[发明专利]一种选矿摇床智能控制方法

说明书

本发明公开了一种选矿摇床智能控制方法，首先通过图像处理算法得到选矿摇床不同品位矿带的界区；建立BP神经网络，将精矿带面积和颜色差异因子作为BP神经网络的输入，精矿厚度作为输出，经过样本集训练后，得到精矿带厚度软测量模型；根据所得到的矿带的界区来确定接矿板位置、摇床坡度和冲洗水量的调控优先级；再建立选矿摇床接矿板位置的模糊控制器，该控制器的输入变量为精矿带厚度偏差和偏差变化率，输出为接矿板的偏移比例，实现对接矿板位置的自动调节。利用上述方法可实现摇床设备无人值守模式，减少现场操作工人数，进而降低人工成本、增加企业效益。

技术领域

本发明涉及选矿设备技术领域，尤其涉及一种选矿摇床智能控制方法。

背景技术

摇床是重选工艺的关键设备，针对锡矿、钨矿、铌坦矿等一次选别就可以得到最终的精矿，目前摇床选矿工艺和装备技术已经基本成熟，但其自动化和智能化水平仍极为落后。入选工艺条件不稳定、岗位工操作水平参差不齐、部分岗位工责任意识不足等因素，造成了摇床精矿品位和矿物回收率波动较大。

现有技术针对摇床控制方面的研究仍相对较少，主要原因有以下几点：(1)摇床属于重选设备，采用重选工艺的选厂相对较少，所以其发展水平在二三十年内并未有突破性进展；(2)摇床调节变量较多，并且需要很强的操作经验，控制模型搭建十分困难；(3)摇床选矿效果从矿带图像特征可以反映出来，但是由人眼观察到的图像信息如何通过计算机进行量化属于一个难题。

发明内容

本发明的目的是提供一种选矿摇床智能控制方法，利用该方法可实现摇床设备无人值守模式，减少现场操作工人数，进而降低人工成本、增加企业效益。

本发明的目的是通过以下技术方案实现的：

一种选矿摇床智能控制方法，包括：

步骤1、通过图像处理算法得到选矿摇床不同品位矿带的界区；

步骤2、建立BP神经网络，将精矿带面积和颜色差异因子作为BP神经网络的输入，精矿厚度作为输出，经过样本集训练后，得到精矿带厚度软测量模型；

步骤3、根据所得到的矿带的界区来确定接矿板位置、摇床坡度和冲洗水量的调控优先级；

步骤4、再建立选矿摇床接矿板位置的模糊控制器，该控制器的输入变量为精矿带厚度偏差和偏差变化率，输出为接矿板的偏移比例(即次精矿带占比)，实现对接矿板位置的自动调节。

所述步骤1的过程具体为：

首先通过计算选矿摇床目标区域的积分灰度曲线二阶微分最大值，提取选矿摇床矿带底部分界点；

然后采用下采样的积分曲线边界查找算法、最小二乘法的边界拟合和一阶导曲线的波谷查找法，提取出选矿摇床不同品位矿带的左右边界点；

再根据所提取出的边界点采用最小二乘法拟合出边界直线；

进一步在左右边界点之间查找精矿带和非精矿带分界点。

在所述步骤2中，

所建立的BP神经网络的输入层有2个神经元，输出层有1个神经元，隐层的个数为7；

通过该BP神经网络，将精矿带预测厚度与真实厚度的误差进行逆向传播，并在误差传播过程中不断进行调整，直到BP神经网络的精矿带预测厚度输出值与实际样本输出值之间的误差小于预设值时停止训练；

再将要预测的新信息输入训练好的网络，得到选矿摇床精矿带厚度的预测值。

在步骤3中，

首先根据所得到的矿带的界区确定次精矿带宽度w的正常范围为[m，n]；

当实际宽度值w＞n时，调节摇床坡度；