，可分解为：

    

式中为主元负荷矩阵，为主元得分矩阵，为残差矩阵，为主元个数；

步骤4：根据T²统计量表征主元模型内部变化的一种测度的特点，计算基于主元模型的T²统计量；

为了检测硫浮选过程的波动，采用基于主元模型的T²统计量的故障检测方法，对于第个样本动态权系数，T²统计量被定义为：

                       

其中为数据样本数，是矩阵中的第行，由构成主元模型的个主元的得分向量所组成，是由与前个主元所对应的特征值所组成的对角均值；

步骤5：基于F分布得到T²统计量的控制限，以该控制限作为硫浮选过程故障检测阈值；

T²统计量的控制限的计算：

                                       

其中是数据样本个数，是所保留的主元个数，是检验水平，是对应于检验水平为，自由度为，条件下的F分布的临界值；使T²统计量的控制限作为故障检测阈值；

第二步，根据正常泡沫图像库建立的主元模型得到的故障检测阈值与实时泡沫图像的T²统计量值的比较，判断硫浮选过程状态；

步骤1：应用第一步中前4个步骤计算实时泡沫图像的T²统计量；

步骤2：根据当前T²统计量值与阈值的比较检测硫浮选过程故障；

如果，则可以判定硫浮选过程只是发生较小的波动；如果，则报警提示硫浮选过程发生故障。

2.根据权利要求1所述的基于纹理单元分布的硫浮选过程故障检测方法，其特征在于：第一步步骤2中，根据硫浮选泡沫的纹理分布特点，在逼近曲线时选用了25个核函数，核函数以Gaussian核函数为原型，构建符合硫浮选过程系统的核函数：

   。