基于分布機(jī)器視覺(jué)的鋁土礦選礦過(guò)程協(xié)調(diào)優(yōu)化方法研究項(xiàng)目摘要

我國(guó)自主創(chuàng)新的選礦-拜耳法氧化鋁生產(chǎn)新工藝為我國(guó)鋁工業(yè)的可持續(xù)發(fā)展開(kāi)辟了新途徑，但鋁土礦選礦過(guò)程流程長(zhǎng)、過(guò)程變量及作業(yè)間耦合關(guān)系復(fù)雜且存在不確定性使過(guò)程建模和優(yōu)化控制困難，主要通過(guò)人工判斷泡沫狀態(tài)憑經(jīng)驗(yàn)控制，工況波動(dòng)大、資源利用率低。為此，本項(xiàng)目在鋁土礦選礦流程中多點(diǎn)布置機(jī)器視覺(jué)，研究機(jī)器視覺(jué)敏感特征分布提取方法和基于分布機(jī)器視覺(jué)圖像序列敏感特征重構(gòu)的級(jí)聯(lián)作業(yè)關(guān)聯(lián)建模，揭示級(jí)聯(lián)作業(yè)間的內(nèi)在關(guān)聯(lián)關(guān)系；建立基于機(jī)器視覺(jué)敏感特征分布變化趨勢(shì)融合的過(guò)程指標(biāo)預(yù)測(cè)模型；基于過(guò)程模型，研究面向復(fù)雜礦源的浮選過(guò)程總目標(biāo)主從分解-協(xié)調(diào)方法和全流程多操作變量主從協(xié)調(diào)優(yōu)化設(shè)定方法；將所提方法應(yīng)用于鋁土礦選礦過(guò)程驗(yàn)證其有效性，形成選礦過(guò)程主從協(xié)調(diào)優(yōu)化理論和方法。本項(xiàng)目對(duì)提高鋁土礦選礦產(chǎn)品質(zhì)量和節(jié)能降耗具有重要意義，并為高效選礦奠定理論和方法基礎(chǔ)，具有重要的工業(yè)應(yīng)用價(jià)值和科學(xué)價(jià)值。

鋁土礦浮選過(guò)程是我國(guó)自主開(kāi)發(fā)的礦物加工工藝技術(shù)，對(duì)我國(guó)低品位鋁土礦資源的有效利用和節(jié)約能耗具有重要意義。但因?yàn)楦∵x過(guò)程流程長(zhǎng)、影響關(guān)系復(fù)雜且不確定性強(qiáng)，造成建模和優(yōu)化控制困難，使實(shí)際生產(chǎn)過(guò)程中采用人工看泡沫狀態(tài)進(jìn)行操作，工作強(qiáng)度大且難以?xún)?yōu)化運(yùn)行。本項(xiàng)目針對(duì)此問(wèn)題研究基于分布機(jī)器視覺(jué)的鋁土礦浮選過(guò)程協(xié)調(diào)優(yōu)化問(wèn)題。首先，針對(duì)物料流無(wú)法標(biāo)記跟蹤造成同一組物料參數(shù)不匹配的問(wèn)題，提出一種基于時(shí)效關(guān)聯(lián)分析的分布參數(shù)時(shí)間配準(zhǔn)方法，實(shí)現(xiàn)分布機(jī)器視覺(jué)數(shù)據(jù)的時(shí)空配準(zhǔn)，為建模和優(yōu)化提供了數(shù)據(jù)基礎(chǔ)；提出基于概率密度分布（PDF）的圖像序列泡沫大小特征重構(gòu)方法和基于趨勢(shì)分割點(diǎn)的泡沫敏感特征序列變化趨勢(shì)提取方法，建立了基于重構(gòu)敏感特征趨勢(shì)的精選與粗選泡沫表面特征關(guān)聯(lián)模型，反映了不同浮選作業(yè)間的關(guān)聯(lián)關(guān)系；針對(duì)指標(biāo)影響因素過(guò)多且耦合嚴(yán)重，提出了基于敏感特征變化趨勢(shì)和入礦參數(shù)等多信息融合的浮選精礦品位集成預(yù)測(cè)方法，和基于現(xiàn)象學(xué)與統(tǒng)計(jì)學(xué)習(xí)的入選礦漿粒度預(yù)測(cè)混合建模方法，充分利用了不同類(lèi)型信息的特點(diǎn)分別建模再集成，實(shí)現(xiàn)了指標(biāo)和關(guān)鍵參數(shù)的準(zhǔn)確預(yù)測(cè)；在所建預(yù)測(cè)模型的基礎(chǔ)上，提出了基于泡沫尺寸分布PDF最優(yōu)的粗選加藥量?jī)?yōu)化控制策略和基于泡沫敏感特征的pH值預(yù)測(cè)控制策略；綜合利用分布機(jī)器視覺(jué)重構(gòu)的敏感特征和入礦參數(shù)等信息，提出了基于置信規(guī)則和指標(biāo)分解協(xié)調(diào)的粗選掃選和精選加藥量主從協(xié)調(diào)優(yōu)化方法，對(duì)不同作業(yè)加藥量和不同藥劑種類(lèi)進(jìn)行協(xié)調(diào)。工業(yè)數(shù)據(jù)仿真和工業(yè)試驗(yàn)驗(yàn)證了上述方法的有效性，并有部分方法在基于分布機(jī)器視覺(jué)的浮選過(guò)程監(jiān)控系統(tǒng)中得到了集成應(yīng)用，形成了較系統(tǒng)的選礦過(guò)程建模和協(xié)調(diào)優(yōu)化理論和方法。所提方法也為其他礦物浮選過(guò)程的精細(xì)化優(yōu)化控制提供了理論和方法依據(jù)。

選礦過(guò)程中，易產(chǎn)生有害氣體，水體污染，固體廢料等環(huán)境污染問(wèn)題。2100433B

機(jī)器視覺(jué)可提供高效且經(jīng)濟(jì)的位移測(cè)量方案，但索纜扭轉(zhuǎn)導(dǎo)致的遮擋問(wèn)題以及應(yīng)用現(xiàn)場(chǎng)難以安裝標(biāo)定相機(jī)系統(tǒng)所需的二維標(biāo)定物等情況，給機(jī)器視覺(jué)系統(tǒng)在索纜扭轉(zhuǎn)位移測(cè)量上的應(yīng)用提出了挑戰(zhàn)。本項(xiàng)目研究了基于機(jī)器視覺(jué)的扭轉(zhuǎn)位移測(cè)量方法的可行性。具體地，本項(xiàng)目系統(tǒng)研究實(shí)現(xiàn)了特征點(diǎn)的二維編碼的自動(dòng)編碼方法、帶編碼筒狀標(biāo)志物的自動(dòng)檢測(cè)、基于帶編碼的筒狀標(biāo)志物對(duì)旋轉(zhuǎn)運(yùn)動(dòng)待測(cè)點(diǎn)的持續(xù)跟蹤，研究了特征點(diǎn)的自動(dòng)檢測(cè)方法，實(shí)現(xiàn)了基于一維線(xiàn)性標(biāo)志物的攝像機(jī)標(biāo)定方法，并結(jié)合群智能算法、參數(shù)更新及歸一化方法大幅提升了相機(jī)一維標(biāo)定的精度；實(shí)現(xiàn)了特征點(diǎn)三維空間坐標(biāo)的高精度重構(gòu)；基于差分演化的方式對(duì)特征點(diǎn)進(jìn)行圓柱擬合，并基于剛體變換及歐拉角分解理論，建立標(biāo)志物上特征點(diǎn)的三維位移與待測(cè)點(diǎn)六自由度位移之間的轉(zhuǎn)換模型，初步獲得了平動(dòng)及扭轉(zhuǎn)位移信息。依托本課題，共培養(yǎng)碩士研究生11名，以第一作者或通信作者身份發(fā)表論文8篇，其中SCI一區(qū)論文3篇，申請(qǐng)發(fā)明專(zhuān)利5項(xiàng)。本研究工作獲專(zhuān)家同行認(rèn)可，獲得在國(guó)家自然科學(xué)基金委的“第一屆土木工程青年論壇”上做口頭報(bào)告的交流機(jī)會(huì)。

礦石的選礦處理過(guò)程是在選礦廠(chǎng)中完成的。一般都包括以下三個(gè)最基本的工藝過(guò)程。

(1)分選前的準(zhǔn)備作業(yè)。包括原礦(原煤)的破碎、篩分、磨礦、分級(jí)等工序。本過(guò)程的目的是使有用礦物與脈石礦物單體分離，使各種有用礦物相互間單體解離，此外，這一過(guò)程還為下一步的選礦分離創(chuàng)造適宜的條件。有的選礦廠(chǎng)根據(jù)礦石性質(zhì)和分選的需要，在分選作業(yè)前設(shè)有洗礦和預(yù)選拋廢石作業(yè)。

(2)分選作業(yè)。借助于重選、磁選、電選、浮選和其他選礦方法將有用礦物同脈石分離，并使有用礦物相互分離獲得最終選礦產(chǎn)品(精礦、尾礦，有時(shí)還產(chǎn)出中礦)。分選作業(yè)中，開(kāi)頭的選別稱(chēng)為粗選(rougher);將粗選得到的富集產(chǎn)物作進(jìn)一步選別以獲得高質(zhì)量的最終產(chǎn)品精礦的選別作業(yè)稱(chēng)為精選(cleaner);將粗選后的貧產(chǎn)物作進(jìn)一步選別，分出中礦返回粗選或單獨(dú)處理，以獲得較高回收率的選別作業(yè)稱(chēng)為掃選(scavenger)，掃選后的貧產(chǎn)物即為尾礦。

(3)選后產(chǎn)品的處理作業(yè)。包括各種精礦、尾礦產(chǎn)品的脫水，細(xì)粒物料的沉淀濃縮、過(guò)濾、干燥和洗水澄清循環(huán)復(fù)用等。