【摘要】：面向選礦生產(chǎn)系統(tǒng)的優(yōu)化和智能升級,為進一步保證產(chǎn)品的質(zhì)量和產(chǎn)量,針對磨礦過程中操作人員行為因素的評定和量化問題,提出一種基于腦電信號(EEG)特征的實時分析方法.首先采用小波分解的方法提取大腦不同腦區(qū)的δ,θ,α和β波節(jié)律.然后通過小波各尺度的能量序列、分布計算不同腦區(qū)EEG的小波熵,根據(jù)小波熵的熵值比較確定待分析的腦區(qū).根據(jù)小波時頻分析的結(jié)果確定譜特征(α+β)/(δ+θ+α+β),最后采用B樣條擬合及滑動窗,進行實時評定.結(jié)果表明,提出的量化指標可以在一定程度上反映操作輸出的粒度曲線的變化趨勢,能夠較為客觀地評定操作人員的行為因素.
[Abstract]:For the optimization and intelligent upgrading of mineral dressing production system, in order to further guarantee the quality and output of products, aiming at the evaluation and quantification of operator behavior factors in grinding process, A real-time analysis method based on (EEG) features of EEG signals is proposed. Firstly, the 未, 胃, 偽 and 尾 wave rhythms in different brain regions of the brain are extracted by wavelet decomposition. Then, the wavelet entropy of EEG in different brain regions is calculated by the energy series of wavelet scales, and the brain regions to be analyzed are determined by comparing the entropy values of wavelet entropy. The spectral characteristics (偽 尾) / (未 胃 偽 尾) are determined according to the results of wavelet time-frequency analysis. Finally, B-spline fitting and sliding window are used for real-time evaluation. The results show that the proposed quantitative index can reflect the changing trend of the granularity curve of the operation output to a certain extent and can objectively evaluate the operator's behavior factors.
【作者單位】： 東北大學機械工程與自動化學院;東北大學流程工業(yè)綜合自動化國家重點實驗室;曼徹斯特大學自動化中心;
【基金】：遼寧省創(chuàng)新團隊資助項目(LT2014006) 流程工業(yè)綜合自動化國家重點實驗室開放課題(PAL-N201304)
【分類號】：TD921.4

【相似文獻】

相關(guān)期刊論文 前10條

1 王麗;;磨礦過程的穩(wěn)態(tài)優(yōu)化[J];沈陽化工學院學報;2009年01期

2 武俊杰;戴惠新;;淺析磨礦過程的影響因素[J];云南冶金;2009年06期

3 肖慶飛;段希祥;;磨礦過程中應(yīng)注意的問題分析及對策研討[J];礦產(chǎn)綜合利用;2006年04期

4 趙智明;階躍試驗信號建立磨礦過程動態(tài)模型的研究[J];有色金屬(選礦部分);1997年05期

5 馬翼;;梅山選礦廠磨礦過程控制研究與應(yīng)用[J];礦業(yè)快報;2008年11期

6 陳寧寧;蔡昌友;;磨礦過程控制仿真實驗平臺的研究[J];價值工程;2010年20期

7 劉建書,鄒建華,萬百五,萬維漢,王銳;基于神經(jīng)網(wǎng)絡(luò)質(zhì)量模型的磨礦過程智能控制[J];有色金屬;2004年01期

8 劉曉青;劉琪;;基于案例推理的磨礦過程粒度設(shè)定方法研究[J];礦山機械;2011年02期

9 陳俊文;大型選礦廠磨礦過程控制系統(tǒng)設(shè)計[J];基礎(chǔ)自動化;1999年02期

10 于江海;黃宋魏;劉志紅;;Fuzzy-PID復(fù)合控制在磨礦過程上的應(yīng)用研究[J];云南冶金;2008年02期

相關(guān)會議論文 前3條

1 趙大勇;岳恒;周平;柴天佑;;基于智能優(yōu)化控制的磨礦過程綜合自動化系統(tǒng)[A];第16屆中國過程控制學術(shù)年會暨第4屆全國故障診斷與安全性學術(shù)會議論文集[C];2005年

2 劉建書;萬維漢;王銳;;基于神經(jīng)網(wǎng)絡(luò)質(zhì)量模型的磨礦過程智能控制[A];首屆全國有色金屬自動化技術(shù)與應(yīng)用學術(shù)年會論文集[C];2003年

3 趙大勇;丁進良;周平;柴天佑;;磨礦過程智能運行優(yōu)化控制[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

相關(guān)碩士學位論文 前10條

1 左良軍;基于METSIM軟件的磨礦過程控制仿真系統(tǒng)的設(shè)計與開發(fā)[D];東北大學;2013年

2 李海新;磨礦過程的穩(wěn)態(tài)檢測與優(yōu)化[D];東北大學;2009年

3 劉斌;帶區(qū)間約束的磨礦過程非線性狀態(tài)估計研究[D];中南大學;2013年

4 王清;磨礦過程溢流粒度軟測量研究[D];東北大學;2009年

5 董q，

本文編號：2383380