CN117862045A - 一种超细颗粒连续分选的控制系统 - Google Patents
一种超细颗粒连续分选的控制系统 Download PDFInfo
- Publication number
- CN117862045A CN117862045A CN202311785456.9A CN202311785456A CN117862045A CN 117862045 A CN117862045 A CN 117862045A CN 202311785456 A CN202311785456 A CN 202311785456A CN 117862045 A CN117862045 A CN 117862045A
- Authority
- CN
- China
- Prior art keywords
- sorting
- ultrafine particles
- unit
- sub
- particles
- 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
- 239000011882 ultra-fine particle Substances 0.000 title claims abstract description 166
- 238000000926 separation method Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 81
- 230000033001 locomotion Effects 0.000 claims abstract description 35
- 239000006185 dispersion Substances 0.000 claims abstract description 32
- 230000000875 corresponding effect Effects 0.000 claims description 86
- 238000004458 analytical method Methods 0.000 claims description 33
- 239000002245 particle Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000010224 classification analysis Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims 7
- 238000005206 flow analysis Methods 0.000 claims 3
- 230000001276 controlling effect Effects 0.000 claims 1
- 238000005194 fractionation Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011819 refractory material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B13/00—Grading or sorting solid materials by dry methods, not otherwise provided for; Sorting articles otherwise than by indirectly controlled devices
- B07B13/14—Details or accessories
- B07B13/18—Control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种超细颗粒连续分选的控制系统，涉及超细颗粒分选技术领域，包括：基于超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散；基于超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数，匹配相对应的分选流程；获取分选结束的分选样品，得到对应分选流程的分选完成度；基于分选完成度，对分选流程进行优化继续对相应分选样品进行控制分选。通过分析超细颗粒的实时图像，对全部超细颗粒进行分散，还通过对超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数进行分析，匹配相对应的分选流程进行分选，对分选样品进行验证，继续分选，提高超细颗粒分选的准确度，提高超细颗粒连续分选的效率。
Description
技术领域
本发明涉及超细颗粒分选技术领域，特别涉及一种超细颗粒连续分选的控制系统。
背景技术
超细颗粒材料不仅是制备结构材料的基础，其本身也是一种具有特殊功能的材料，为精细陶瓷、电子元件、生物工程处理、新型打印材料、优质耐火材料以及与精细化工有关的材料等许多领域所必需。随着超细颗粒材料在现代工业越来越广泛的应用，超细颗粒的分选在超细颗粒材料加工中的地位越来越重要。
因此，本发明提供一种超细颗粒连续分选的控制系统。
发明内容
本发明提供一种超细颗粒连续分选的控制系统，用以通过分析超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散，还通过对超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数进行分析，匹配相对应的分选流程，按照分选流程进行分选，获取分选结束的分选样品，得到对应分选流程的分选完成度，若分选完成度大于预设分选完成度，对分选流程进行优化继续对相应分选样品进行控制分选，提高超细颗粒分选的准确度，提高超细颗粒连续分选的效率。
本发明提供一种超细颗粒连续分选的控制系统，包括：
分散模块：基于超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散；
流程匹配模块：基于超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数，匹配相对应的分选流程；
流程分析模块：获取分选结束的分选样品，得到对应分选流程的分选完成度；
优化模块：基于所述分选完成度，对所述分选流程进行优化继续对相应分选样品进行控制分选。
优选的，本发明提供一种超细颗粒连续分选的控制系统，分散模块，包括：
时间分析单元：基于超细颗粒连续分选的传送带的传送速度以及图像获取范围，得到超细颗粒的图像获取时间；
图像获取单元：基于所述图像获取时间，获取超细颗粒的实时图像。
优选的，本发明提供一种超细颗粒连续分选的控制系统，分散模块，还包括：
灰度转化单元：对超细颗粒的实时图像进行灰度转化，得到相对应的灰度图；
第一高光分析单元：基于超细颗粒的最小体积，得到相对应的每种超细颗粒在独立的情况下的第一高光范围；
第二面积获取单元：确定所述灰度图中每个封闭的第二高光范围，并确定大于第一高光范围的每个第二高光范围的第二面积；
分散方式匹配单元：基于面积最大的第二面积以及面积-分散方式对照表，得到相对应的分散方式，对全部超细颗粒进行分散。
优选的，本发明提供一种超细颗粒连续分选的控制系统，流程匹配模块，包括：
需求分析单元：基于超细颗粒的分级需求，得到相对应的每一级的超细颗粒的性质参数；
互斥分析单元：获取每一级的超细颗粒的性质参数下的全部子性质参数的互斥特性，得到互斥的第一子性质组合；
第一数量获取单元：获取每对第一子性质组合中每个互斥子性质相对应的超细颗粒的级别的第一数量；
组合重构单元：对同对第一子性质组合中的全部第一数量，按照从小到大的顺序排列，得到具有排列顺序的第二子性质组合；
第一级别获取单元：获取全部第二子性质组合中未含有的超细颗粒的第一级别；
介质分析单元：基于第一级别的超细颗粒的性质参数，得到第一级别的超细颗粒通过分选的第一介质参数；
第二组合筛选单元：若所述第一介质参数只含有一种介质，且与除第一级别之外的其余级别的超细颗粒的第二介质参数互斥，则保留所述第一级别以及互斥的第二级别组成第三子性质组合；
第一轨迹获取单元：若所述第一介质参数中含有两种介质，则获取相对应的第一级别的超细颗粒在两种介质中的第一运动轨迹；
第二轨迹获取单元：获取每个除第一级别之外的其余级别的超细颗粒在两种介质中的第二运动轨迹；
曲线截取单元：获取全部第一运动轨迹以及全部第二运动轨迹分别拟合的曲线，并分别基于每个拟合后的第一运动轨迹结果以及每个拟合后的第二运动轨迹结果，来相应截取预设长度的第一曲线以及第二曲线；
坐标获取单元：基于相同介质的第一曲线以及全部第二曲线，得到每个第二曲线基于所述第一曲线的最高点的横坐标的第二纵坐标；
差值获取单元：依次计算所述第一曲线的最高点相对应的第一纵坐标与全部第二纵坐标的差值的绝对值，得到第一差值；
组合构建单元：获取第一差值最大的第二曲线相对应的第二级别，得到第四子性质组合；
互斥特性分析单元：基于全部第一子性质组合、第二子性质组合、第三子性质组合以及第四子性质组合相对应的互斥特性，构建互斥特性集合；
流程匹配单元：将所述互斥特性集合输入至分选流程匹配模型，匹配相对应的分选流程。
优选的，本发明提供一种超细颗粒连续分选的控制系统，流程分析模块 ，包括：
分量单元：基于超细颗粒的分级需求以及待分级的超细颗粒的总量，得到每个级别的分级量；
样品量获取单元：基于每个分级量，得到相对应的样品量；
获取方式获取单元：基于每个样品量以及相对应的分级量，得到相对应的样品获取方式。
优选的，本发明提供一种超细颗粒连续分选的控制系统，流程分析模块，还包括：
样品获取单元：基于样品获取方式获取分选结束后的每个分选样品，并标记样品所属级别；
样品分析单元：获取每个分选样品的样品集并进行颗粒分级分析，得到每个分选样品含有的每个级别的颗粒的第一数量；
计算单元：基于全部第一数量以及相同级别的预设分选样品中含有的每个级别的颗粒的第二数量，计算得到对应分选流程的分选完成度。
优选的，本发明提供一种超细颗粒连续分选的控制系统，计算单元，包括：
；其中，/>表示分选流程的分选完成度；/>表示全部分选样品的数量；/>表示全部分选的级别的数量；/>表示全部分选样品中第/>个分选样品中含有的第/>级别的颗粒的第一数量；/>表示全部分选样品中第/>个分选样品相同级别的预设分选样品含有的第/>级别的颗粒的第二数量；/>表示第个分选样品相同级别的预设分选样品中第/>级别的颗粒的影响权重。
优选的，本发明提供一种超细颗粒连续分选的控制系统，优化模块，包括：
差值计算单元：若所述分选完成度大于预设分选完成度，则计算每个分选样品的每个第一数量以及相对应的第二数量的第二差值；
二次分选单元：将每个分选样品的第二差值输入至差值分析模型，得到二次分选方法进行分选。
与现有技术相比，本申请的有益效果如下：
通过分析超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散，还通过对超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数进行分析，匹配相对应的分选流程，按照分选流程进行分选，获取分选结束的分选样品，得到对应分选流程的分选完成度，若分选完成度大于预设分选完成度，对分选流程进行优化继续对相应分选样品进行控制分选，提高超细颗粒分选的准确度，提高超细颗粒连续分选的效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种超细颗粒连续分选的控制系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供一种超细颗粒连续分选的控制系统，如图1所示，包括：
分散模块：基于超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散；
流程匹配模块：基于超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数，匹配相对应的分选流程；
流程分析模块：获取分选结束的分选样品，得到对应分选流程的分选完成度；
优化模块：基于所述分选完成度，对所述分选流程进行优化继续对相应分选样品进行控制分选。
该实施例中，实时图像指的是包含全部超细颗粒的能够展示全部超细颗粒的实时的图像。
该实施例中，分散方式指的是能够将粘连、结块的超细颗粒分散的方法。
该实施例中，分级需求指的是超细颗粒连续分选需要分选的级别以及每个级别相对应的超细颗粒的直径范围。
该实施例中，运动参数指的是超细颗粒以相同速度在不同介质中通过的运动轨迹。
该实施例中，分选流程指的是分选步骤最少、且分选效率最高的分选步骤的组合。
该实施例中，分选样品指的是对分选结束后的超细颗粒提取的少量的样品。
该实施例中，分选完成度指的是通过对分选样品进行分析计算，得到的表示分选流程的完成程度的数值。
上述技术方案的工作原理及有益效果是：通过分析超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散，还通过对超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数进行分析，匹配相对应的分选流程，按照分选流程进行分选，获取分选结束的分选样品，得到对应分选流程的分选完成度，若分选完成度大于预设分选完成度，对分选流程进行优化继续对相应分选样品进行控制分选，提高超细颗粒分选的准确度，提高超细颗粒连续分选的效率。
实施例2：
根据发明实施例1提供的系统，分散模块，包括：
时间分析单元：基于超细颗粒连续分选的传送带的传送速度以及图像获取范围，得到超细颗粒的图像获取时间；
图像获取单元：基于所述图像获取时间，获取超细颗粒的实时图像。
该实施例中，传送速度指的是超细颗粒连续分选使用的传送带的传输速度。
该实施例中，图像获取范围指的是传送带上方获取实时图像的照相设备可以拍到的图像的范围。
该实施例中，图像获取时间指的是通过对传输速度以及图像获取范围进行分析，得到能够将全部超细颗粒都拍摄进图像中的图像获取的间隔时间。
上述技术方案的工作原理及有益效果是：通过对超细颗粒连续分选的传送带的传送速度以及图像获取范围进行分析，得到超细颗粒的图像获取时间，使得实时图像能够包含全部超细颗粒的图像，提高超细颗粒分选的效率。
实施例3：
根据发明实施例1提供的系统，分散模块，还包括：
灰度转化单元：对超细颗粒的实时图像进行灰度转化，得到相对应的灰度图；
第一高光分析单元：基于超细颗粒的最小体积，得到相对应的每种超细颗粒在独立的情况下的第一高光范围；
第二面积获取单元：确定所述灰度图中每个封闭的第二高光范围，并确定大于第一高光范围的每个第二高光范围的第二面积；
分散方式匹配单元：基于面积最大的第二面积以及面积-分散方式对照表，得到相对应的分散方式，对全部超细颗粒进行分散。
该实施例中，灰度图指的是超细颗粒的实时图像进行灰度转化后得到的超细颗粒的灰度的图。
该实施例中，最小体积指的是待分选的超细颗粒中每种超细颗粒中最小的超细颗粒的体积。
该实施例中，第一高光范围指的是每种超细颗粒中最小的超细颗粒在灰度图中的白色高光的范围。
该实施例中，第二高光范围指的是灰度图中每个封闭的白色高光的范围。
该实施例中，第二面积指的是大于第一高光范围的每个第二高光范围的第二面积。
该实施例中，面积-分散方式对照表指的是包含高光面积以及相对应的颗粒的分散方式的对照表。
上述技术方案的工作原理及有益效果是：通过对超细颗粒的实时图像进行分析，匹配相对应的分散方式，提高超细颗粒连续分选的效率。
实施例4：
根据发明实施例1提供的系统，流程匹配模块，包括：
需求分析单元：基于超细颗粒的分级需求，得到相对应的每一级的超细颗粒的性质参数；
互斥分析单元：获取每一级的超细颗粒的性质参数下的全部子性质参数的互斥特性，得到互斥的第一子性质组合；
第一数量获取单元：获取每对第一子性质组合中每个互斥子性质相对应的超细颗粒的级别的第一数量；
组合重构单元：对同对第一子性质组合中的全部第一数量，按照从小到大的顺序排列，得到具有排列顺序的第二子性质组合；
第一级别获取单元：获取全部第二子性质组合中未含有的超细颗粒的第一级别；
介质分析单元：基于第一级别的超细颗粒的性质参数，得到第一级别的超细颗粒通过分选的第一介质参数；
第二组合筛选单元：若所述第一介质参数只含有一种介质，且与除第一级别之外的其余级别的超细颗粒的第二介质参数互斥，则保留所述第一级别以及互斥的第二级别组成第三子性质组合；
第一轨迹获取单元：若所述第一介质参数中含有两种介质，则获取相对应的第一级别的超细颗粒在两种介质中的第一运动轨迹；
第二轨迹获取单元：获取每个除第一级别之外的其余级别的超细颗粒在两种介质中的第二运动轨迹；
曲线截取单元：获取全部第一运动轨迹以及全部第二运动轨迹分别拟合的曲线，并分别基于每个拟合后的第一运动轨迹结果以及每个拟合后的第二运动轨迹结果，来相应截取预设长度的第一曲线以及第二曲线；
坐标获取单元：基于相同介质的第一曲线以及全部第二曲线，得到每个第二曲线基于所述第一曲线的最高点的横坐标的第二纵坐标；
差值获取单元：依次计算所述第一曲线的最高点相对应的第一纵坐标与全部第二纵坐标的差值的绝对值，得到第一差值；
组合构建单元：获取第一差值最大的第二曲线相对应的第二级别，得到第四子性质组合；
互斥特性分析单元：基于全部第一子性质组合、第二子性质组合、第三子性质组合以及第四子性质组合相对应的互斥特性，构建互斥特性集合；
流程匹配单元：将所述互斥特性集合输入至分选流程匹配模型，匹配相对应的分选流程。
该实施例中，性质参数指的是每个级别的超细颗粒的性质，包括：颗粒粒径、密度、颜色、形状、磁性、放射性以及可以通过的介质。
该实施例中，子性质参数指的是性质参数中每个独立的性质以及相对应的参数，例如：密度。
该实施例中，互斥特性指的是不可能同时发生的子性质参数。
该实施例中，第一子性质组合指的是互斥的两个子性质参数构成的组合。
该实施例中，第一数量指的是每对第一子性质组合中每个互斥子性质相对应的超细颗粒的级别的数量。
该实施例中，第二子性质组合指的是对同对第一子性质组合中的全部第一数量，按照从小到大的顺序排列，得到具有排列顺序的子性质的组合。
该实施例中，第一级别指的是全部第二子性质组合中未含有的超细颗粒的级别。
该实施例中，第一介质参数指的是第一级别的超细颗粒可以通过的介质，包括：水以及空气。
该实施例中，第二介质参数指的是其余级别的超细颗粒可以通过的介质。
该实施例中，第三子性质组合指的是只含有一种介质、且与除第一级别之外的其余级别的超细颗粒的第二介质参数互斥的第一介质参数相对应的互斥的两个级别的子性质参数构成的组合。
该实施例中，第一运动轨迹指的是含有两种介质的第一介质参数相对应的级别的超细颗粒以设定的发送速度通过两种介质时的运动的轨迹。
该实施例中，第二运动轨迹指的是每个除第一级别之外的其余级别的超细颗粒以设定的发送速度通过两种介质时的运动的轨迹。
该实施例中，预设长度指的是预先设置的进行超细颗粒的分选的长度。
该实施例中，第一曲线指的是第一运动轨迹进行拟合后截取的预设长度的曲线。
该实施例中，第二曲线指的是第二运动轨迹进行拟合后截取的预设长度的曲线。
该实施例中，第二纵坐标指的是相同介质的每个第二曲线在第一曲线的最高点的横坐标的纵坐标。
该实施例中，第一纵坐标指的是第一曲线的最高点相对应的纵坐标。
该实施例中，第一差值指的是第一纵坐标与全部第二纵坐标的差值的绝对值。
该实施例中，第四子性质组合指的是第一差值最大的第二曲线相对应的第二级别以及第一级别构成的组合。
该实施例中，互斥特性集合指的是全部第一子性质组合、第二子性质组合、第三子性质组合以及第四子性质组合相对应的互斥特性构建的集合。
该实施例中，分选流程匹配模型指的是由互斥特性集合训练得到的能够对互斥特性集合进行分析，得到分选步骤最少、且分选效率最高的分选流程。
上述技术方案的工作原理及有益效果是：通过对超细颗粒的分级需求进行分析，得到分选后得到的每种等级的超级颗粒的性质参数，对全部等级的超细颗粒的性质参数进行分析，得到性质互斥的等级的子性质组合，对无法从性质互斥方面分选的等级的超细颗粒进行介质分析，得到可以通过的介质，对通过介质的运动轨迹进行分析，得到可以分选的子性质组合，将全部子性质组合输入至分选流程匹配模型，得到分选效率最高的分选流程，提高超细颗粒分选的准确度，提高超细颗粒连续分选的效率。
实施例5：
根据发明实施例1提供的系统，流程分析模块 ，包括：
分量单元：基于超细颗粒的分级需求以及待分级的超细颗粒的总量，得到每个级别的分级量；
样品量获取单元：基于每个分级量，得到相对应的样品量；
获取方式获取单元：基于每个样品量以及相对应的分级量，得到相对应的样品获取方式。
该实施例中，分级量指的是通过对超细颗粒的分级需求以及待分级的超细颗粒的总量进行分析，得到的分选之后每个等级的超细颗粒的量。
该实施例中，样品量指的是通过对每个分级量进行分析，得到能够代表分级量的需要提取的量。
该实施例中，样品获取方式指的是通过对每个样品量以及相对应的分级量进行分析，得到的获取样品的间隔。
上述技术方案的工作原理及有益效果是：通过对超细颗粒的分级需求以及待分级的超细颗粒的总量进行分析，得到相对应的样品获取方式，有利于检验分选流程，对分选流程进行优化，提高超细颗粒连续分选的效率。
实施例6：
根据发明实施例1提供的系统，流程分析模块，还包括：
样品获取单元：基于样品获取方式获取分选结束后的每个分选样品，并标记样品所属级别；
样品分析单元：获取每个分选样品的样品集并进行颗粒分级分析，得到每个分选样品含有的每个级别的颗粒的第一数量；
计算单元：基于全部第一数量以及相同级别的预设分选样品中含有的每个级别的颗粒的第二数量，计算得到对应分选流程的分选完成度。
该实施例中，样品集指的是能够包含分选样品中全部超细颗粒的图像的集合。
该实施例中，颗粒分级分析模型指的是由超细颗粒的图像训练得到的能够分析图像中每个超细颗粒的直径并进行分级的模型。
该实施例中，第一数量指的是每个分选样品含有的每个级别的颗粒的数量。
该实施例中，预设分选样品指的是预先设置的符合分选标准的样品。
该实施例中，第二数量指的是预设分选样品中含有的每个级别的颗粒的数量。
上述技术方案的工作原理及有益效果是：通过分析分选结束的分选样品，计算得到本次分选流程的分选完成度，有利于检验分选流程，对分选流程进行优化，提高超细颗粒连续分选的效率。
实施例7：
根据发明实施例1提供的系统，计算单元，包括：
；其中，/>表示分选流程的分选完成度；/>表示全部分选样品的数量；/>表示全部分选的级别的数量；/>表示全部分选样品中第/>个分选样品中含有的第/>级别的颗粒的第一数量；/>表示全部分选样品中第/>个分选样品相同级别的预设分选样品含有的第/>级别的颗粒的第二数量；/>表示第个分选样品相同级别的预设分选样品中第/>级别的颗粒的影响权重。
该实施例中，影响权重指的是分选样品相同级别的预设分选样品中的每个级别的颗粒对分选样品相对应的超细颗粒的级别的影响程度，其中，超细颗粒的级别越接近分选样品相对应的级别，影响权重越小。
上述技术方案的工作原理及有益效果是：通过计算得到分选流程的分选完成度，有利于检验分选流程，对分选流程进行优化，提高超细颗粒连续分选的效率。
实施例8：
根据发明实施例1提供的系统，优化模块，包括：
差值计算单元：若所述分选完成度大于预设分选完成度，则计算每个分选样品的每个第一数量以及相对应的第二数量的第二差值；
二次分选单元：将每个分选样品的第二差值输入至差值分析模型，得到二次分选方法进行分选。
该实施例中，预设分选完成度指的是预先设置的符合分选标准的分选完成度。
该实施例中，第二差值指的是大于预设分选完成度的分选完成度相对应的每个分选样品的每个第一数量以及相对应的第二数量的差值。
该实施例中，差值分析模型指的是由每个分选样品的每个第一数量以及相对应的第二数量的差值进行训练得到的能够对差值进行分析得到再次分选的方法的模型。
该实施例中，二次分选方法指的是差值分析模型输出的对分选后不符合分选标准的超细颗粒再次进行分选的方法。
上述技术方案的工作原理及有益效果是：通过对分选流程进行优化，匹配二次优化方法继续对相应分选样品进行控制分选，提高超细颗粒分选的准确度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种超细颗粒连续分选的控制系统，其特征在于，包括：
分散模块：基于超细颗粒的实时图像，匹配相对应的分散方式，对全部超细颗粒进行分散；
流程匹配模块：基于超细颗粒的分级需求以及分散后的全部超细颗粒的运动参数，匹配相对应的分选流程；
流程分析模块：获取分选结束的分选样品，得到对应分选流程的分选完成度；
优化模块：基于所述分选完成度，对所述分选流程进行优化继续对相应分选样品进行控制分选。
2.根据权利要求1所述的系统，其特征在于，分散模块，包括：
时间分析单元：基于超细颗粒连续分选的传送带的传送速度以及图像获取范围，得到超细颗粒的图像获取时间；
图像获取单元：基于所述图像获取时间，获取超细颗粒的实时图像。
3.根据权利要求1所述的系统，其特征在于，分散模块，还包括：
灰度转化单元：对超细颗粒的实时图像进行灰度转化，得到相对应的灰度图；
第一高光分析单元：基于超细颗粒的最小体积，得到相对应的每种超细颗粒在独立的情况下的第一高光范围；
第二面积获取单元：确定所述灰度图中每个封闭的第二高光范围，并确定大于第一高光范围的每个第二高光范围的第二面积；
分散方式匹配单元：基于面积最大的第二面积以及面积-分散方式对照表，得到相对应的分散方式，对全部超细颗粒进行分散。
4.根据权利要求1所述的系统，其特征在于，流程匹配模块，包括：
需求分析单元：基于超细颗粒的分级需求，得到相对应的每一级的超细颗粒的性质参数；
互斥分析单元：获取每一级的超细颗粒的性质参数下的全部子性质参数的互斥特性，得到互斥的第一子性质组合；
第一数量获取单元：获取每对第一子性质组合中每个互斥子性质相对应的超细颗粒的级别的第一数量；
组合重构单元：对同对第一子性质组合中的全部第一数量，按照从小到大的顺序排列，得到具有排列顺序的第二子性质组合；
第一级别获取单元：获取全部第二子性质组合中未含有的超细颗粒的第一级别；
介质分析单元：基于第一级别的超细颗粒的性质参数，得到第一级别的超细颗粒通过分选的第一介质参数；
第二组合筛选单元：若所述第一介质参数只含有一种介质，且与除第一级别之外的其余级别的超细颗粒的第二介质参数互斥，则保留所述第一级别以及互斥的第二级别组成第三子性质组合；
第一轨迹获取单元：若所述第一介质参数中含有两种介质，则获取相对应的第一级别的超细颗粒在两种介质中的第一运动轨迹；
第二轨迹获取单元：获取每个除第一级别之外的其余级别的超细颗粒在两种介质中的第二运动轨迹；
曲线截取单元：获取全部第一运动轨迹以及全部第二运动轨迹分别拟合的曲线，并分别基于每个拟合后的第一运动轨迹结果以及每个拟合后的第二运动轨迹结果，来相应截取预设长度的第一曲线以及第二曲线；
坐标获取单元：基于相同介质的第一曲线以及全部第二曲线，得到每个第二曲线基于所述第一曲线的最高点的横坐标的第二纵坐标；
差值获取单元：依次计算所述第一曲线的最高点相对应的第一纵坐标与全部第二纵坐标的差值的绝对值，得到第一差值；
组合构建单元：获取第一差值最大的第二曲线相对应的第二级别，得到第四子性质组合；
互斥特性分析单元：基于全部第一子性质组合、第二子性质组合、第三子性质组合以及第四子性质组合相对应的互斥特性，构建互斥特性集合；
流程匹配单元：将所述互斥特性集合输入至分选流程匹配模型，匹配相对应的分选流程。
5.根据权利要求1所述的系统，其特征在于，流程分析模块 ，包括：
分量单元：基于超细颗粒的分级需求以及待分级的超细颗粒的总量，得到每个级别的分级量；
样品量获取单元：基于每个分级量，得到相对应的样品量；
获取方式获取单元：基于每个样品量以及相对应的分级量，得到相对应的样品获取方式。
6.根据权利要求5所述的系统，其特征在于，流程分析模块，还包括：
样品获取单元：基于样品获取方式获取分选结束后的每个分选样品，并标记样品所属级别；
样品分析单元：获取每个分选样品的样品集并进行颗粒分级分析，得到每个分选样品含有的每个级别的颗粒的第一数量；
计算单元：基于全部第一数量以及相同级别的预设分选样品中含有的每个级别的颗粒的第二数量，计算得到对应分选流程的分选完成度。
7.根据权利要求6所述的系统，其特征在于，计算单元，包括：
；其中，/>表示分选流程的分选完成度；/>表示全部分选样品的数量；/>表示全部分选的级别的数量；/>表示全部分选样品中第/>个分选样品中含有的第/>级别的颗粒的第一数量；/>表示全部分选样品中第/>个分选样品相同级别的预设分选样品含有的第/>级别的颗粒的第二数量；/>表示第/>个分选样品相同级别的预设分选样品中第/>级别的颗粒的影响权重。
8.根据权利要求6所述的系统，其特征在于，优化模块，包括：
差值计算单元：若所述分选完成度大于预设分选完成度，则计算每个分选样品的每个第一数量以及相对应的第二数量的第二差值；
二次分选单元：将每个分选样品的第二差值输入至差值分析模型，得到二次分选方法进行分选。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311785456.9A CN117862045B (zh) | 2023-12-22 | 2023-12-22 | 一种超细颗粒连续分选的控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311785456.9A CN117862045B (zh) | 2023-12-22 | 2023-12-22 | 一种超细颗粒连续分选的控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117862045A true CN117862045A (zh) | 2024-04-12 |
| CN117862045B CN117862045B (zh) | 2024-08-30 |
Family
ID=90591008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311785456.9A Active CN117862045B (zh) | 2023-12-22 | 2023-12-22 | 一种超细颗粒连续分选的控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117862045B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101234381A (zh) * | 2008-03-07 | 2008-08-06 | 天津市华核科技有限公司 | 基于视觉识别的颗粒物料分选分级方法 |
| CN106423913A (zh) * | 2016-09-09 | 2017-02-22 | 华侨大学 | 一种建筑垃圾的分选方法和系统 |
| KR101891515B1 (ko) * | 2018-04-06 | 2018-08-27 | (주)싸이젠텍 | 이물선별장치 |
| US20180246027A1 (en) * | 2014-10-09 | 2018-08-30 | Kinetic River Corp. | Particle analysis and sorting apparatus and methods |
| CN110433953A (zh) * | 2019-08-20 | 2019-11-12 | 中国恩菲工程技术有限公司 | 多组分细粒物料流态化分离设备 |
| CN211217447U (zh) * | 2019-10-14 | 2020-08-11 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种基于超声波的干粉颗粒振动分散装置 |
| WO2023279556A1 (zh) * | 2021-07-09 | 2023-01-12 | 福建南方路面机械股份有限公司 | 一种骨料粒径抽样监测方法 |
| CN116493290A (zh) * | 2023-06-28 | 2023-07-28 | 苏州吉玛环保科技有限公司 | 一种用于塑料颗粒生产的智能分选方法及系统 |
| CN219532824U (zh) * | 2022-11-24 | 2023-08-15 | 河海大学 | 一种基于图像法的野外现场泥沙颗粒粒径原位测量装置 |
| CN117181600A (zh) * | 2023-09-11 | 2023-12-08 | 江西万泰铝业有限公司 | 基于脉动气流分选的铝和铝合金分选方法及装置 |
-
2023
- 2023-12-22 CN CN202311785456.9A patent/CN117862045B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101234381A (zh) * | 2008-03-07 | 2008-08-06 | 天津市华核科技有限公司 | 基于视觉识别的颗粒物料分选分级方法 |
| US20180246027A1 (en) * | 2014-10-09 | 2018-08-30 | Kinetic River Corp. | Particle analysis and sorting apparatus and methods |
| CN106423913A (zh) * | 2016-09-09 | 2017-02-22 | 华侨大学 | 一种建筑垃圾的分选方法和系统 |
| KR101891515B1 (ko) * | 2018-04-06 | 2018-08-27 | (주)싸이젠텍 | 이물선별장치 |
| CN110433953A (zh) * | 2019-08-20 | 2019-11-12 | 中国恩菲工程技术有限公司 | 多组分细粒物料流态化分离设备 |
| CN211217447U (zh) * | 2019-10-14 | 2020-08-11 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种基于超声波的干粉颗粒振动分散装置 |
| WO2023279556A1 (zh) * | 2021-07-09 | 2023-01-12 | 福建南方路面机械股份有限公司 | 一种骨料粒径抽样监测方法 |
| CN219532824U (zh) * | 2022-11-24 | 2023-08-15 | 河海大学 | 一种基于图像法的野外现场泥沙颗粒粒径原位测量装置 |
| CN116493290A (zh) * | 2023-06-28 | 2023-07-28 | 苏州吉玛环保科技有限公司 | 一种用于塑料颗粒生产的智能分选方法及系统 |
| CN117181600A (zh) * | 2023-09-11 | 2023-12-08 | 江西万泰铝业有限公司 | 基于脉动气流分选的铝和铝合金分选方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117862045B (zh) | 2024-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105699258B (zh) | 一种细骨料在线检测装置及方法 | |
| CN110222681A (zh) | 一种基于卷积神经网络的铸件缺陷识别方法 | |
| CN111652270B (zh) | 基于图像匹配的粗粒土填料级配自动识别方法及应用系统 | |
| CN108108679B (zh) | 一种全自动钨矿选矿机 | |
| CN111781106B (zh) | 一种机制砂振动测量系统 | |
| CN110118775A (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
| CN105678332A (zh) | 火焰图像cnn识别建模的转炉炼钢终点判断方法及系统 | |
| CN109509187A (zh) | 一种针对大分辨率布匹图像中的小瑕疵的高效检验算法 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN108510004A (zh) | 一种基于深度残差网络的细胞分类方法及系统 | |
| Ohm et al. | Size distribution of coarse-grained soil by sedimaging | |
| US20210232869A1 (en) | Display control device, display control method, and display control program | |
| CN106650102A (zh) | 一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法 | |
| CN108830312A (zh) | 一种基于样本自适应扩充的集成学习方法 | |
| CN108921197A (zh) | 一种基于特征选择和集成算法的分类方法 | |
| CN107121436A (zh) | 一种硅料品质的智能鉴别方法及鉴别装置 | |
| CN116403021A (zh) | 一种基于卷积神经网络和自注意力机制的智能矿物分选方法 | |
| Yang et al. | An online detection system for aggregate sizes and shapes based on digital image processing | |
| CN117351001A (zh) | 一种再生铝合金模板表面缺陷识别方法 | |
| CN108074025A (zh) | 基于表面缺陷分布特征的钢卷表面缺陷判定方法 | |
| CN110443303B (zh) | 基于图像分割和分类的煤岩显微组分智能识别方法 | |
| CN117862045A (zh) | 一种超细颗粒连续分选的控制系统 | |
| CN111507980B (zh) | 动态图像法检测矿石碎磨产品粒度分布的校正方法 | |
| De Castro et al. | Novel technique for the preparation and analysis of powder-based polished sections by automated optical mineralogy: Part 2–Use of deep learning approach for transparent mineral detection | |
| Arefi et al. | Recognition of weed seed species by image processing |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A control system for continuous sorting of ultrafine particles Granted publication date: 20240830 Pledgee: Linshu sub branch of Linshang Bank Co.,Ltd. Pledgor: SHANDONG SHANTIAN NEW MATERIAL SCIENTIFIC RESEARCH Co.,Ltd. Registration number: Y2024980045336 |