基于一致聚類的銅浮選過程工況分類與識別.pdf

1、隨著圖像處理技術在銅浮選領域的廣泛應用，生產現場能夠獲取浮選泡沫圖像視覺特征，通過結合浮選工藝生產操作，可以實現浮選生產狀態(tài)在線監(jiān)測與鑒別，為浮選過程優(yōu)化控制提供依據。但是當前浮選狀態(tài)監(jiān)測多受人為因素影響，導致在線監(jiān)測信息的不準確性及滯后，嚴重影響浮選生產工況及時調整，造成資源和能源浪費。
　　浮選生產過程多種傳感器積累了大量數據，特別是機器視覺技術的應用，獲取了實時泡沫圖像特征數據。聚類方法是當前對數據進行分類的有效方法，通過分

2、析分類后的泡沫視覺特征數據與浮選生產指標之間的相關性，建立浮選工況分類與識別模型，能夠及時準確發(fā)現工況狀態(tài)并指導生產操作。論文主要研究內容和創(chuàng)新點如下:
　　(1)一致聚類改進算法研究。針對一致聚類相似度矩陣的構建問題，主要分析高斯公式、Minkowski距離、最近相關性方法(nearest-correlation)和局部標度方法(local scale)對聚類結果的影響。為了解決聚類數目的確定問題，提出一種基于Minkowski

3、距離的一致聚類改進算法。該算法利用Minkowski距離刻畫樣本之間的相似度信息，通過調整其參數，在不同度量下獲得不同的聚類結果，最終通過不同結果的對比獲得原數據準確的聚類數目信息。
　　(2)一致聚類算法在浮選工況分類中的應用。針對銅浮選離線數據特點，利用一致聚類方法進行分類，根據聚類數據和工藝指標之間的對應關系，采用最小二乘支持向量機建立各類工況模型。
　　(3)一致聚類算法在浮選工況識別中的應用。針對銅浮選時序數據進行