基于神经网络的浮选泡沫状态分类器设计

来源期刊：现代矿业2020年第10期

论文作者：杨驰 周勤勤

文章页码：132 - 133

关键词：浮选过程;神经网络;泡沫状态;分类;

摘    要：浮选过程中,由于某些因素的影响,有可能导致泡沫层厚度及作业刮出量异常,产生2种极端现象——"沉槽"和"跑槽"。出现以上2种极端情况会导致浮选流程振荡,造成严重经济损失。对于泡沫刮出量的状态,传统控制一般采用人工观察法,这种方式不能及时发现异常并施以调控,可能错失最佳调控时机。因此,利用工业摄像机实时监测,并结合神经网络的分类功能完成泡沫刮出量状态的识别,可以及时给予恰当的控制,有效地降低经济损失,提高浮选流程的稳定性。