-
题名基于多源异构信息融合的浮选精煤灰分智能预测
被引量：1
- 1
-
-
作者
成荣杰
崔腾
-
机构
中煤天津设计工程有限责任公司智能选煤研究所
中国矿业大学信息与控制工程学院
-
出处
《工矿自动化》
北大核心
2025年第7期142-148,共7页
-
基金
江苏省基础研究计划项目(BK20240102)。
-
文摘
针对单一X射线检测难以充分捕捉浮选精煤过程中复杂的物料变化情况的问题,融合X射线检测技术与机器视觉技术,设计了一种基于多源异构信息融合的智能浮选系统,建立了基于联邦学习(FED)-卷积神经网络(CNN)的浮选精煤灰分预测模型。通过X光灰分仪对浮选精煤矿浆进行元素分析,采用一维卷积(1D-CNN)处理元素含量数据,提取时序特征;通过浮选精煤泡沫视觉技术对浮选精煤灰分进行检测,采用二维卷积(2D-CNN)处理尾矿图像信息,提取空间特征;采用注意力机制对时序特征和空间特征进行多源异构信息融合,通过全连接层对浮选精煤灰分进行回归预测。FED模型通过分模块聚合方式和动态加权策略,有效解决了多源异构数据融合中的隐私保护和协同建模问题。实验结果表明,FED-CNN模型的最大误差为4.44%,决定系数R^(2)达0.94,预测精度高于基于尾矿图像的2D-CNN模型和基于X射线的1D-CNN模型。
-
关键词
智能浮选
精煤灰分预测
多源异构信息融合
X射线荧光光谱
机器视觉
联邦学习
卷积神经网络
-
Keywords
intelligent flotation
clean coal ash prediction
multi-source heterogeneous information X-ray fluorescence spectroscopy
machine vision
federated learning
convolutional neural network
-
分类号
TD94
[矿业工程—选矿]
-
