【摘要】：隨著我國(guó)煤炭向貧、雜、細(xì)的方向發(fā)展以及市場(chǎng)對(duì)煤炭產(chǎn)品品質(zhì)的要求日益嚴(yán)格,浮選技術(shù)已經(jīng)成為選煤技術(shù)中不可或缺的一環(huán)。目前在浮選過(guò)程中,大多數(shù)選煤廠仍然依靠人工觀察浮選泡沫層的形態(tài)特征和浮選尾礦的顏色特征判別浮選效果的好壞。作為浮選過(guò)程的主要指標(biāo),產(chǎn)品灰分的在線監(jiān)測(cè)已經(jīng)成為制約浮選過(guò)程自動(dòng)化水平提高的瓶頸。機(jī)器視覺(jué)技術(shù)的發(fā)展為浮選過(guò)程變量的檢測(cè)提供一種新的思路。本文結(jié)合薛湖選煤廠浮選工藝的實(shí)際情況,對(duì)基于圖像灰度特征的尾礦灰分在線檢測(cè)問(wèn)題進(jìn)行了研究。為了獲得高質(zhì)量的樣品圖像,本文對(duì)圖像采集系統(tǒng)進(jìn)行了優(yōu)化,并且對(duì)系統(tǒng)的運(yùn)行條件進(jìn)行了研究。首先,采集系統(tǒng)選取可以滿足長(zhǎng)時(shí)間工作、光照穩(wěn)定、發(fā)熱少等需求的LED光源,并對(duì)比不同顏色光源條件下樣品圖像的特征參數(shù),發(fā)現(xiàn)白色光源條件下的樣品圖像識(shí)別度最高,最終選取白色的LED光源作為系統(tǒng)的光源;其次,對(duì)比四種不同的照明和觀察幾何條件,結(jié)合圖像質(zhì)量的要求和圖像采集系統(tǒng)的實(shí)際情況,本文最終選取了光照均勻、無(wú)大亮斑、圖像無(wú)變形、成本低的對(duì)稱光源照明和觀察條件;此外對(duì)系統(tǒng)性能進(jìn)行了探索,發(fā)現(xiàn)光源在初次開啟后光照強(qiáng)度會(huì)出現(xiàn)衰減,大約在50分鐘左右進(jìn)入穩(wěn)定狀態(tài),為了防止樣品在圖像采集過(guò)程中發(fā)生沉淀,在系統(tǒng)中添加了磁力攪拌器,通過(guò)試驗(yàn)發(fā)現(xiàn)其轉(zhuǎn)速為800r/min左右時(shí)既能保證樣品不發(fā)生沉淀,同時(shí)又能保證樣圖像品的像素異常率在2.5%以內(nèi)。為了保證圖像灰度特征值的代表性,本文對(duì)圖像灰度特征值的提取方法進(jìn)行了優(yōu)化,首先選取圖像形狀特征中的最大亮斑面積作為圖像是否合格的評(píng)判標(biāo)準(zhǔn),將最大亮斑面積大于1000個(gè)像素點(diǎn)的圖像直接刪除,不參與后續(xù)圖像特征值的提取,其次為了消除圖像中的噪聲,選取中值濾波的方式對(duì)圖像進(jìn)行預(yù)處理,從而保證圖像灰度特征的代表性;同時(shí),探索了浮選尾礦的物理特性對(duì)樣品圖像的影響。本文通過(guò)單因素試驗(yàn)和正交試驗(yàn)的方式分別探討了不同灰分、不同濃度和不同粒度條件下樣品圖像特征的變化規(guī)律,通過(guò)單因素試驗(yàn)結(jié)果發(fā)現(xiàn)當(dāng)樣品的灰分發(fā)生變化時(shí),樣品圖像的灰度均值也會(huì)有同樣的變化趨勢(shì),說(shuō)明根據(jù)圖像的灰度均值預(yù)測(cè)浮選尾礦灰分的方法是可行的;另外,樣品的濃度和粒度對(duì)樣品圖像的灰度均值也有一定的影響。為了量化濃度和粒度對(duì)圖像特征的影響,提取亮斑平均面積和亮斑數(shù)目作為樣品濃度和粒度替代變量,然后通過(guò)正交試驗(yàn)的方差分析得到樣品物理特性對(duì)圖像灰度均值的影響大小是:灰分粒度濃度,最后將圖像灰度特征中的灰度均值、方差、偏度、平衡度、能量、熵、亮斑平均面積和亮斑數(shù)目等8個(gè)圖像的特征值作為軟測(cè)量模型的輸入。為了保證模型的精度和運(yùn)算時(shí)間,對(duì)8個(gè)圖像灰度特征值進(jìn)行PCA分析,結(jié)果表明輸入變量的前三個(gè)主元的累計(jì)貢獻(xiàn)率超過(guò)95%,故選取前三個(gè)主元作為浮選尾礦灰分預(yù)測(cè)模型的輸入。利用試驗(yàn)得到的214組試驗(yàn)數(shù)據(jù)分別建立了浮選尾礦灰分預(yù)測(cè)的SVMR模型和GA-SVMR模型,誤差分析表明:兩個(gè)模型的相對(duì)誤差在15%以內(nèi),且GA-SVMR的預(yù)測(cè)穩(wěn)定性強(qiáng)于SVMR獲得的預(yù)測(cè)模型。最后,對(duì)浮選尾礦灰分在線預(yù)測(cè)平臺(tái)進(jìn)行了概念設(shè)計(jì),主要包括尾礦樣品采集裝置的選型、采集裝置控制方案的設(shè)計(jì)、圖像自動(dòng)采集功能的設(shè)計(jì)和圖像自動(dòng)處理功能的設(shè)計(jì),對(duì)浮選尾礦灰分的在線測(cè)量裝置在工業(yè)現(xiàn)場(chǎng)的應(yīng)用有一定的促進(jìn)作用。本文設(shè)計(jì)的圖像采集系統(tǒng)與提出的基于圖像灰度特征的浮選尾礦灰分軟測(cè)量方法在實(shí)驗(yàn)室試驗(yàn)中取得了較好的效果,證明了利用圖像的灰度特征檢測(cè)浮選尾礦灰分的可行性,且檢測(cè)的相對(duì)誤差在15%以內(nèi),可為自動(dòng)控制系統(tǒng)提供反饋信號(hào),利于促進(jìn)浮選工藝自動(dòng)化的發(fā)展。
[Abstract]:......
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TD926.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

2 李小勝;陳珍珍;;如何正確應(yīng)用SPSS軟件做主成分分析[J];統(tǒng)計(jì)研究;2010年08期

3 劉志平;;檢測(cè)儀表中粗大誤差的剔除分析[J];電子測(cè)量技術(shù);2009年11期

4 張潔;鈕王杰;;基于Phong光照模型的凹凸紋理模擬[J];機(jī)床與液壓;2009年08期

5 陳希鎮(zhèn);曹慧珍;;判別分析和SPSS的使用[J];科學(xué)技術(shù)與工程;2008年13期

6 肖建;于龍;白裔峰;;支持向量回歸中核函數(shù)和超參數(shù)選擇方法綜述[J];西南交通大學(xué)學(xué)報(bào);2008年03期

7 俞金壽;;軟測(cè)量技術(shù)及其應(yīng)用[J];自動(dòng)化儀表;2008年01期

8 吳占福;馬旭平;李亞奎;;統(tǒng)計(jì)分析軟件SPSS介紹[J];河北北方學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年06期

9 黃鳳良;軟測(cè)量思想與軟測(cè)量技術(shù)[J];計(jì)量學(xué)報(bào);2004年03期

10 鄭軍,徐春廣,肖定國(guó),理華,黃卉;數(shù)字圖像中照度不均勻校正技術(shù)研究[J];北京理工大學(xué)學(xué)報(bào);2003年03期

，

本文編號(hào)：2390981