有色金屬是國民經(jīng)濟和國防軍工的重要原料和戰(zhàn)略物資。近年來,我國有色金屬工業(yè)取得突飛猛進的發(fā)展,但仍面臨著綠色、高效和智能化發(fā)展的挑戰(zhàn)。有色金屬生產(chǎn)工況復(fù)雜、原料多變,資源、能源、環(huán)保的要求日益嚴(yán)格,需要通過靈敏感知、精細操作、智能分析和敏捷決策來處理這些復(fù)雜變化和嚴(yán)苛要求。人工智能的飛速發(fā)展為有色金屬生產(chǎn)過程的轉(zhuǎn)型升級提供了核心驅(qū)動力。本文從有色金屬工業(yè)的發(fā)展及面臨的挑戰(zhàn)、人工智能技術(shù)助力有色金屬生產(chǎn)轉(zhuǎn)型升級案例以及有色金屬工業(yè)轉(zhuǎn)型升級對人工智能的挑戰(zhàn)三個方面闡述人工智能助力有色金屬生產(chǎn)過程綠色高效智能化發(fā)展的主要內(nèi)涵。 

【文章來源】：中國工程科學(xué). 2018,20(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

基于人工的泡沫特征分析與操作

現(xiàn)了根據(jù)泡沫圖像自動識別、分析和控制工況的智能化操作，穩(wěn)定了精礦品位，有效提升了選礦過程有價金屬回收率，取得了很好的社會和經(jīng)濟效益。（二）冶煉企業(yè)原料采購決策知識自動化在現(xiàn)代有色金屬工業(yè)企業(yè)中，許多體力勞動已逐漸被機器所替代，企業(yè)的管理和控制主要依靠知識型工作者來完成，其核心是知識型工作。隨著企泡沫特征提取礦漿區(qū)回收率一階動力學(xué)模型泡沫區(qū)回收率流體動力學(xué)模型信息熵集成數(shù)據(jù)模型尺寸、速度承載率過程參數(shù)顏色、尺寸、速度承載率、穩(wěn)定度機理模型金屬品位圖3浮選過程金屬品位智能預(yù)測建模圖4浮選全流程智能協(xié)調(diào)優(yōu)化控制框架全局協(xié)調(diào)優(yōu)化層優(yōu)化控制層優(yōu)化控制層優(yōu)化控制層控制器品位預(yù)測控制器控制器掃選粗選精選品位預(yù)測品位預(yù)測入礦條件泡沫礦漿泡沫泡沫礦漿

【參考文獻】：
期刊論文
[1]基于圖像特征的銻浮選礦漿pH值預(yù)測控制[J]. 王曉麗,曾子驕,黃蕾,謝永芳,陽春華.  控制與決策. 2016(11)
[2]知識自動化及工業(yè)應(yīng)用[J]. 桂衛(wèi)華,陳曉方,陽春華,謝永芳.  中國科學(xué):信息科學(xué). 2016(08)
[3]智能制造——“中國制造2025”的主攻方向[J]. 周濟.  中國機械工程. 2015(17)
[4]基于泡沫尺寸PDF模型的銅粗選過程加藥量預(yù)測控制[J]. 唐朝暉,王偉,劉金平,桂衛(wèi)華,陽春華.  中南大學(xué)學(xué)報(自然科學(xué)版). 2015(03)
[5]天命唯新:邁向知識自動化——《自動化學(xué)報》創(chuàng)刊50周年�？騕J]. 王飛躍.  自動化學(xué)報. 2013(11)
[6]基于機器視覺的礦物浮選過程監(jiān)控技術(shù)研究進展[J]. 桂衛(wèi)華,陽春華,徐德剛,盧明,謝永芳.  自動化學(xué)報. 2013(11)
[7]基于泡沫圖像特征加權(quán)SVM的浮選工況識別[J]. 任會峰,陽春華,周璇,桂衛(wèi)華,鄢鋒.  浙江大學(xué)學(xué)報(工學(xué)版). 2011(12)
[8]基于圖像特征提取的浮選關(guān)鍵參數(shù)智能預(yù)測算法[J]. 周開軍,陽春華,牟學(xué)民,桂衛(wèi)華.  控制與決策. 2009(09)
[9]智能集成有色冶煉企業(yè)原料采購量價預(yù)警系統(tǒng)研究[J]. 桂衛(wèi)華,黃泰松,朱爽,吳敏.  小型微型計算機系統(tǒng). 2002(11)
[10]一種改進遺傳算法及其在企業(yè)原料采購優(yōu)化中的應(yīng)用[J]. 桂衛(wèi)華,黃泰松,陽春華.  礦冶工程. 2001(03)

碩士論文
[1]基于多槽機器視覺的鋁土礦浮選精礦品位預(yù)測方法研究[D]. 魏利君.中南大學(xué) 2014
[2]基于泡沫圖像特征的鋁土礦粗選礦漿濃度預(yù)測模型[D]. 黃三思.中南大學(xué) 2013



本文編號：3092666