浮选泡沫流速多因素动态耦合机理与逆向推理控制策略的研究

Bubble velocity is an important dynamic characteristics of the flotation foam, it plays a key role in concentrate yield and recovery rate.In view of the domestic and foreign research on the flotation foam velocity is relative lack, this topic proposed the method of regularity analysis and on-line process control for bubble velocity.By using of machine vision technology,the feature of moving speed of multiple forms of foam can be extracted.Combined with the data mining theory and feature extraction algorithm,can calculate the weight contribution to many factors affecting foam flow rate and can analysis the law of bubble velocity .Concentrate and recovery rate is the goal,by reasoning control strategy, establishing control model of flotation froth flow, to achieve optimal flotation froth flow control.Research has laid a theoretical foundation for the problems of application in the industrial production of flotation froth flow control, will promote the level of automation of flotation production increase, promote industrial application progress, efficient utilization of mineral resources in China have an important role.

泡沫流速作为浮选泡沫的重要动态特征，对精矿产率以和回收率均起着关键作用。针对国内外对浮选泡沫流速的研究相对欠缺，本课题提出了针对泡沫流速的多因素动态耦合机理分析以及在线过程调控的思路。利用机器视觉技术，对多形态泡沫的移动速度进行特征提取；结合数据挖掘理论中的主特征提取算法，对影响泡沫流速多因素的权值贡献率进行计算并分析泡沫流速的规律性；精矿产率和回收率为目标，实例推理为控制策略，建立浮选泡沫流速的控制模型，实现浮选泡沫流速的最优控制。课题为浮选泡沫流速控制在工业生产中应用的若干问题奠定了理论基础，将促进浮选生产自动化水平的提高，推动工业应用进度，对我国矿石资源的高效利用产生重要作用。

随着国内矿山资源越来越贫，矿石总成也越来越复杂，分选难度越来愈大，本项目针对矿物浮选生产中存在的问题，围绕“提高矿物浮选回收率”开展理论和试验研究。运用智能控制理论、数字图像处理以及云计算等前沿技术，探索研究了浮选泡沫特征与矿物分选间的规律；在调研国内外浮选泡沫图像处理研究和应用的基础上，研制出全新泡沫图像仪和图像处理工作站的硬件平台，并在此基础上研究开发出拥有独立知识产权的图像处理算法。同时提出了“空气回收率”这个先进理论，揭示了空气回收率与矿物回收率存在正相关这个重要选矿规律，矿物回收率得到了有效指示；最终成功搭建了基于空气回收率的浮选机优化控制模型。该模型融合了泡沫颜色纹理信息、自动遍历寻优数学方法和历史数据库深度挖掘等技术，最终实现浮选机操作变量的最优自动设定功能，最大化矿物回收率的目标，同时实现“浮选设备无人值守模式”，减少现场操作工人数，进而降低人工成本、增加企业效益。