[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

说明书

技术领域

本发明属于图像处理技术和概率统计等领域，具体为一种基于纹理单元分布的硫浮选过程故障检测方法。

背景技术

浮选过程是矿物加工中最广泛应用的选矿方法，通常在矿浆中加入浮选药剂提高矿物表面湿润性差异，使得疏水性强的有用目的矿物从无用脉石中分离出来，达到提高原矿品位的目的。硫化矿物表面湿润性很小，疏水性强，硫浮选中无需添加任何药剂，通过调节液位和空气鼓入量得到较高品位的硫精矿。

硫精矿品位的高低取决于硫浮选过程工况优劣，硫浮选过程故障的检测直接影响到硫精矿品位。因此，研发一种有效的故障检测方法对于提高硫浮选生产质量具有重要的意义。

目前，硫浮选过程采用人工定点观察浮选泡沫的方法来判断故障工况，人工经验操作不合理，不能及时调整故障工况，易导致硫精矿品位低。因此，针对硫浮选过程特点，研究基于机器视觉的故障检测方法，采用一种基于纹理单元分布的方法对硫浮选故障进行检测，为操作人员提供简单直观的故障检测手段，对于稳定硫浮选工况，提高硫精矿品位，实现硫浮选过程的优化控制有重要的意义。

发明内容

本发明的目的在于解决硫浮选过程故障的检测问题，提出了一种基于纹理单元分布的硫浮选过程故障检测方法。本发明的主要内容如下：

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，包括以下步骤：

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。

步骤1：基于纹理单元（TU）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：

    

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PCA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；