基于图像灰度特征的煤浆灰分在线软测量研究

The project intends to combine optics and iconography innovatively to extract the basic theory that explain the coal slurry apparent characteristics.It introduces the intelligent optimization algorithm, models the coal slurry ash constitutive relationship of image gray feature of coal slurry and forms the method for online soft sensor of coal slurry ash.The project mainly includes followings: mechanisms of the relationship between coal slurry apparent characteristics and optical properties, effects of the coal slurry characteristics and environmental factors of image capturing on image gray of coal slurry, image preprocessing,studys on the algorithm of extracting the image characteristics,online image capturing device and models of soft sensor of coal slurry ash.To sum up,it will optimize the soft sensor model parameters,develop the online coal slurry ash detecting equipment , implement the real-time, safe and accurate coal slurry ash detection in slime floatation and provide effective detecting ash device for slime floatation automation.

本项目拟将光学和图形图像学相结合，提炼出能解释煤浆表观特性的基础理论。引入智能优化算法，建立煤浆灰分与煤浆图像灰度特征之间的关系模型，形成煤浆灰分的在线软测量方法。项目研究以下内容：煤浆表观特性与其光学特性关系的机理研究；煤浆性质和图像采集的环境因素对煤浆图像的灰度影响；图像的预处理和图像特征的提取算法研究以及在线图像采集装置和煤浆灰分软测量模型的研究。结合上述研究结论，优化软测量模型的参数，开发煤浆灰分在线检测传感器，实现煤泥浮选过程中煤浆灰分的实时、安全、准确检测，为煤泥浮选过程自动化提供有效的煤浆灰分检测设备。

浮选产品灰分是浮选过程最重要的被控变量，选产品灰分在线检测分析仪器的发展已经成为制约浮选自动化进程的首要因素，针对浮选尾煤表观特性，结合机器学习的建模理论，开展了基于图像灰度特征的煤浆灰分软测量的研究。（1）搭建机器视觉试验平台并研究各因素对试验的影响规律。试验结果表明，光源照射方式，煤浆流动速度，光源强度，工业相机光圈大小以及图像采集位置等因素对图像特征值影响显著。（2）在确定的试验条件下用基础煤样进行配煤试验，研究浓度，灰分，矿物质组成对图像表观特性的影响规律，试验结果表明：尾煤图像灰度值随浓度及灰分的增大而增大，且不同矿物质组成的尾煤图像灰度值存在较大差异。（3）建立了基于平均灰度值和尾煤灰分之间的线性预测模型，该模型的预测误差都在7%以下。结合GA-SVMR建立了自变量为灰度均值、能量、偏度和煤浆浓度，尾煤灰分为因变量的4输入1输出的浮选尾矿灰分软测量模型，该模型的预测误差均在5%以下，相对于线性预测模型，其精度较高。(4)通过对LS、PSO-SVMR以及GA-SVMR三种建模方式得模型预测性能对比分析，可以得到：基于GA-SVMR选尾矿灰分预测模型较高，有80%样本的预测误相对在3%以内，可以为现场的煤泥浮选生产自动化控制过程提供这一种新型的检测方法，在此基础上构建了煤浆灰分在线监测系统。本项目关于煤浆灰分在线软测量的研究成果，为实现煤浆灰分的安全、低成本、高精度的在线检测提供了理论基础和科学方法。