[发明专利]一种锑浮选工况识别方法及系统

说明书

技术领域

本发明涉及泡沫浮选技术领域，具体涉及一种锑浮选工况识别方法及系统。

背景技术

锑常被称为金属或合金的硬化剂，在金属中加入比例不等的锑后，金属的硬度就会加大，可以用来制造军火，锑成为重要的战略金属。锑矿是属于不可再生资源，在国民经济中的地位重要，为充分利用有限的矿产资源，实现矿产资源的可持续发展，现代锑冶炼过程越来越重视矿物资源的分选水平以及选矿过程中的能耗与排放问题。为此，许多大型企业建立了矿物泡沫浮选生产线。

泡沫浮选是一种利用矿物表面物理化学性质的差异，使目标矿物与矿浆分离的选矿方法，相对其他选矿方法而言，浮选的分选效率较高、应用最为广泛。泡沫表观特征（如泡沫尺寸、颜色、纹理等）是生产工况的综合反映，浮选现场主要由经验丰富的操作人员通过肉眼观察泡沫表观状态进行工况判断，这种方法生产效率低、劳动强度大。此外，浮选操作及入矿条件的改变会引起泡沫特征的变化，而操作人员对泡沫的判断没有客观标准、主观随意性大，导致浮选过程难以处于优化运行状态，浮选效率低、工况不稳定、矿物资源浪费多，直接造成企业生产成本增加，严重影响企业在市场中的竞争力。因此，浮选工况的实时准确识别是优化浮选生产操作、保证浮选过程稳定高效运行的关键。

浮选工况的识别是一个十分复杂的多特征参数综合识别问题。目前文献对锑浮选工况识别的研究主要是在提取浮选泡沫图像的纹理特征、颜色特征等特征参数的基础上，利用神经网络或支持向量机等方法进行工况识别。然而，神经网络要求训练样本大，存在过学习、易陷入局部极小点和收敛速度慢等缺点；支持向量机的计算量大，难选择合适的核及当类别过近时准确率骤降等问题，在应用上仍存在一定困难。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供一种锑浮选工况识别方法，能够利用博弈论方法和物元可拓理论，从定性和定量两个方面对浮选工况进行识别。

（二）技术方案

为了达到以上目的，本发明通过以下技术方案予以实现：

一种锑浮选工况识别方法，该方法包括：

S1：对记录的锑浮选泡沫图像特征数据进行预处理；

S2：从泡沫图像特征处理后的数据中提取对工况变化敏感性高且相互间无相关性或弱相关性的关键泡沫特征；

S3：基于物元可拓理论，融合多种关键泡沫特征，通过关联函数建立待识别工况的关键泡沫特征与预设工况类别的关联度矩阵；

S4：采用博弈论方法，通过最优化理论将主观赋权法和客观赋权法进行综合，得到关键泡沫特征的综合权重；

S5：基于关联度矩阵和综合权重计算待识别工况关于预设工况类别的综合相关度，根据最大关联度原则确定待识别工况所属类别，并预测工况等级变化趋势。

其中，步骤S1具体包括：

S11：剔除缺少主要数据的空缺数据项；

S12：剔除超出每个参数变量区间的错误数据项；

S13：获取各泡沫特征数值后，对各数值进行无量纲化处理。

其中，步骤S2具体包括：

S21：从锑浮选泡沫图像采集系统中获取若干个泡沫特征；

S22：计算每次加药量改变之后工况进入稳定期间的泡沫图像特征变量均值σ和方差δ，并作为一个样本保存；

S23：同样方法采集若干个样本(σ_i,δ_i),i=1,2,…,n，n为泡沫特征的个数；

S24：计算样本集中均值σ_i的方差σ_k和方差δ_i的均值δ_v，并计算敏感性指数S，其中S=δ_v/σ_k；

S25：若某个泡沫特征的敏感性指数大于等于所设定的阈值，则判定该特征为工况敏感特征，则根据其从所有的泡沫特征中提取若干个工况敏感特征；

S26：利用主成分分析法对所述工况敏感特征进行相关性分析，得到若干个关键泡沫特征。

其中，步骤S3具体包括：

S31：确定关键泡沫特征的经典域；

S32：确定关键泡沫特征的节域；

S33：确定待识别的浮选工况；

S34：确定待识别工况的关键泡沫特征与浮选预设工况类别的关联度矩阵。

其中，步骤S4具体包括：

S41：利用熵权法确定客观权重；

S42：利用层次分析法确定主观权重；