人工智能助力有色金属工业转型升级

发布时间：2021-03-21 09:56

　　有色金属是国民经济和国防军工的重要原料和战略物资。近年来,我国有色金属工业取得突飞猛进的发展,但仍面临着绿色、高效和智能化发展的挑战。有色金属生产工况复杂、原料多变,资源、能源、环保的要求日益严格,需要通过灵敏感知、精细操作、智能分析和敏捷决策来处理这些复杂变化和严苛要求。人工智能的飞速发展为有色金属生产过程的转型升级提供了核心驱动力。本文从有色金属工业的发展及面临的挑战、人工智能技术助力有色金属生产转型升级案例以及有色金属工业转型升级对人工智能的挑战三个方面阐述人工智能助力有色金属生产过程绿色高效智能化发展的主要内涵。 

【文章来源】：中国工程科学. 2018,20(04)北大核心CSCD

【文章页数】：7 页

【部分图文】：

基于人工的泡沫特征分析与操作

现了根据泡沫图像自动识别、分析和控制工况的智能化操作，稳定了精矿品位，有效提升了选矿过程有价金属回收率，取得了很好的社会和经济效益。（二）冶炼企业原料采购决策知识自动化在现代有色金属工业企业中，许多体力劳动已逐渐被机器所替代，企业的管理和控制主要依靠知识型工作者来完成，其核心是知识型工作。随着企泡沫特征提取矿浆区回收率一阶动力学模型泡沫区回收率流体动力学模型信息熵集成数据模型尺寸、速度承载率过程参数颜色、尺寸、速度承载率、稳定度机理模型金属品位图3浮选过程金属品位智能预测建模图4浮选全流程智能协调优化控制框架全局协调优化层优化控制层优化控制层优化控制层控制器品位预测控制器控制器扫选粗选精选品位预测品位预测入矿条件泡沫矿浆泡沫泡沫矿浆

【参考文献】：
期刊论文
[1]基于图像特征的锑浮选矿浆pH值预测控制[J]. 王晓丽,曾子骄,黄蕾,谢永芳,阳春华.  控制与决策. 2016(11)
[2]知识自动化及工业应用[J]. 桂卫华,陈晓方,阳春华,谢永芳.  中国科学:信息科学. 2016(08)
[3]智能制造——“中国制造2025”的主攻方向[J]. 周济.  中国机械工程. 2015(17)
[4]基于泡沫尺寸PDF模型的铜粗选过程加药量预测控制[J]. 唐朝晖,王伟,刘金平,桂卫华,阳春华.  中南大学学报(自然科学版). 2015(03)
[5]天命唯新:迈向知识自动化——《自动化学报》创刊50周年专刊序[J]. 王飞跃.  自动化学报. 2013(11)
[6]基于机器视觉的矿物浮选过程监控技术研究进展[J]. 桂卫华,阳春华,徐德刚,卢明,谢永芳.  自动化学报. 2013(11)
[7]基于泡沫图像特征加权SVM的浮选工况识别[J]. 任会峰,阳春华,周璇,桂卫华,鄢锋.  浙江大学学报(工学版). 2011(12)
[8]基于图像特征提取的浮选关键参数智能预测算法[J]. 周开军,阳春华,牟学民,桂卫华.  控制与决策. 2009(09)
[9]智能集成有色冶炼企业原料采购量价预警系统研究[J]. 桂卫华,黄泰松,朱爽,吴敏.  小型微型计算机系统. 2002(11)
[10]一种改进遗传算法及其在企业原料采购优化中的应用[J]. 桂卫华,黄泰松,阳春华.  矿冶工程. 2001(03)

硕士论文
[1]基于多槽机器视觉的铝土矿浮选精矿品位预测方法研究[D]. 魏利君.中南大学 2014
[2]基于泡沫图像特征的铝土矿粗选矿浆浓度预测模型[D]. 黄三思.中南大学 2013



本文编号：3092666