在长流程浮选过程中,生产指标难以在线检测,造成操作不及时,影响系统的稳定运行.本文提出了一种基于多源数据的铝土矿浮选过程生产指标集成建模方法.首先结合浮选机理和现场工人经验,分析影响和反映生产指标的多源数据(生产数据和泡沫图像特征数据);然后分别建立各生产指标预测子模型和同步误差补偿子模型;最后采用信息熵和智能协调策略分别构建精矿品位和尾矿品位的集成预测模型.工业验证和工况分析表明,本文集成建模方法具有良好的预测性能和较强的泛化性,为基于生产指标的浮选过程操作参数控制和全流程优化奠定基础.

针对矿物浮选过程中回收率难以在线检测的问题,提出了一种回收率预测方法.采用最小二乘支持向量机构造预测模型,以图像特征作为模型输入,通过交叉验证实现模型参数优化.为提取泡沫特征,通过计算图像相对红色分量提取颜色特征,结合聚类与分水岭方法分割泡沫图像并提取尺寸特征,利用像素分析方法提取承载量特征,采用网像对的相关性分析方法提取泡沫速度、破碎率等动态特征,并对泡沫特征与回收率进行了相关性分析.实验结果表明,该方法能有效预测回收率.