共查询到10条相似文献,搜索用时 15 毫秒
1.
基于VC++6.0的浮选泡沫图像识别系统 总被引:3,自引:1,他引:3
浮选生产过程涉及许多变量以及存在严重的非线性,很难建立精确的数学模型,它的监控一直是困扰控制技术人员的难题。文中设计开发了一个用于选厂自动控制的浮选泡沫图像识别系统,并给出该系统VisualC 6.0的部分实现。利用该系统可以计算浮选泡沫图像的一些物理参数,通过这些物理参数以及浮选泡沫图像识别实验可以建立一定的数学模型,再通过这些数学模型可以精确预测浮选过程的工艺技术指标,从而为选厂过程的在线控制提供可靠数据依据。 相似文献
2.
浮选泡沫图像识别系统的设计与实现 总被引:2,自引:0,他引:2
设计开发了一个用于选厂自动控制的浮选泡沫图像识别系统,并给出该系统Visual C 的部分实现.利用该系统可以计算浮选泡沫图像的一些纹理参数,通过这些纹理参数以及图像识别实验建立一定的数学模型,利用这些数学模型可以精确预测浮选过程的工艺技术指标,从而为选厂过程的在线控制提供可靠数据依据. 相似文献
3.
刘小波 《计算技术与自动化》2012,31(3):138-141
结合云南省院省校合作项目浮选泡沫层测控系统开发及产业化研发过程,介绍一种基于数字图像处理及识别技术的浮选过程控制新思路。在浮选生产中,浮选泡沫表面纹理与浮选工况密切相关,直接反映泡沫层的矿化程度(品位高低)。通过对云南某铅锌矿选厂浮选泡沫图像的分析处理,提取出能够表示泡沫层特征的参数,达到间接测量气泡的大小、纹理、稳定性、流动性等泡沫层特征状况。采用邻域灰度相关矩阵法提取特征参数,然后用神经网络进行分类,给出浮选效果的分类判断。 相似文献
4.
《计算机测量与控制》2014,(4)
浮选过程有严重的非线性、强耦合性等问题,目前仍没有精确的数学模型描述浮选状态;通过研究赤铁矿阳离子反浮选控制工艺过程,提出利用图像处理技术提取泡沫图像纹理特征参数,采用粗糙集和LVQ神经网络理论建立控制药剂加入量的数学模型;经过现场应用与仿真对比,基于图像处理的控制模型可以满足浮选控制的要求,较好地解决了浮选过程的自动控制问题,为最终建立可以应用于企业生产的控制系统奠定了基础;采用粗糙集并基于LVQ神经网络理论建立药剂添加量控制模型,基于图像处理的控制模型识别准确度在正常状态下能达到83.3%的准确率,可以满足企业生产的要求。 相似文献
5.
基于预测模型的浮选过程pH值控制 总被引:2,自引:0,他引:2
矿浆pH值是泡沫浮选过程中的一个非常重要的被控量.目前,多数选厂的矿浆pH值控制基本是依靠现场工人定期对矿浆样本进行pH值测量,凭主观经验对pH调整剂进行调整.由于操作工人的主观性和随意性的影响以及矿浆样本pH值测量与药剂调整间存在的较长的时间滞后,矿浆pH值波动频繁,很难使矿物浮选保持在一个稳定最优生产状态下运行.为了使矿浆pH值保持在一个期望的生产状态,基于浮选泡沫表面视觉信息提出了一种新的矿浆pH值控制方法,分别采用基于泡沫视觉信息的自适应遗传混合神经网络AG-HNN和自适应遗传PID(AG-PID)控制方法建立了矿浆pH值预测模型和pH值控制模型,基于所建立预测和控制模型对浮选药剂用量进行调整,解决了浮选矿浆pH值波动问题.工业浮选现场的实验结果表明该方法可以使矿浆pH值保持在一个期望的范围内,有效提高浮选性能. 相似文献
6.
7.
基于机器视觉的矿物浮选过程监控技术研究进展 总被引:1,自引:0,他引:1
矿物浮选流程长、分布范围广、控制变量多、关键工艺参数无法在线检测,导致实时监控困难, 严重制约了浮选生产的优化运行及选矿自动化水平的提升.浮选泡沫表面视觉特征是浮选工况和工艺指标的直接指示器, 为此将机器视觉应用到矿物浮选过程的监控中, 以提高浮选过程的资源回收率. 本文结合矿物浮选泡沫图像特点,从浮选过程的泡沫图像关键特征提取及表征、关键工艺参数检测、工况识别以及基于机器视觉监控系统的实现等方面综述了浮选过程监控技术的研究成果,并 指出了基于机器视觉的选矿过程监控技术的发展趋势及面临的挑战. 相似文献
8.
9.