基于圖像處理及模糊C均值聚類的燒結礦FeO含量實時檢測系統(tǒng)的研究.pdf

1、隨著我國經濟的快速發(fā)展，客觀上加劇鐵礦石短缺的矛盾。天然優(yōu)質富鐵礦是不可再生資源，隨著開采的進行，富礦儲量會逐年降低。貧鐵礦是品質比較低劣的礦石，它不能直接入爐煉鐵，必須先將鐵礦石煉成燒結礦；同時，隨著高爐大型化和冶煉技術的提高，對精料提出更高的要求，現(xiàn)在用于入爐煉鐵的鐵礦石大部分都是燒結礦?？梢姡瑹Y礦的生產變得更加重要。
　　 獲得燒結礦化學成分的方法很多，包括看火工師傅肉眼的判斷、化學檢驗方法等。人工判斷方法是看火工師傅直

2、接觀察機尾圖像，對燒結礦中各參數(shù)定性分析，控制生產過程的進行?；瘜W檢驗方法結果精確，但是從混合物料燒結到物料冷卻、化驗需要2-3個小時[1]。人工判斷容易疲勞且智能化程度太低，化驗結果具有滯后性，不能實時控制，它們都存在明顯的不足和缺陷。
　　 近年來，人們對燒結礦性能的預報和燒結礦過程的優(yōu)化控制進行大量的研究[2][3][4][5]。市面上也出現(xiàn)了利用傳統(tǒng)建模方法構建的機理性燒結礦預測模型。這種方法的缺陷是參數(shù)多，求解時間過長

3、，模擬精度難以滿足工業(yè)生產過程的要求，不能實現(xiàn)實時、在線推斷。因此開發(fā)出一套能自動實時在線檢測燒結礦中FeO含量的系統(tǒng)是非常必要的。本文根據(jù)一組反映FeO含量的特征，利用模糊C均值聚類(FCM)和BP神經網絡[6]相結合的方法來實時預報燒結礦FeO含量。首先，利用FCM算法對斷面圖像按一定的特征聚類，把聚類結果按有效特征分成3類，將各類輸入到BP神經網絡中進行訓練，得到訓練的神經網絡。其次，利用訓練完成的BP神經網絡就可以對未分類燒結礦