基于神经网络的浮选泡沫状态分类器设计

作     者：杨驰 周勤勤 Yang Chi

作者机构：丹东东方测控技术股份有限公司 

出 版 物：《现代矿业》 (Modern Mining)

年 卷 期：2020年第36卷第10期

页      码：132-133页

摘      要：浮选过程中,由于某些因素的影响,有可能导致泡沫层厚度及作业刮出量异常,产生2种极端现象——“沉槽”和“跑槽”。出现以上2种极端情况会导致浮选流程振荡,造成严重经济损失。对于泡沫刮出量的状态,传统控制一般采用人工观察法,这种方式不能及时发现异常并施以调控,可能错失最佳调控时机。因此,利用工业摄像机实时监测,并结合神经网络的分类功能完成泡沫刮出量状态的识别,可以及时给予恰当的控制,有效地降低经济损失,提高浮选流程的稳定性。

主 题 词：浮选过程 神经网络 泡沫状态 分类 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081901[081901] 0819[工学-海洋工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1674-6082.2020.10.040

馆 藏 号：203990761...