基于多源数据融合的半自磨加球控制方法、系统、设备及介质与流程

摘要: 本申请涉及磨矿,尤其是涉及到基于多源数据融合的半自磨加球控制方法、系统、设备及介质。背景技术:1、磨矿工段是选矿厂的核心工序,磨矿产品的质量对后续选矿指标具有重...
基于多源数据融合的半自磨加球控制方法、系统、设备及介质与流程

本申请涉及磨矿,尤其是涉及到基于多源数据融合的半自磨加球控制方法、系统、设备及介质。

背景技术:

1、磨矿工段是选矿厂的核心工序,磨矿产品的质量对后续选矿指标具有重要影响,而半自磨作业磨矿产品粒度的影响因素主要有给矿量、钢球添加量、顽石循环量以及矿石硬度等,实际生产时为了保证磨矿细度稳定,半自磨钢球量通常按照给矿量的一定比例进行添加。当矿石硬度增大时半自磨排出的顽石量和粒度会增大,顽石循环量增加,磨矿粒度会偏粗,而当矿石硬度变小时半自磨排出的顽石量和粒度会减小,顽石循环量减小,磨矿粒度会偏细,因此需要对钢球添加量进行调整才能保证磨矿细度稳定。实际生产时钢球添加量不会随矿石硬度的变化自动调整,从而会出现矿石性质变化引起磨矿产品粒度不稳定,进一步导致后续选矿指标变差的技术问题。

2、传统选矿厂磨矿后物料的检测方法主要分为人工检测和仪器检测两类。人工检测时操作人员通过肉眼观察皮带物料的颜色、粒度,通过抽样称重、尺寸测量的方式估算物料覆盖面积和单颗粒尺寸,该方法操作简单但效率低,人工评估的误差率较高、偶然性较大,无法实现连续实时检测;仪器检测时部分大型选矿厂采用激光粒度仪检测物料粒度,但该设备仅能检测抽样物料的粒度,无法直接检测传送皮带上的物料,检测过程存在10~30分钟的滞后性,且激光粒度仪无法检测物料颜色和皮带覆盖面积,需搭配其他设备使用,设备投入成本高、集成难度大。

3、因此,现有解决方案存在不足,具体为:1)传统半自磨加球系统根据给矿量大小按固定比例添加钢球,当矿石硬度发生变化时,磨机顽石量或顽石尺寸会发生变化,最终磨矿产品粒度不稳定,影响后续选矿指标;2)半自磨顽石传送皮带上物料的粒度、颜色依赖人工现场检测,人工评估具有较强主观性,误差大且极度依赖操作人员经验,检测结果无法真实反映磨矿效果。

技术实现思路

1、有鉴于此,本申请提供了基于多源数据融合的半自磨加球控制方法、系统、设备及介质,主要目的在于解决现有技术中半自磨加球系统的添加钢球策略较为固化,导致磨矿产品粒度不稳定,对后续选矿指标的影响较大,且半自磨顽石传送皮带上物料检测依赖人工评估,导致检测结果误差较大的技术问题。

2、根据本申请的一个方面,提供了一种基于多源数据融合的半自磨加球控制方法,该方法包括:

3、根据采集到的半自磨顽石传送皮带的物料图像,利用顽石视觉特征提取模型生成顽石高维视觉特征数据;

4、根据采集到的半自磨顽石传送皮带的物料图像,利用特征提取规则获取半自磨顽石传送皮带的顽石颗粒特征数据,所述顽石高维视觉特征数据和所述顽石颗粒特征数据构成顽石多维视觉特征数据;

5、根据半自磨系统的工况数据和所述顽石多维视觉特征数据,利用多模态钢球添加量预测网络得到钢球添加量预测值;

6、基于半自磨系统的安全运行约束条件,对所述钢球添加量预测值校验成功后,生成包含钢球添加量的控制指令并发送至钢球添加执行机构。

7、根据本申请的另一方面,提供了一种基于多源数据融合的半自磨加球控制系统,该系统包括:

8、生成模块,用于根据采集到的半自磨顽石传送皮带的物料图像,利用顽石视觉特征提取模型生成顽石高维视觉特征数据;

9、获取模块,用于根据采集到的半自磨顽石传送皮带的物料图像,利用特征提取规则获取半自磨顽石传送皮带的顽石颗粒特征数据,所述顽石高维视觉特征数据和所述顽石颗粒特征数据构成顽石多维视觉特征数据;

10、预测模块,用于根据半自磨系统的工况数据和所述顽石多维视觉特征数据,利用多模态钢球添加量预测网络得到钢球添加量预测值;

11、控制模块,用于基于半自磨系统的安全运行约束条件,对所述钢球添加量预测值校验成功后,生成包含钢球添加量的控制指令并发送至钢球添加执行机构。

12、依据本申请又一个方面,提供了一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述基于多源数据融合的半自磨加球控制方法。

13、依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于多源数据融合的半自磨加球控制方法。

14、借由上述技术方案,本申请提供的基于多源数据融合的半自磨加球控制方法、系统、设备及介质,与现有技术中半自磨加球系统的添加钢球策略较为固化,导致磨矿产品粒度不稳定,对后续选矿指标的影响较大,且半自磨顽石传送皮带上物料检测依赖人工评估,导致检测结果误差较大的技术方案相比,本申请根据采集到的半自磨顽石传送皮带的物料图像,利用顽石视觉特征提取模型生成顽石高维视觉特征数据;根据采集到的半自磨顽石传送皮带的物料图像,利用特征提取规则获取半自磨顽石传送皮带的顽石颗粒特征数据,所述顽石高维视觉特征数据和所述顽石颗粒特征数据构成顽石多维视觉特征数据;根据半自磨系统的工况数据和所述顽石多维视觉特征数据,利用多模态钢球添加量预测网络得到钢球添加量预测值;基于半自磨系统的安全运行约束条件,对所述钢球添加量预测值校验成功后,生成包含钢球添加量的控制指令并发送至钢球添加执行机构。可见,通过构建集图像采集、深度学习视觉感知、多源传感数据采集(对应工况数据)、多模态融合预测、决策控制、加球执行等功能为一体的半自磨加球智能控制系统架构,以及多模态数据的协同处理与闭环控制,兼顾半自磨系统的工况数据等数据变化的同时,实现自适应智能控制钢球添加量。

15、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。

1.一种基于多源数据融合的半自磨加球控制方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,还包括:对采集到的半自磨顽石传送皮带的初始图像进行预处理,得到物料图像,具体包括:

3.根据权利要求1所述的方法,其特征在于,所述顽石视觉特征提取模型架构包括语义分割网络和深度特征提取网络,利用顽石视觉特征提取模型生成顽石高维视觉特征数据的步骤,包括:

4.根据权利要求3所述的方法,其特征在于,所述半自磨顽石传送皮带的顽石颗粒特征数据包括顽石颗粒颜色特征数据、顽石颗粒的尺寸特征数据、顽石颗粒的数量特征数据,利用特征提取规则获取半自磨顽石传送皮带的顽石颗粒特征数据的步骤,包括:

5.根据权利要求1所述的方法,其特征在于,所述半自磨系统的工况数据包括顽石产量数据、半自磨新增给矿量数据和半自磨系统的设备工况数据,所述多模态钢球添加量预测网络架构包括特征对齐层、注意力融合层和回归输出层。

6.根据权利要求1或5所述的方法,其特征在于,所述根据半自磨系统的工况数据和所述顽石多维视觉特征数据,利用多模态钢球添加量预测网络得到钢球添加量预测值的步骤,包括:

7.根据权利要求1所述的方法,其特征在于,所述半自磨系统的安全运行约束条件为半自磨系统的安全运行区间,所述基于半自磨系统的安全运行约束条件,对所述钢球添加量预测值校验成功后,生成包含钢球添加量的控制指令并发送至钢球添加执行机构的步骤,还包括:

8.一种基于多源数据融合的半自磨加球控制系统,其特征在于,包括:

9.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7中任一项所述基于多源数据融合的半自磨加球控制方法。

10.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7中任一项所述的基于多源数据融合的半自磨加球控制方法。