-
公开(公告)号：CN108830831A
公开(公告)日：2018-11-16
申请号：CN201810446667.2
申请日：2018-05-11
Applicant: 中南大学
Abstract: 本发明提出了一种基于改进SURF匹配的锌浮选泡沫自然速度特征提取方法，选取具有尺度不变性、旋转不变性以及抗噪能力较强的SURF特征算子对图像进行特征提取，通过分析泡沫形状的相似性以及其特定的运动轨迹，提出根据泡沫运动情况实时迭代更新匹配方法，利用改进匹配条件进行运动匹配，得到锌浮选泡沫初速度，匹配结果计算考虑实际情况下的粗选槽中刮板的周期性运动，选择底流速度得到浮选泡沫自然速度特征。本发明克服了传统泡沫速度提取方法匹配误差大、速度慢等问题，应用速度提高10倍以上，通过提出的迭代更新SURF算子匹配方法大大提高匹配成功率20％以上。解决了锌浮选现场浮选泡沫特征难以提取以及如何机器视觉化的问题。
-
Patent Agency Ranking
公开(公告)号：CN110175617B
公开(公告)日：2022-12-27
申请号：CN201910449507.8
申请日：2019-05-28
Applicant: 中南大学
IPC: G06V10/54 , G06V10/74 , G06V10/771
Abstract: 基于纹理时间序列趋势特征匹配的一种浮选模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人操作、稳定优化生产。
-
公开(公告)号：CN110738271B
公开(公告)日：2021-04-30
申请号：CN201911005613.3
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种锌浮选过程精矿品位预测方法，包括了以下步骤：首先通过浮选过程图像采集处理系统采集锌浮选过程图像特征数据以及对应的精矿品位数据，并对采集的数据进行预处理；根据预处理后的锌浮选图像特征数据以及精矿品位数据，组成样本空间，然后根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA对特征进行相关分析,提取贡献率高特征作为关键泡沫特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法求解预测模型，寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；本方法可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
公开(公告)号：CN110728329B
公开(公告)日：2021-03-02
申请号：CN201911008874.0
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种基于反馈补偿机制优化的锌浮选过程精矿品位预测方法，包括了以下步骤：首先采集锌浮选过程图像特征数据以及对应的精矿品位数据作为样本数据，并对采集的数据进行预处理；将预处理后的样本数据根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA提取贡献率高特征作为关键特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；建立模型误差反馈补偿机制，当模型误差不被控制时启动反馈补偿机制对模型进行补偿；本发明可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
公开(公告)号：CN110738271A
公开(公告)日：2020-01-31
申请号：CN201911005613.3
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种锌浮选过程精矿品位预测方法，包括了以下步骤：首先通过浮选过程图像采集处理系统采集锌浮选过程图像特征数据以及对应的精矿品位数据，并对采集的数据进行预处理；根据预处理后的锌浮选图像特征数据以及精矿品位数据，组成样本空间，然后根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA对特征进行相关分析,提取贡献率高特征作为关键泡沫特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法求解预测模型，寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；本方法可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
公开(公告)号：CN110728329A
公开(公告)日：2020-01-24
申请号：CN201911008874.0
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种基于反馈补偿机制优化的锌浮选过程精矿品位预测方法，包括了以下步骤：首先采集锌浮选过程图像特征数据以及对应的精矿品位数据作为样本数据，并对采集的数据进行预处理；将预处理后的样本数据根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA提取贡献率高特征作为关键特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；建立模型误差反馈补偿机制，当模型误差不被控制时启动反馈补偿机制对模型进行补偿；本发明可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
