何明芳
,
阳春华
,
王晓丽
,
桂卫华
中国有色金属学报
针对硫浮选泡沫图像噪声大、特征重要度差异显著引起工况难以识别的问题，提出基于模糊支持向量机的硫浮选工况识别方法。通过融合样本模糊隶属度和特征信息增益，获取图像视觉特征的特征重要度；并结合特征重要度矩阵，改进模糊支持向量机的核函数，进而建立工况类别与图像特征之间的关系模型，实现硫浮选工况识别。采用模糊隶属度对噪声赋予较小的权值，并结合模糊隶属度来获取特征重要度矩阵，可以减小噪声样本的影响，以揭示图像特征重要度之间的差异，提高工况识别准确性。锌直接浸出冶炼硫浮选生产过程的实际测试数据验证了方法的有效性。
关键词:
硫浮选
,
特征重要度
,
模糊支持向量机
,
工况识别
李建奇
,
阳春华
,
朱红求
,
曹斌芳
中国有色金属学报
针对矿物浮选过程中泡沫图像易受噪声影响，存在纹理细节模糊、灰度值对比度低等问题，提出一种浮选泡沫图像的非线性降噪方法。首先构造一种改进方向波变换，保证信号的平移不变性，同时采用提升算法减小其运算量。然后通过对分解系数建模，针对低频子带系数采用多尺度 Retinex 算法进行处理，以改善整体亮度均匀性，提高对比度；对各高通子带构建基于高斯混合尺度模型的分解系数邻域模型，并利用Bayes最小均方(BLS)估计进行局部去噪。最后利用所提出的方法对大量浮选泡沫图像进行去噪分析。结果表明：所提出的降噪方法能突出泡沫图像的纹理细节信息，提高泡沫图像的对比度，在信噪比和实时性上有明显提高，为后续泡沫图像的分割和工况识别奠定基础。
关键词:
浮选泡沫图像
,
图像降噪
,
方向波变换
,
高斯混合尺度模型
,
Retinex算法
秦斌
,
王欣
,
吴敏
,
阳春华
钢铁
针对棒线材生产的不确定性和复杂性,提出了基于多智能体分布式在线生产调度系统(MDOPS)方案,给出了系统总体结构,建立了精轧工序轧制批量调度的数学模型,其中考虑了轧机的维护约束等实际应用约束,采用混合局部搜索的自适应遗传算法进行求解,描述了进化计算、专家系统、启发式规则和人机交互相结合的生产调度计划集成化实现方法,并应用到实际棒线材实时调度中.现场实际运行结果表明,该系统可快速准确收集生产实绩数据,完成生产过程在线监视,编制出符合现场情况、满足工艺要求的高效生产调度计划.
关键词:
棒线材轧制
,
生产调度系统
,
多智能体
,
集成化调度方法
,
遗传算法
秦斌
,
王欣
,
吴敏
,
阳春华
钢铁
针对焦炉这类复杂的生产过程,提出一种基于MAS(multi-agent system)理论和技术的集成智能控制与管理系统(ⅡCMS)方案,该方案的主要特点是将复杂的问题分为多个相对简单的问题,通过Agent以及Agent之间和MAS之间的协调优化实现焦炉的分布式、协调化、集成化控制与管理.描述了ⅡCMS的ERP/MES/PCS 3层组织结构,提出了ⅡCMS中Agent的单元组织及演化机制,详细讨论了ⅡCMS各控制管理子系统MAS系统组成、功能和系统之间的协作,最后给出基于MAS的焦炉ⅡCMS的实现实例.
关键词:
焦炉
,
分布式管理与控制
,
MAS
阳春华
,
任会峰
,
许灿辉
,
桂卫华
中国有色金属学报
由于浮选性能受多种因素的制约,适宜的矿浆pH值是高效泡沫浮选的关键.针对pH值在线检测仪易受干扰、维护保养成本高等不足,结合泡沫浮选过程机理分析,以泡沫视频图像特征为辅助变量,将局部核函数和全局核函数加权组合,提高模型的学习和泛化能力,利用Schmidt正交化理论约简多核矩阵,减小计算量,建立基于稀疏多核最小二乘支持向量机的浮选矿浆pH值软测量模型.工业运行数据测试结果表明:所建模型具有预测精度高、反应迅速、稳定性好等优点,适于工业应用.
关键词:
pH值
,
软测量
,
多核最小二乘支持向量机
,
稀疏性
,
泡沫浮选
陈宁
,
范勇
,
桂卫华
,
阳春华
,
蒋朝辉
中国有色金属学报
由于针铁矿法沉铁过程铁离子浓度和pH值难以控制，提出一种基于混杂系统理论沉铁过程的建模与控制方法。在深入分析沉铁过程物理化学反应机理的基础上，采用物料平衡原理，建立基于连续搅拌釜的数学模型。针对溶液中Fe2+浓度对氧气有效溶解浓度的影响，建立Fe2+浓度不同波动区间内有效溶解氧浓度切换模型。采用公共李亚普诺夫函数的方法，给出基于溶液中Fe2+浓度和有效溶解氧浓度的沉铁系统切换控制器的设计方法。仿真结果表明：混杂建模与控制方法能反映沉铁过程各离子浓度的动态变化，满足工艺指标。
关键词:
针铁矿法
,
沉铁
,
混杂模型
,
切换控制器
李劼
,
孔玲爽
,
阳春华
中国有色金属学报
针对烧结法氧化铝生产过程中生料浆配料工艺的特点,根据物料平衡的原理建立机理模型,作为生料浆质量预测的主规律模型;针对碱液成分波动大且难以实时检测的问题,对碱液成分含量建立了神经网络预测模型,并和机理模型进行嵌套集成;利用灰色理论对机理模型的偏差数据进行信息挖掘,建立了GM(1,1)补偿模型,并与机理模型进行并联集成,获得生料浆质量预测模型.验证结果表明,该质量预测模型能获得较理想的生料浆质量预测精度,其应用可使生料浆质量得到显著的提高.
关键词:
生料浆
,
神经网络
,
机理模型
,
预测模型
,
灰色理论
