【摘要】：鈦資源是國家重要的戰(zhàn)略資源,從釩鈦磁鐵礦選鐵尾礦中,高效的提取鈦精礦,提高鈦精礦的回收率,降低勞動強度,優(yōu)化作業(yè)環(huán)境,采用自動控制系統(tǒng)來進行鈦精礦浮選控制是必由之路。鈦精礦泡沫圖像識別系統(tǒng),是實現(xiàn)鈦精礦浮選全過程自動控制的基礎。通過圖像識別系統(tǒng)提供的控制參數(shù),浮選自動控制系統(tǒng)可以根據(jù)泡沫情況,動態(tài)調(diào)節(jié)相關參數(shù),并隨著模型的不斷優(yōu)化,實現(xiàn)穩(wěn)定、高效的生產(chǎn)。本文根據(jù)其他礦物的浮選操作過程,結(jié)合鈦精礦的浮選過程特點,設計了一套適合鈦精礦浮選的泡沫圖像識別系統(tǒng)。系統(tǒng)通過圖像采集設備,將泡沫圖像傳遞至服務器,經(jīng)過圖像模糊判定及圖像預處理,使得圖像更有利于特征信息提取。通過模擬現(xiàn)場工程師判斷質(zhì)量的標準,選擇了圖像HSI顏色空間組合顏色特征、泡沫大小和個數(shù)、泡沫移動速度和泡沫Tamura紋理特征等重要特征參數(shù),這些特征很好的反映了泡沫的質(zhì)量及缺陷類型。根據(jù)提取的泡沫特征參數(shù)和獲取的現(xiàn)場輸入?yún)?shù),結(jié)合專家經(jīng)驗和后期檢驗結(jié)果,建立了樣本數(shù)據(jù)庫。由于樣本數(shù)據(jù)的數(shù)量偏少,結(jié)合樣本和分類算法特點,本文試驗了兩種主流分類算法,最終選擇了基于SVM的機器學習算法,并根據(jù)算法建立了專家系統(tǒng),來實時判斷泡沫的質(zhì)量。并以此為基礎,開發(fā)了泡沫圖像識別系統(tǒng),將采集的實時圖像數(shù)據(jù),通過專家系統(tǒng)判斷后,進行質(zhì)量預測和反饋,提出報警信息或者操作建議,以及輸出調(diào)整控制參數(shù),還提供了實時趨勢圖和歷史數(shù)據(jù)查詢等功能。該系統(tǒng)在攀鋼礦業(yè)集團新白馬礦業(yè)有限公司浮選車間精選2#槽進行了部署和試驗,將采集的圖像通過網(wǎng)絡傳遞至控制室,運用泡沫圖像識別系統(tǒng)進行質(zhì)量判斷,目前已接近了人工正常判斷水平,基本實現(xiàn)了浮選過程的操作指導和控制參數(shù)的輸出。接下來還將進行系統(tǒng)的預測水平的提高和系統(tǒng)穩(wěn)定性提升,然后將系統(tǒng)應用擴展到所有浮選槽。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TD923;TD952
【圖文】：

大連理工大學專業(yè)學位碩士學位論文浮選泡沫圖像識別系統(tǒng)和浮選自動控制系統(tǒng)，在較長一段時間運行后，累積了大量質(zhì)量較好的數(shù)據(jù)及其相關的參數(shù)值，可以根據(jù)這些數(shù)據(jù)找到優(yōu)化浮選過程的參數(shù)組合，就可以實現(xiàn)穩(wěn)定、連續(xù)、高效的生產(chǎn)，提高鈦精礦的回收率，同時降低了勞動強度。

主要工作流程圖

【參考文獻】

相關期刊論文 前10條

1 王慶凱;高嵩;萬洪濤;趙友;;泡沫圖像分析儀在浮選控制中的應用[J];中國礦業(yè);2015年S2期

2 謝沛宏;徐守坤;盧兆林;周長春;;基于機器視覺的煤泥浮選泡沫圖像分割方法[J];潔凈煤技術;2015年04期

3 侯云飛;蘇瑜;;基于VC++的礦物浮選泡沫圖像處理系統(tǒng)軟件的設計與實現(xiàn)[J];數(shù)字技術與應用;2015年07期

4 劉國蓉;劉之能;孟瑋;方昊;;大型浮選機的過程檢測和控制技術進展[J];現(xiàn)代礦業(yè);2015年03期

5 秦曉慧;戴蓉;;基于圖像處理的浮選過程藥劑量控制模型[J];計算機測量與控制;2014年04期

6 寧婭娟;;攀枝花白馬鐵尾礦選鈦工藝研究[J];金屬礦山;2013年12期

7 王雅琳;張潤欽;謝永芳;桂衛(wèi)華;;基于向量空間模型的浮選泡沫圖像分類方法研究[J];高技術通訊;2013年09期

8 景軍鋒;張緩緩;李鵬飛;王靜;;LBP和Tamura紋理特征方法融合的織物疵點分類算法[J];計算機工程與應用;2012年23期

9 梁棟華;;BFIPS-Ⅱ泡沫圖像分析儀軟件系統(tǒng)的設計與實現(xiàn)[J];礦冶;2011年04期

10 牟學民;劉金平;桂衛(wèi)華;唐朝暉;李建奇;;基于SIFT特征配準的浮選泡沫移動速度提取與分析[J];信息與控制;2011年04期

相關博士學位論文 前1條

1 孫韶言;基于深度學習表征的圖像檢索技術[D];中國科學技術大學;2017年

相關碩士學位論文 前6條

1 馮潔;基于浮選泡沫圖像特征提取方法的研究及應用[D];電子科技大學;2017年

2 尹遜越;鉛鋅浮選視頻圖像采集及其圖像質(zhì)量在線評價[D];福州大學;2015年

3 寧哲;基于圖像處理的浮選泡沫特征分析與應用[D];西安建筑科技大學;2014年

4 高錦;基于SVM的圖像分類[D];西北大學;2010年

5 歐文軍;基于泡沫圖像的浮選過程監(jiān)控系統(tǒng)研究與實現(xiàn)[D];中南大學;2010年

6 林威;基于數(shù)字圖像識別的PLC智能程控加藥系統(tǒng)研究[D];中南大學;2008年

本文編號：2735448