基于多参数评价模型的尾矿资源再利用智能调度控制方法与流程

本技术涉及矿业资源智能调度控制的，尤其是涉及一种基于多参数评价模型的尾矿资源再利用智能调度控制方法。

背景技术：

1、在尾矿资源化利用过程中，准确评估尾矿的可利用价值并据此选择适配的处理工艺是决定资源回收效率的关键环节。

2、目前，工业现场通常采用单一类型的检测手段对尾矿进行在线分析，例如，部分选矿厂仅靠x射线荧光光谱仪获取元素含量信息，或仅通过激光粒度仪获取粒径分布数据，再基于所获得的单一维度参数与预设阈值进行比对，从而判断尾矿的利用价值等级并分配相应的处理流程。然而，尾矿的资源化潜力是由其粒度特征、化学成分、矿物赋存状态等多种物理化学属性共同决定的。单一参数往往只能反映尾矿某一方面的特性，难以全面表征其综合利用价值，导致后续处理工艺的选择缺乏可靠依据，进而造成资源错配。

3、即使采用多类传感器进行联合检测，各数据源在工业现场受环境干扰等因素影响，其信号质量存在差异，若不加区分地等权融合，质量较差的数据源易对融合结果造成误导。同时，现有方法通常仅基于当前批次的检测数据做出独立判断，未考虑批次间物性的动态变化趋势，在物性发生趋势性转变时容易做出滞后或过度敏感的响应，导致处理工艺频繁切换，增加设备磨损和物料短暂错配的风险。

4、因此，亟需一种能够综合利用多维物性参数对尾矿资源化潜力进行准确评估并实现处理工艺智能匹配的调度控制方法。

技术实现思路

1、为了提高尾矿资源化潜力评估的准确性，本技术提供一种基于多参数评价模型的尾矿资源再利用智能调度控制方法。

2、第一方面，本技术提供一种基于多参数评价模型的尾矿资源再利用智能调度控制方法，采用如下的技术方案：

3、通过部署于尾矿输送通道上的多源传感器组对当前批次尾矿进行在线检测，获取多维原始参数数据；

4、对所述多维原始参数数据进行数据质量评估，根据各数据源的信号信噪比和数据完整度分别计算各数据源的可信度系数；

5、将所述多维原始参数映射至标准化特征空间，得到各维度的标准化特征分量；

6、以对应数据源的可信度系数作为对应维度标准化特征分量的融合权重，进行加权组合，生成融合特征向量，并基于当前批次及前n个批次的融合特征向量，构建时序特征序列；

7、将所述时序特征序列输入预构建的资源潜力评估模型的时序编码层，提取批次间物性变化趋势特征；

8、将所述物性变化趋势特征与当前批次融合特征向量拼接，输入所述资源潜力评估模型的评估决策层，输出当前批次尾矿的资源潜力评分和工艺匹配标签，其中，所述评估决策层对相邻批次间工艺匹配标签跳变施加切换代价惩罚项；

9、根据所述工艺匹配标签，发送工艺切换指令，以将当前批次尾矿导入与所述工艺匹配标签对应的处理工艺线路。

10、通过采用上述技术方案，多源传感器在线采集多维原始参数，依据各数据源信噪比和完整度计算可信度系数并作为融合权重，将单批次特征与前n批次时序特征联合输入评估模型，同时对相邻批次工艺标签跳变施加切换代价惩罚，使系统在做出工艺路线分配决策时既考虑当前批次的物性状态，又考虑批次间的物性演变趋势，避免因偶发性评分波动触发无效工艺切换，降低工艺线路的频繁切换损耗，提高尾矿资源化潜力评估的准确性。

11、进一步地，所述方法还包括：

12、当当前批次尾矿的资源潜力评分落入预设的决策模糊区间时，将当前批次尾矿导入缓冲仓，并记录当前批次的融合特征向量；

13、在所述缓冲仓中累计储存多个批次后，基于所述缓冲仓中各批次的融合特征向量和各批次的物料量，按照加权平均方式计算所述缓冲仓内混合物料的等效融合特征向量；

14、将所述等效融合特征向量重新输入所述资源潜力评估模型，获得所述混合物料的综合资源潜力评分和工艺匹配标签；

15、当所述综合资源潜力评分脱离所述决策模糊区间时，将所述缓冲仓内混合物料整体导入与所述工艺匹配标签对应的处理工艺线路；

16、当所述缓冲仓的累积物料量达到预设容量上限且所述综合资源潜力评分仍处于所述决策模糊区间时，将所述缓冲仓内混合物料导入默认处理工艺线路。

17、通过采用上述技术方案，针对资源潜力评分落入模糊区间的临界批次，通过缓冲仓暂存物料并持续积累多批次融合特征向量，以混合物料等效特征向量重新驱动评估决策，使临界物料跨批次累积后再做分配。同时设置容量上限兜底规则，确保缓冲仓不因持续模糊而无限积压，消除调度死锁风险。

18、进一步地，所述基于所述缓冲仓中各批次的融合特征向量和各批次的物料量，按照加权平均方式计算所述缓冲仓内混合物料的等效融合特征向量，包括：

19、获取缓冲仓中当前累积的k个批次各自的融合特征向量及对应的物料量；

20、以各批次的物料量占缓冲仓内总物料量的比例作为质量权重因数，同时以各批次进入缓冲仓的时序位置构建时间衰减因数，所述时间衰减因数使越早进入缓冲仓的批次被赋予越低的时效权重；

21、对每个批次，将所述质量权重因数与所述时间衰减因数相乘，得到对应批次的复合权重系数，并对k个批次的所述复合权重系数进行归一化处理；

22、以归一化后的各批次所述复合权重系数对各批次的所述融合特征向量进行加权求和，得到初始等效融合特征向量；

23、计算缓冲仓内k个批次的所述融合特征向量之间的特征离散度，所述特征离散度为各批次所述融合特征向量与所述初始等效融合特征向量之间的距离的加权方差；

24、将所述特征离散度作为不确定性修正量附加于所述初始等效融合特征向量，生成最终的等效融合特征向量，其中，所述不确定性修正量用于在输入所述资源潜力评估模型时扩展所述评估决策层的决策边界容差。

25、通过采用上述技术方案，在计算缓冲仓等效融合特征向量时，同时引入物料量质量权重和时间衰减因数构成复合权重，使近期进入缓冲仓的批次对等效向量的贡献更大，避免早期批次物性数据过度稀释当前物料状态的表征，进一步计算批次间特征离散度并将其作为不确定性修正量附加于等效向量，驱动评估决策层自适应扩展决策边界容差，防止对内部成分差异悬殊的混合物料做出过度的错误分配。

26、进一步地，所述根据各数据源的信号信噪比和数据完整度分别计算各数据源的可信度系数，包括：

27、基于各数据源的信号信噪比与数据完整度的加权求和，分别计算各数据源的初始可信度评分；

28、计算当前批次中任意两个数据源之间的参数相关性系数，并将所述参数相关性系数与预存的历史相关性基准值进行比对，得到各数据源对之间的相关性偏离度；

29、当任一数据源对的相关性偏离度超过预设偏离阈值时，识别所述数据源对中所述初始可信度评分较低的数据源为异常疑似源，并对所述异常疑似源的初始可信度评分施加衰减因数；

30、将经衰减修正后的各数据源可信度评分进行归一化处理，得到各数据源的可信度系数。

31、通过采用上述技术方案，在初始可信度评分基础上引入跨数据源相关性偏离度校验，当任意数据源对的相关性偏离历史基准超过阈值时，自动识别其中初始评分较低者为异常疑似源并施加衰减，使可信度系数不仅反映单源自身信号质量，还反映多源间物理一致性约束，从而在传感器出现局部漂移或异常时，抑制其对融合特征向量的错误主导，提升融合结果的可靠性。

32、进一步地，所述计算当前批次中任意两个数据源之间的参数相关性系数，包括：

33、对当前批次中各数据源的检测数据分别进行核密度估计，得到各数据源对应的边缘概率密度函数；

34、对任意两个数据源的检测数据构建联合样本，并对所述联合样本进行联合核密度估计，得到所述两个数据源之间的联合概率密度函数；

35、基于所述两个数据源各自的边缘概率密度函数和所述联合概率密度函数，按照互信息定义计算所述两个数据源之间的互信息值；

36、对所述互信息值进行归一化处理，得到所述两个数据源之间的参数相关性系数，所述归一化处理的方式为将所述互信息值除以所述两个数据源各自信息熵的几何平均值。

37、通过采用上述技术方案，采用互信息而非线性相关系数度量数据源间的参数相关性，能够捕捉数据源间的非线性依赖关系，避免线性相关度量在物料成分关系复杂时的失效，通过将互信息值除以两数据源信息熵的几何平均值进行标准化，消除不同数据源因边缘分布差异导致的互信息量纲不可比问题，使跨数据源对的相关性系数具备统一比较基准。

38、进一步地，所述将多维原始参数数据映射至标准化特征空间，包括：

39、对各维度原始参数数据分别进行局部近邻结构分析，构建各维度数据在原始空间中的近邻关系图；

40、基于所述近邻关系图，采用流形映射方法将各维度数据分别映射至统一维度的低维嵌入空间，使各维度数据在所述低维嵌入空间中保持其原始空间的局部拓扑结构；

41、在所述低维嵌入空间中，以各维度映射结果的分布范围为基准进行尺度对齐，得到各维度的标准化特征分量。

42、通过采用上述技术方案，通过对各维度原始参数数据构建近邻关系图并采用流形映射方法投影至统一低维嵌入空间，在保留各维度数据局部拓扑结构的前提下实现跨维度的空间统一，相较于直接线性归一化，能够保留参数数据在原始空间中的局部分布形态，避免因不同维度数据分布形态差异显著而在标准化后丢失结构信息，提升融合特征向量对物料真实物性状态的表征精度。

43、进一步地，所述方法还包括：

44、在连续多个批次处理过程中，记录各数据源的可信度系数随批次的变化序列，形成各数据源的可信度趋势曲线；

45、当任一数据源的可信度趋势曲线在预设滑动窗口内呈现单调下降趋势且其窗口末端可信度系数低于预设退化阈值时，将对应的数据源标记为退化源；

46、基于所述退化源的标记结果，对所述资源潜力评估模型的评估决策层中与所述退化源对应维度的输入连接权重进行缩放，使所述资源潜力评估模型降低对所述退化源所对应特征维度的决策依赖度，并提升未被标记为退化源的其他数据源对应维度的输入连接权重。

47、通过采用上述技术方案，通过滑动窗口持续监测各数据源可信度趋势曲线，在检测到单调下降且末端低于退化阈值时将对应数据源标记为退化源，并实时缩放评估决策层中退化源对应维度的输入连接权重、同步提升其他数据源对应维度权重，使资源潜力评估模型在传感器发生渐进性退化时能够自适应调整决策依赖结构，无需停机重新训练模型即可维持评估结果的稳定性。

48、第二方面，本技术提供一种基于多参数评价模型的尾矿资源再利用智能调度控制装置，采用如下的技术方案：

49、数据获取模块，用于通过部署于尾矿输送通道上的多源传感器组对当前批次尾矿进行在线检测，获取多维原始参数数据；

50、可信度系数计算模块，用于对所述多维原始参数数据进行数据质量评估，根据各数据源的信号信噪比和数据完整度分别计算各数据源的可信度系数；

51、标准化特征分量确定模块，用于将所述多维原始参数映射至标准化特征空间，得到各维度的标准化特征分量；

52、融合特征处理模块，用于以对应数据源的可信度系数作为对应维度标准化特征分量的融合权重，进行加权组合，生成融合特征向量，并基于当前批次及前n个批次的融合特征向量，构建时序特征序列；

53、物性变化趋势分析模块，用于将所述时序特征序列输入预构建的资源潜力评估模型的时序编码层，提取批次间物性变化趋势特征；

54、潜力评估模块，用于将所述物性变化趋势特征与当前批次融合特征向量拼接，输入所述资源潜力评估模型的评估决策层，输出当前批次尾矿的资源潜力评分和工艺匹配标签，其中，所述评估决策层对相邻批次间工艺匹配标签跳变施加切换代价惩罚项；

55、切换指令发送模块，用于根据所述工艺匹配标签，发送工艺切换指令，以将当前批次尾矿导入与所述工艺匹配标签对应的处理工艺线路。

56、第三方面，本技术提供一种电子设备，采用如下的技术方案：

57、一种电子设备，包括：

58、至少一个处理器；

59、存储器；

60、至少一个计算机程序，其中所述至少一个计算机程序被存储在所述存储器中并被配置为由所述至少一个处理器执行，所述至少一个计算机程序配置用于：执行如第一方面中任一项所述的方法。

61、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

62、一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一项所述的方法的计算机程序。

63、本技术第二方面到第四方面及其各种实现方式的具体描述，可以参考第一方面及其各种实现方式中的详细描述；并且，第二方面到第四方面及其各种实现方式的有益效果，可以参考第一方面及其各种实现方式中的有益效果分析，此处不再赘述。

64、综上所述，本技术包括以下至少一种有益技术效果：

65、1.多源传感器在线采集多维原始参数，依据各数据源信噪比和完整度计算可信度系数并作为融合权重，将单批次特征与前n批次时序特征联合输入评估模型，同时对相邻批次工艺标签跳变施加切换代价惩罚，使系统在做出工艺路线分配决策时既考虑当前批次的物性状态，又考虑批次间的物性演变趋势，避免因偶发性评分波动触发无效工艺切换，降低工艺线路的频繁切换损耗；

66、2.针对资源潜力评分落入模糊区间的临界批次，通过缓冲仓暂存物料并持续积累多批次融合特征向量，以混合物料等效特征向量重新驱动评估决策，使临界物料跨批次累积后再做分配。