基于一致聚類的銅浮選過程工況分類與識(shí)別.pdf

1、隨著圖像處理技術(shù)在銅浮選領(lǐng)域的廣泛應(yīng)用，生產(chǎn)現(xiàn)場(chǎng)能夠獲取浮選泡沫圖像視覺特征，通過結(jié)合浮選工藝生產(chǎn)操作，可以實(shí)現(xiàn)浮選生產(chǎn)狀態(tài)在線監(jiān)測(cè)與鑒別，為浮選過程優(yōu)化控制提供依據(jù)。但是當(dāng)前浮選狀態(tài)監(jiān)測(cè)多受人為因素影響，導(dǎo)致在線監(jiān)測(cè)信息的不準(zhǔn)確性及滯后，嚴(yán)重影響浮選生產(chǎn)工況及時(shí)調(diào)整，造成資源和能源浪費(fèi)。
　　浮選生產(chǎn)過程多種傳感器積累了大量數(shù)據(jù)，特別是機(jī)器視覺技術(shù)的應(yīng)用，獲取了實(shí)時(shí)泡沫圖像特征數(shù)據(jù)。聚類方法是當(dāng)前對(duì)數(shù)據(jù)進(jìn)行分類的有效方法，通過分

2、析分類后的泡沫視覺特征數(shù)據(jù)與浮選生產(chǎn)指標(biāo)之間的相關(guān)性，建立浮選工況分類與識(shí)別模型，能夠及時(shí)準(zhǔn)確發(fā)現(xiàn)工況狀態(tài)并指導(dǎo)生產(chǎn)操作。論文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　(1)一致聚類改進(jìn)算法研究。針對(duì)一致聚類相似度矩陣的構(gòu)建問題，主要分析高斯公式、Minkowski距離、最近相關(guān)性方法(nearest-correlation)和局部標(biāo)度方法(local scale)對(duì)聚類結(jié)果的影響。為了解決聚類數(shù)目的確定問題，提出一種基于Minkowski

3、距離的一致聚類改進(jìn)算法。該算法利用Minkowski距離刻畫樣本之間的相似度信息，通過調(diào)整其參數(shù)，在不同度量下獲得不同的聚類結(jié)果，最終通過不同結(jié)果的對(duì)比獲得原數(shù)據(jù)準(zhǔn)確的聚類數(shù)目信息。
　　(2)一致聚類算法在浮選工況分類中的應(yīng)用。針對(duì)銅浮選離線數(shù)據(jù)特點(diǎn)，利用一致聚類方法進(jìn)行分類，根據(jù)聚類數(shù)據(jù)和工藝指標(biāo)之間的對(duì)應(yīng)關(guān)系，采用最小二乘支持向量機(jī)建立各類工況模型。
　　(3)一致聚類算法在浮選工況識(shí)別中的應(yīng)用。針對(duì)銅浮選時(shí)序數(shù)據(jù)進(jìn)行