-
公开(公告)号：CN103604946B
公开(公告)日：2016-03-23
申请号：CN201310209572.6
申请日：2013-05-30
Applicant: 中南大学
IPC: G01P5/22
Abstract: 本发明公开了一种面向矿物泡沫浮选的泡沫流速测量系统及方法。本发明构建了嵌入式浮选泡沫采集平台，以工业摄像机获取矿物浮选过程中泡沫图像为基础，针对采集到的图像在DSP处理器内完成图像的预处理，利用当前帧和参考帧中图像块的相关性分析方法提取了泡沫速度特征。本发明所阐述的嵌入式解决方案通过分析泡沫图像得到泡沫速度特征，作为一种生产状态重要的参考指标，可实时反映生产状况，具有体积小、成本低、功耗低、可靠性高，特别适用于选矿厂等环境恶劣、难以测量泡沫流速的工业现场。
-
公开(公告)号：CN101869860A
公开(公告)日：2010-10-27
申请号：CN201010191503.3
申请日：2010-06-04
Applicant: 中南大学
Abstract: 一种球磨机磨矿产品的粒度分布预测方法，对每一个粒级破碎速率随时间变化快慢不一致的非线性破碎，将磨矿时间进行分段求取每个时间段上各粒级的破碎速率，对磨矿产品粒度进行预测时，按时间顺序先预测第一时间段的产品粒度分布，再以第一时间段的预测结果作为第二时间段的给料，预测第二时间段的产品粒度分布，依此类推预测出最终产品的粒度分布。本发明用于球磨机分批磨矿产品粒度分布预测，相对误差均在±5％内，绝对误差均在±2％内，减少工人的劳动强度，提高工作效率；扩展用于工业球磨机产品粒度预测，85.7％和72.6％的相对误差分别位于±10％和±5％内，91.2％和71.5％的绝对误差分别位于±5％和±3％内，本发明为实现工业磨矿过程的模拟和优化、节能降耗奠定了基础。
-
公开(公告)号：CN116309243A
公开(公告)日：2023-06-23
申请号：CN202211089421.7
申请日：2022-09-07
Applicant: 长沙矿冶研究院有限责任公司 , 中南大学
IPC: G06T7/00 , G06T5/00 , G06T7/90 , G06T5/40 , G06V10/762
Abstract: 本发明公开了一种选矿实时图像分析系统，通过采用MeanShfit算法滤波获取到平滑的图像，通过颜色分析，获取目标标号图像中每个目标块度的面积，面积、原始图像HSV的平均值、直方图等特征，通过对特征进行DBSCAN密度聚类分析，获取到聚类中心，分析各个块与聚类中心的误差距离，移除噪声块，获取到最终块的轮廓、面积等参数，改进了图像处理过程的中岩石块度检测问题，能够更好的解决岩石块度聚堆的现象，可以实现岩石块度实时测量，节约人力成本，显著提高经济效益。
-
公开(公告)号：CN115291519A
公开(公告)日：2022-11-04
申请号：CN202210980614.5
申请日：2022-08-16
Applicant: 中南大学 , 长沙矿冶研究院有限责任公司
IPC: G05B13/04
Abstract: 本发明公开了一种磨矿过程智能优化控制方法，包括：S1：获取过去H小时的磨音和磨机功率数据作为样本数据，运用改进的模糊‑C均值聚类算法计算样本数据聚类中心，并将当前时刻t初始化为0；S2：根据聚类中心更新模糊控制器输入变量的论域和隶属函数参数；S3：获取时刻t的磨音和功率数据，提取磨音趋势，计算磨音偏差；S4：将磨音偏差、磨音趋势、磨机功率输入模糊控制器，得到给矿量和给水量的设定值；S5：经过一个控制周期T后，t＝t+T；S6：判断t是否小于H；若是，则返回S3；若否，则返回S1。用实际生产数据进行测试，结果表明本发明比人工控制下磨矿过程平稳，矿石处理量提高了4.3％。
-
公开(公告)号：CN114733617A
公开(公告)日：2022-07-12
申请号：CN202210231605.6
申请日：2022-03-10
Applicant: 中南大学 , 长沙矿冶研究院有限责任公司
Abstract: 本发明涉及一种磨矿分级过程的NMPC‑PI控制方法和系统，通过确定磨矿分级过程控制的被控变量与控制变量，建立磨矿分级过程的非线性状态空间模型，对模型中的未知状态进行估计，获得状态变量估计值，从非线性状态空间模型中提取NMPC控制器的预测模型，并将状态变量估计值作为NMPC控制器进行预测的初始条件，结合优化性能指标对被控变量进行优化控制，以及在控制回路中加入PI控制，利用NMPC与PI的线性切换组合控制泵池补加水将泵池液位维持在安全范围内，解决了现有磨矿分级过程控制效果不佳的技术问题，能对泵池液位进行精准控制，同时减少了算法计算量，且本发明可保证生产安全，减少能耗，提高磨矿产量、稳定产品细度。
-
Patent Agency Ranking
公开(公告)号：CN112686144A
公开(公告)日：2021-04-20
申请号：CN202011595567.X
申请日：2020-12-29
Applicant: 中南大学
Abstract: 本发明公开一种基于磨音信号的矿石球磨过程负荷识别方法，首先对采集到的原始信号进行预处理，包括消除直流分量、滤波，然后提出基于自回归(AR)谱估计的几何谱减法抑制噪声信号，提高信噪比；其次基于集合经验模态分解(EEMD)方法将磨音信号分解为K个本征模态分量IMF，利用排列熵选取可靠性高的模态分量进行磨音信号重构；接着计算每种负荷类型下重构信号的盒分形维数，并作为最终负荷分类依据；最后建立基于模糊C均值聚类的Bagging和极限学习机的负荷识别模型，实现负荷识别。本发明对国内某多金属选厂实际生产负荷进行识别，结果表明该识别模型能够准确地识别不同磨机负荷状态，具有良好的泛化性能和识别精度。
-
公开(公告)号：CN109856220B
公开(公告)日：2020-06-05
申请号：CN201910173279.6
申请日：2019-03-07
Applicant: 中南大学
Abstract: 本发明公开了一种pH值在线检测装置及其控制和校准预判方法，该装置包括检测槽、清洗槽、保养槽、控制单元、升降平移装置、pH测量电极和pH显示分析仪器；所述检测槽、清洗槽和保养槽并排设置在升降平移装置下方；所述pH测量电极固定在升降平移装置上；所述控制单元控制升降平移装置运动，从而带动pH测量电极作升降和平移运动，实现浸入或移出检测槽、清洗槽和保养槽。本发明通过升降平移装置，实现检测、清洗、保养功能高速准确地切换，延长电极寿命，保证其灵敏度。另外，本发明通过连续标准滴定法，解决pH计何时校准的问题，从而优化pH计的校准周期，降低人工成本，最终实现溶液的pH值在线高精度检测。
-
公开(公告)号：CN106546697B
公开(公告)日：2018-11-23
申请号：CN201610968376.0
申请日：2016-10-28
Applicant: 中南大学
IPC: G01N31/22
Abstract: 一种铝土矿浮选过程矿浆酸碱度在线预测方法，针对铝土矿浮选矿浆酸碱度调整剂添加点到酸碱度检测点存在较大时滞使酸碱度控制滞后，且酸碱度人工检测效率低的问题，本发明首先建立矿石与碱反应造成的矿石耗碱量回归模型；再根据未与矿石反应的碱在水中水解，和碱性循环水对水解平衡的影响，建立酸碱度机理预测模型；根据酸碱度实测值与机理模型预测值构成的误差时间序列建立误差补偿模型；根据工况变化基于专家规则对误差补偿方向进行修正，利用修正后的补偿值对机理模型进行补偿得到矿浆酸碱度预测值。本发明用于实际生产过程矿浆酸碱度的预测，均方根误差为0.0935，最大相对误差为2.83％,90％的测试样本相对误差位于±2％以内。
-
公开(公告)号：CN108595518A
公开(公告)日：2018-09-28
申请号：CN201810251631.9
申请日：2018-03-26
Applicant: 中南大学
Abstract: 本发明实施例提供了一种氧化铝生产蒸发过程在线数据协调方法及系统，包括：获取蒸发过程中的各测量变量的在线数据，将在线数据输入预设多模态分层数据协调模型；预设多模态分层数据协调模型包括多个预设单模态分层数据协调模型，且多个预设单模态分层数据协调模型与蒸发过程的多个生产模态相对应；获取在线数据属于各生产模态的多个概率和在线数据经所述多个预设单模态分层数据协调模型处理后得到的多个第一协调结果，根据多个概率和对应的所述多个第一协调结果，得到在线数据的第二协调结果，即实现对在线数据的数据协调。本发明实施例提供的方法考虑了蒸发过程运行于多个生产模态的实际情况，使得数据协调结果更为准确。
-
公开(公告)号：CN104331622B
公开(公告)日：2017-02-15
申请号：CN201410620090.4
申请日：2014-11-06
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开一种氧化铝双流法溶出过程出口溶液苛性比值的在线预测方法，包括如下步骤：步骤一，基于物料平衡求得机理模型预测值；步骤二，再根据当前工况中温度和压差的变化量，基于模糊专家规则对机理模型预测值进行修正，求得修正后的机理模型预测值；步骤三，根据苛性比值实测值与修正后的机理模型预测值所构成的历史误差时间序列建立基于最小二乘支持向量机的误差时间序列预测模型，利用预测模型得到下一时刻的误差预测值，用误差预测值对修正后的机理模型预测值进行补偿得到溶出液苛性比值的预测值。本发明预测出口溶出液的苛性比值相对误差均在±2％内，最大绝对误差小于0.025。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.024 seconds)
