CN111482280A - 一种基于无线传感网络的铜矿浮选智能软测量方法及系统 - Google Patents
一种基于无线传感网络的铜矿浮选智能软测量方法及系统 Download PDFInfo
- Publication number
- CN111482280A CN111482280A CN202010321003.0A CN202010321003A CN111482280A CN 111482280 A CN111482280 A CN 111482280A CN 202010321003 A CN202010321003 A CN 202010321003A CN 111482280 A CN111482280 A CN 111482280A
- Authority
- CN
- China
- Prior art keywords
- module
- flotation
- variables
- copper ore
- copper
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
- B03D1/00—Flotation
- B03D1/02—Froth-flotation processes
- B03D1/028—Control and monitoring of flotation processes; computer models therefor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
- B03D2203/00—Specified materials treated by the flotation agents; specified applications
- B03D2203/02—Ores
- B03D2203/04—Non-sulfide ores
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供一种基于无线传感网络的铜矿浮选智能软测量方法及系统,所述方法包括如下步骤:实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数;对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数;将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量;软测量求得的铜精矿和尾矿品位值传输到上位机并在基于LabVIEW的软件平台进行实时显示。
Description
技术领域
本发明涉及铜矿浮选软测量技术领域,具体涉及一种基于无线传感网络的铜矿浮选智能软测量方法及系统。
背景技术
近年来,在铜工业生产过程中,勘探和开采的铜矿石大部分都要经过选矿富集成铜精矿才能冶炼成铜金属,浮选是铜矿选矿方法的重要方法之一。铜矿浮选机装置有混合区、运输区、分离区和泡沫区四个区域,用来分离矿浆中的铜,使矿物一步一步得到富集,保证泡沫层中的矿物不致脱落,泡沫能顺利地流入泡沫槽内。为了保证浮选中铜的质量,需对该浮选装置中的各种输入变量进行实时监测和控制,以使浮选获得的铜精矿和尾矿品位达到最佳。受工业现场环境的限制,由于矿浆中的各种浮选变量由操作员从现场提取矿浆,然后使用专用的分析仪进行,测量费时难以实现实时测量,并且设备价格昂贵,需要定时维护。因此需要一种代替在线分析仪表的软测量方法来实时控制浮选中的各个输入变量。而在面对许多复杂的输入变量时,如何快速准确的实现对浮选过程中多个输入变量进行实时监测和控制,以及对铜矿浮选中的铜精矿和尾矿预测成为一个十分困难的测量难题。
发明内容
面对许多复杂的输入变量时,如何快速准确的实现对浮选过程中多个输入变量进行实时监测和控制,以及对铜矿浮选中的铜精矿和尾矿预测的问题,本发明提供一种基于无线传感网络的铜矿浮选智能软测量方法及系统。
本发明的技术方案是:
一方面,一种基于无线传感网络的铜矿浮选智能软测量方法,包括如下步骤:
实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数;
对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数;
将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量;
软测量求得的铜精矿和尾矿品位值传输到上位机并在基于LabVIEW的软件平台进行实时显示。
进一步的,所述的实时采集铜矿浮选生产过程中各个输入变量的步骤包括:
基于ZigBee的嵌入式芯片设计ZigBee终端模块,实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数。ZigBee终端模块由硬件和软件集成的开发板;其中,硬件包括主控芯片及外围测量电路;软件是IAR的运行环境及其操作系统Z-Stack协议栈。
进一步的,所述的对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数的步骤包括:
对浮选过程中各输入变量进行预处理、剔除无关变量或影响小于设定影响比例的变量,输出影响浮选过程精矿及尾矿品位的关键变量;
利用所述的关键变量在MATLAB工具箱里设计软测量算法,确定BP神经网络模型参数。将铜矿的原始数据进行预处理,这样做是为了提高建立模型的精度,然后用这些预处理的数据在MATLAB工具箱里进行数据建模也即是软测量生成数学模型的参数,其中,包括权重系数、阈值。
进一步的,所述的对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数的步骤,具体包括:
S31:利用归一化互信息将浮选过程中的输入变量值压缩到0~1之间;
S32:利用禁忌搜索的思想完成变量的初步排序;
S33:选一个初始点x,计x为最优点;
S34:计算x的邻域;
S35:将达到禁忌长度的解加入邻域;
S36:将满足规则的解加入邻域;
S37:计算邻域中的最优点,记为x;
S38:邻域中其它禁忌点写入禁忌表;
S39:判断是否满足终止规则,若是,执行S40;否则执行步骤S34;
S40:训练BP神经网络,确定神经网络模型参数。
进一步的,将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量的步骤包括:
用预处理的数据在MATLAB工具箱里进行数据建模,将建好的模型参数用C语言编写,然后植入到协调器模块,同时协调器模块接收ZigBee终端模块采集的生产数据软测量出精矿及尾矿品位值。
将建好的模型参数用C语言编写,然后植入到协调器模块,再利用无线接收ZigBee终端模块的数字、压阻、PH、涡流等传感器采集的数据就可以在协调器精确预测精矿及尾矿品位值。
进一步的,软测量求得的铜精矿和尾矿品位值传输到上位机并在基于LabVIEW的软件平台进行实时显示的步骤包括:
协调器模块将软测量求得的铜精矿和尾矿品位值通过RS232串口传输到上位机并在基于LabVIEW的软件平台进行实时显示。上位机采用LabVIEW软件进行可视化开发,结合LabVIEW能够实时监测和控制铜矿浮选中各个输入变量的值,以达到精确预测精矿及尾矿品位的目的,进而降低生产成本,提高经济效益。
另一方面,本发明技术方案提供一种基于无线传感网络的铜矿浮选智能软测量系统,该系统包括上位机和下位机;所述的下位机包括ZigBee终端模块和协调器模块;
所述ZigBee终端模块包括传感器模块、通信模块、主控模块;
传感器模块,用于采集浮选过程中各输入变量并将采集的数据通过通信模块发送给协调器模块;
通信模块,用于下位机与上位机进行通信;
所述的上位机安装有LabVIEW软件,所述LabVIEW软件实时显示铜矿浮选中的各生产过程的数据及软测量求得的铜精矿和尾矿品位值;
主控模块,用于给ZigBee终端模块的硬件下达指示命令,确保硬件正常工作及创建无线局域网络。
进一步的,所述协调器模块,上电运行后用于建立一个无线局域网络;所述协调器模块,还用于无线接收ZigBee终端模块在铜矿浮选过程中采集的生产数据并对数据进行相应的处理,通过RS232串口将数据发送给上位机;
该下位机还包括路由器模块,所述路由器模块,用于在网络中充当信息中继。
进一步的,LabVIEW软件,用于通过RS232口读取由协调器模块发送来的数据,并进行显示、监测;
LabVIEW软件,还用于读取所训练的BP神经网络模型参数,并通过RS232口发送给协调器模块,协调器模块将参数发送给相应ZigBee终端模块,在线实时地反馈、调节软测量模型参数;
LabVIEW软件,用于通过人机交互界面,发送控制命令到ZigBee终端模块,实现某些参数的手动控制。
进一步的,所述的传感器模块包括DS18B20数字传感器、T113压阻式压力传感器、RF无线传输的PH值传感器、HTD电涡流传感器;所述主控模块包括CC2530作为硬件平台的主控芯片。对浮选中各输入变量进行处理、剔除无关变量或影响甚微的变量,使之留下的变量对浮选过程精矿及尾矿品位影响较大的关键变量;其次,将这些关键变量在MATLAB神经网络工具箱里训练网络,利用MATLAB训练好的神经网络移植到协调器模块;最后,通过ZigBee终端模块上的数字、温湿度、压力、PH值、涡流传感器等实时采集浮选中各数据无线发送给协调器模块并进入上位机应用层程序中,最终得出精矿及尾矿的品位并达到预测的目的,上位机软件采用LabVIEW对终端采集的数据显示、监控等功能,对目标变量进行精确预测及实时显示;这不仅有效地节约操作员现场提取矿浆使用专用的仪器化验的成本,而且能够达到远程操控浮选工作的顺利进行的目的。
ZigBee终端模块实时监测系统传送来的数据会发送给协调器模块,LabVIEW软件会通过RS232口读取由协调器模块发送来的数据,并进行显示、监测。协调器模块从Matlab文件读取所训练的神经网络模型参数,并将最后得出铜精矿及尾矿品位值通过RS232口发送给上位机软件LabVIEW,对目标变量实时在线监控以达到预测的目的。
从以上技术方案可以看出,本发明具有以下优点:利用BP神经网络算法及ZigBee终端模块及协调器模块系统地搭建能够间接地测量出铜矿浮选中各变量的变化范围进而能够预测铜精矿、尾矿的品位,此方法不仅有效地解决了传统有线传感器现场集中布线、价格昂贵及维护设备保养等问题,而且能够较为精确地预测出精矿及尾矿的品位,具有较好的实用性和经济性。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著地进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为整个系统的架构图;
图2为NMITS-BP算法流程图;
图3为CC2530主控芯片图;
图4为DHT11温湿度传感器检测电路图;
图5为DS18B20数字传感器检测电路图;
图6为T113压阻式压力传感器检测电路图;
图7为RF无线传输的PH值传感器检测电路图;
图8为HTD电涡流传感器检测电路图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例一
本发明技术方案提供一种基于无线传感网络的铜矿浮选智能软测量方法,包括如下步骤:
S1:实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数;本步骤中,基于ZigBee的嵌入式芯片设计外围测量电路,即ZigBee终端模块,实时采集铜矿浮选生产过程中各个输入变量。ZigBee终端模块包括传感器模块,所述的传感器模块包括:DHT11温湿度传感器检测电路如图4所示;DS18B20数字传感器检测电路如图5所示;T113压阻式压力传感器检测电路如图6所示;RF无线传输的PH值传感器检测电路如图7所示;HTD电涡流传感器检测电路如图8所示;ZigBee的嵌入式芯片为主控制器芯片,CC2530作为硬件平台的主控芯片。该芯片是基于美国TI公司生产的内核处理器,该内核中有一个支持ZigBee底层协议的无线传感网络的电路,能够将数据无线收发,具有实时仿真和嵌入式跟踪支持,以及256kb的嵌入式高速闪存等功能。128位宽内存接口和独特的加速器体系结构使16位代能够以最高时钟速率执行。CH341芯片用于串行口的电平变换,实现控制器与通信接口之间的通信。CC2530主控芯片图如图3所示;
本实施例中,铜矿浮选机装置的可测输入变量如表1所示;
表1铜矿浮选机装置的可测输入变量表
S2:对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数;
对浮选过程中各输入变量进行处理、剔除无关变量或影响小于设定影响比例的变量,输出影响浮选过程精矿及尾矿品位的关键变量;利用所述的关键变量在MATLAB工具箱里设计软测量算法,确定BP神经网络模型参数。如图2所示,具体包括:
S31:利用归一化互信息将浮选过程中的输入变量值压缩到0~1之间;
信息熵(entropy)是信息的基本单位,是一种描述随机变量的分散程度的统计量。信息熵越大,表示变量的离散程度越高。其计算公式如下:
H(X)=-∑x∈Xp(x)logbp(x)
式中,p(x)为x的概率密度函数,即离散随机变量x出现的概率;
给定随机输出变量Y再给定一个随机输入变量X,Y依赖于它,那么(x,y)的相互观察减少了观测Y的不确定性,通过x的信息可以推断y的值,反之亦然。其计算公式如下:
归一化互信息的大体思想是用熵做分母将互信息的值调整到0与1之间。其计算公式如下:
S32:利用禁忌搜索的思想完成变量的初步排序;针对变量选择主要从以下几个方面展开叙述:①自然数编码方式
将铜矿浮选中的n个输入变量以自然数方式进行编码,将n个变量分为m组,编码的每一位分别代表浮选中的各个输入变量,而每一位的值代表该浮选中的输入变量所在的分组;
②初始解的产生
即可以随机给出初始解,也可以采用启发式方法产生一个可行解并且将目标函数f(x)作为评价函数;
③邻域及邻域移动
邻域是由当前解x及其通过定义的邻域移动能够达到的所有解构成的集合。定义邻域移动s,例如,在函数优化问题中邻域移动可以定义为给定步长和移动方向;在组合优化问题中邻域移动可以定义为某种排练序列置换;
④禁忌表
T表(禁忌表)的作用是防止搜索出现循环。首先,将移动、移动分量或适值作为禁忌对象;其次,表的长度称为Tabu-Size,可以用来控制局域搜索和广域搜索;最后,T表是动态更新的,把最新的解记入,最老的解从表中释放;
⑤选择策略
选择策略的作用是保证TS具有跳出局优的能力当前解x每一步总是移动到邻域N(x)中未被禁忌的最优解,即若C(sK(x))=Opt{C(s(X)),s(X)∈N(x)\T},则令X=sK(x)。本次移动到邻域N(x)中未被禁忌的最优解sK(x);
⑥渴望水平函数
渴望水平A(s,x)是一个取决于s和x的值,若有C(s(x))<A(s,x)成立,则s(x)不受T表限制。也就是说即使存在s(x)∈T,x仍然可以移动到s(x)。A(s,x)一般选取为历史上所能达到的最优函数值;
⑦停止准则
首先,设定最大迭代步数;其次,设定某个对象的最大禁忌频率;最后,设定适配值的偏离阈值。
S33:选一个初始点x,计x为最优点;
S34:计算x的邻域;
S35:将达到禁忌长度的解加入邻域;
S36:将满足规则的解加入邻域;
S37:计算邻域中的最优点,记为x;
S38:邻域中其它禁忌点写入禁忌表;
S39:判断是否满足终止规则,若是,执行S40;否则执行步骤S34;
S40:训练BP神经网络,确定神经网络模型。
变量选择算法为NMITS-BP算法;该算法主要利用NMITS软测量算法对浮选中的无关变量进行筛选和剔除使得剩下为有用变量,然后利用BP神经网络最终完成网络训练。
S3:将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量;
为了精确预测出铜精矿及尾矿的品位,必须对铜矿浮选过程中各输入变量进行剔除无关变量,使之留下的变量中对精矿及尾矿品位影响是息息相关的,利用这些变量在计算机的MATLAB神经网络工具箱里设计软测量算法,一旦网络模型训练成功,则模型中的权重系数、阈值即为定值;将该神经网络中的权重系数及相应的阈值用C语言编写出来为下位机的应用程序并植入到协调器模块中的应用层。此外,在Z-Stack底层协议栈里已经封装好了各个子函数,调用相关的子函数便可进行无线数据的收发,此工作都在ZigBee协议栈中的应用层中实现。
S4:软测量求得的铜精矿和尾矿品位值经过无线网络传输到上位机并在基于LabVIEW的软件平台进行实时显示。
下位机中的ZigBee终端模块能够实时采集浮选过程的输入变量的值,将在浮选中采集的数据无线发给协调器模块将最后得出的精矿、尾矿品位的值显示在上位机LabVIEW的监控界面上,这样能够实时监测及控制铜矿浮选中各输入变量使之将精矿及尾矿品位达到最佳,从而提高产品质量,提高经济效益。
协调器模块和上位机之间用RS232串口线连接进行通信,协调器模块上电运行后首先建立一个无线局域网络,在这个区域内如果有路由模块或ZigBee终端模块上电后它们会自动加入协调器模块建立的网络,协调器模块主要功能是无线接收终端节点在铜矿浮选中采集的生产数据,从而对数据进行相应的处理,通过RS232串口将数据发送给上位机,最后得出精矿和尾矿品位的结果在上位机软件LabVIEW界面上显示出来,从而达到预测的目的。
实施例二
如图1所示,本发明技术方案提供本发明技术方案提供一种基于无线传感网络的铜矿浮选智能软测量系统,该系统包括上位机和下位机;所述的下位机包括ZigBee终端模块和协调器模块;
所述ZigBee终端模块包括传感器模块、通信模块、主控模块;
传感器模块,用于采集浮选过程中各输入变量并将采集的数据通过通信模块发送给协调器模块;
通信模块,用于下位机与上位机进行通信;
所述的上位机安装有LabVIEW软件,所述LabVIEW软件实时显示铜矿浮选中的各生产过程的数据及软测量求得的铜精矿和尾矿品位值;
主控模块,用于给ZigBee终端模块的硬件下达指示命令,确保硬件正常工作及创建无线局域网络。
所述协调器模块,上电运行后用于建立一个无线局域网络;所述协调器模块,还用于无线接收ZigBee终端模块在铜矿浮选过程中采集的生产数据并对数据进行相应的处理,通过RS232串口将数据发送给上位机;
ZigBee终端模块上电运行后首先搜索邻近区域的协调器模块并加入其网络,ZigBee终端模块的主要功能是通过传感器采集浮选中的各个生产变量,从而将生产数据无线发送给协调器模块,维持着整个系统的正常运行。
该下位机还包括路由器模块,所述路由器模块,用于在网络中充当信息中继。本实施例中,协调器模块为包括ZigBee协调器;路由器模块包括ZigBee路由器;在整个ZigBee网络里,ZigBee路由器在网络中主要充当信息中继的功能。它对远距离的无线传输数据起着较为重要的作用,由于信号会随着距离的延长而逐渐变弱不利于ZigBee协调器无线接收数据,所以ZigBee路由器起着了至关重要的媒介作用支撑着网络信息的扩展和维护工作,保障系统工作的顺利进行。
LabVIEW软件,用于通过RS232口读取由协调器模块发送来的数据,并进行显示、监测;LabVIEW软件,还用于读取所训练的BP神经网络模型参数,并通过RS232口发送给协调器模块,协调器模块将参数发送给相应ZigBee终端模块,在线实时地反馈、调节软测量模型参数;LabVIEW软件,用于通过人机交互界面,发送控制命令到ZigBee终端模块,实现某些参数的手动控制。上位机还设有与LabVIEW系统通信的数据库,用于将测试数据进行存储。
该ZigBee终端模块硬件主要由供电模块、传感器模块、通信模块及主控模块组成。供电模块主要是给测量装置供电正常工作,保护芯片及起到稳压的作用;传感器模块主要是负责采集浮选过程中各输入变量,将采集的数据无线发送给协调器模块;通信模块主要是与上位机进行通信,将ZigBee终端模块采集的数据发送给上位机,在上位机的LabVIEW的监测界面上实时显示铜矿浮选中的各输入变量值及精矿、尾矿品位;主控模块主要是给ZigBee终端模块的硬件下达指示命令,确保硬件地正常工作及创建无线局域网络。
主控模块包括控制器,控制器选用CC2530作为硬件平台的主控芯片,该芯片是基于美国TI公司生产的内核处理器,该内核中有一个支持ZigBee底层协议的无线传感网络的电路,能够将数据无线收发,具有实时仿真和嵌入式跟踪支持,以及256kb的嵌入式高速闪存等功能。128位宽内存接口和独特的加速器体系结构使16位代能够以最高时钟速率执行。CH341芯片用于串行口的电平变换,实现控制器与通信接口之间的通信。
所述的传感器模块包括DS18B20数字传感器、T113压阻式压力传感器、RF无线传输的PH值传感器、HTD电涡流传感器;所述主控模块包括CC2530作为硬件平台的主控芯片。
上位机采用LabVIEW软件进行可视化开发,结合LabVIEW能够实时监测和控制铜矿浮选中各个输入变量的值,以达到精确预测精矿及尾矿品位的目的,进而降低生产成本,提高经济效益。系统硬件部分采用ZigBee无线传感器,体积小、便携、无线收发数据,可用于百米之外千米之内数据的传送,避免了有线传感器在现场工作过程中带来的一系列问题。速度快,准确性高,功耗低。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,包括如下步骤:
实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数;
对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数;
将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量;
软测量求得的铜精矿和尾矿品位值传输到上位机并在基于LabVIEW的软件平台进行实时显示。
2.根据权利要求1所述的一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,所述的实时采集铜矿浮选生产过程中各个输入变量的步骤包括:
基于ZigBee的嵌入式芯片设计ZigBee终端模块,实时采集铜矿浮选生产过程中各个输入变量及浮选现场环境参数。
3.根据权利要求2所述的一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,所述的对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数的步骤包括:
对浮选过程中各输入变量进行预处理、剔除无关变量或影响小于设定影响比例的变量,输出影响浮选过程精矿及尾矿品位的关键变量;
利用所述的关键变量在MATLAB工具箱里设计软测量算法,确定BP神经网络模型参数。
4.根据权利要求3所述的一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,所述的对采集的输入变量进行预处理并利用处理后的变量训练神经网络,确定BP神经网络模型参数的步骤,具体包括:
S31:利用归一化互信息将浮选过程中的输入变量值压缩到0~1之间;
S32:利用禁忌搜索的思想完成变量的初步排序;
S33:选一个初始点x,计x为最优点;
S34:计算x的邻域;
S35:将达到禁忌长度的解加入邻域;
S36:将满足规则的解加入邻域;
S37:计算邻域中的最优点,记为x;
S38:邻域中其它禁忌点写入禁忌表;
S39:判断是否满足终止规则,若是,执行S40;否则执行步骤S34;
S40:训练BP神经网络,确定神经网络模型参数。
5.根据权利要求3所述的一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,将建好的模型参数编写程序植入到协调器模块,同时协调器模块接收采集的浮选中各输入变量对目标变量进行软测量的步骤包括:
用预处理的数据在MATLAB工具箱里进行数据建模,将建好的模型参数用C语言编写,然后植入到协调器模块,同时协调器模块接收ZigBee终端模块采集的生产数据软测量出精矿及尾矿品位值。
6.根据权利要求5所述的一种基于无线传感网络的铜矿浮选智能软测量方法,其特征在于,软测量求得的铜精矿和尾矿品位值传输到上位机并在基于LabVIEW的软件平台进行实时显示的步骤包括:
协调器模块将软测量求得的铜精矿和尾矿品位值通过RS232串口传输到上位机并在基于LabVIEW的软件平台进行实时显示。
7.一种基于无线传感网络的铜矿浮选智能软测量系统,其特征在于,该系统包括上位机和下位机;所述的下位机包括ZigBee终端模块和协调器模块;
所述ZigBee终端模块包括传感器模块、通信模块、主控模块;
传感器模块,用于采集浮选过程中各输入变量并将采集的数据通过通信模块发送给协调器模块;
通信模块,用于下位机与上位机进行通信;
所述的上位机安装有LabVIEW软件,所述LabVIEW软件实时显示铜矿浮选中的各生产过程的数据及软测量求得的铜精矿和尾矿品位值;
主控模块,用于给ZigBee终端模块的硬件下达指示命令,确保硬件正常工作及创建无线局域网络。
8.根据权利要求7所述的一种基于无线传感网络的铜矿浮选智能软测量系统,其特征在于,所述协调器模块,上电运行后用于建立一个无线局域网络;所述协调器模块,还用于无线接收ZigBee终端模块在铜矿浮选过程中采集的生产数据并对数据进行相应的处理,通过RS232串口将数据发送给上位机;
该系统还包括路由器模块,所述路由器模块,用于在网络中充当信息中继。
9.根据权利要求7所述的一种基于无线传感网络的铜矿浮选智能软测量系统,其特征在于,LabVIEW软件,用于通过RS232口读取由协调器模块发送来的数据,并进行显示、监测;
LabVIEW软件,还用于读取所训练的BP神经网络模型参数,并通过RS232口发送给协调器模块,协调器模块将参数发送给相应ZigBee终端模块,在线实时地反馈、调节软测量模型参数;
LabVIEW软件,用于通过人机交互界面,发送控制命令到ZigBee终端模块,实现某些参数的手动控制。
10.根据权利要求7所述的一种基于无线传感网络的铜矿浮选智能软测量系统,其特征在于,所述的传感器模块包括DS18B20数字传感器、T113压阻式压力传感器、RF无线传输的PH值传感器、HTD电涡流传感器;所述主控模块包括CC2530作为硬件平台的主控芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321003.0A CN111482280B (zh) | 2020-04-22 | 2020-04-22 | 一种基于无线传感网络的铜矿浮选智能软测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321003.0A CN111482280B (zh) | 2020-04-22 | 2020-04-22 | 一种基于无线传感网络的铜矿浮选智能软测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111482280A true CN111482280A (zh) | 2020-08-04 |
CN111482280B CN111482280B (zh) | 2021-11-30 |
Family
ID=71791925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010321003.0A Active CN111482280B (zh) | 2020-04-22 | 2020-04-22 | 一种基于无线传感网络的铜矿浮选智能软测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111482280B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112916196A (zh) * | 2020-12-29 | 2021-06-08 | 内蒙古黄岗矿业有限责任公司 | 一种从低铜高锌硫化矿中获取独立铜、锌精矿的选矿工艺 |
CN114130525A (zh) * | 2021-11-29 | 2022-03-04 | 湖南柿竹园有色金属有限责任公司 | 一种选矿设备控制方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1196262A (ja) * | 1997-09-25 | 1999-04-09 | The Asahi Bank Ltd | 売掛債権の流動化処理システム |
CN201464865U (zh) * | 2009-07-15 | 2010-05-12 | 河南天擎机电技术有限公司 | 基于Zigbee的公共场所环境监测控制系统 |
CN104299045A (zh) * | 2014-09-24 | 2015-01-21 | 东北大学 | 一种选矿生产全流程精矿产量预报系统及方法 |
CN104809514A (zh) * | 2015-04-09 | 2015-07-29 | 北京科技大学 | 一种浮选过程浮精品位的动态预测方法及系统 |
CN109002862A (zh) * | 2018-08-22 | 2018-12-14 | 齐鲁工业大学 | 一种面向铜矿浮选机的基于神经网络的软测量方法及系统 |
-
2020
- 2020-04-22 CN CN202010321003.0A patent/CN111482280B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1196262A (ja) * | 1997-09-25 | 1999-04-09 | The Asahi Bank Ltd | 売掛債権の流動化処理システム |
CN201464865U (zh) * | 2009-07-15 | 2010-05-12 | 河南天擎机电技术有限公司 | 基于Zigbee的公共场所环境监测控制系统 |
CN104299045A (zh) * | 2014-09-24 | 2015-01-21 | 东北大学 | 一种选矿生产全流程精矿产量预报系统及方法 |
CN104809514A (zh) * | 2015-04-09 | 2015-07-29 | 北京科技大学 | 一种浮选过程浮精品位的动态预测方法及系统 |
CN109002862A (zh) * | 2018-08-22 | 2018-12-14 | 齐鲁工业大学 | 一种面向铜矿浮选机的基于神经网络的软测量方法及系统 |
Non-Patent Citations (4)
Title |
---|
KAI SUN: "An Improved Normalized Mutual Information", 《SENSORS》 * |
聂增丽: "《无线传感网开发与实践》", 30 November 2018 * |
赵常松: "《ARM嵌入式系统原理与应用教程》", 30 September 2016 * |
辛斌: "《面向复杂优化问题求解的智能优化方法》", 30 September 2017 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112916196A (zh) * | 2020-12-29 | 2021-06-08 | 内蒙古黄岗矿业有限责任公司 | 一种从低铜高锌硫化矿中获取独立铜、锌精矿的选矿工艺 |
CN112916196B (zh) * | 2020-12-29 | 2022-08-23 | 内蒙古黄岗矿业有限责任公司 | 一种从低铜高锌硫化矿中获取独立铜、锌精矿的选矿工艺 |
CN114130525A (zh) * | 2021-11-29 | 2022-03-04 | 湖南柿竹园有色金属有限责任公司 | 一种选矿设备控制方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111482280B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111482280B (zh) | 一种基于无线传感网络的铜矿浮选智能软测量方法及系统 | |
CN104570739B (zh) | 基于云和移动终端的选矿多生产指标优化决策系统及方法 | |
CN103226741B (zh) | 城市供水管网爆管预测方法 | |
CN103412489B (zh) | 一种磨矿粒度在线预报系统及方法 | |
CN103530818B (zh) | 一种基于brb系统的供水管网建模方法 | |
WO2021189739A1 (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
CN110516954A (zh) | 一种基于ga-bp神经网络算法优化选矿生产指标的方法 | |
CN110378799A (zh) | 基于多尺度深度卷积网络的氧化铝综合生产指标决策方法 | |
CN108519770B (zh) | 一种浮选过程运行控制的实验平台 | |
CN110023850A (zh) | 用于控制技术系统的方法和控制装置 | |
CN104597755A (zh) | 一种湿法冶金金氰化浸出过程优化方法 | |
CN101789096A (zh) | 一种基于目标导引的炼钢-连铸生产物流仿真优化方法 | |
CN103729571B (zh) | 一种高炉炼铁过程一氧化碳利用率的建模方法 | |
CN104573869A (zh) | 基于bp神经网络与nsga-ⅱ实现疏浚作业的优化方法及系统 | |
CN109507961B (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
CN104680012A (zh) | 一种烧结配料计算模型 | |
CN101706882A (zh) | 基于嵌入式平台的神经网络模型在线训练方法 | |
CN104062953A (zh) | 金湿法冶金过程运行状态在线评价方法 | |
CN109918817A (zh) | 一种基于时变数据的生产线能耗分析方法 | |
Nakhaeie et al. | Concentrate grade prediction in an industrial flotation column using artificial neural network | |
CN107506862A (zh) | 一种基于物联网的磨矿粒度在线实时预测系统及方法 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN113761787A (zh) | 基于深度迁移网络的高炉铁水硅含量在线预测方法及系统 | |
CN114386679A (zh) | 基于集成学习的球磨机能耗状态监测方法 | |
CN104299045A (zh) | 一种选矿生产全流程精矿产量预报系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220713 Address after: Room 409, Yimeng cloud Valley, No.19 Chang'an Road, Zhimadun street, economic development zone, Linyi City, Shandong Province 276000 Patentee after: SHANDONG TONGQI INTELLIGENT TECHNOLOGY CO.,LTD. Address before: 250353 University Road, Changqing District, Ji'nan, Shandong Province, No. 3501 Patentee before: Qilu University of Technology |