Разработка и настройка алгоритма программной идентификации отклонений в пенном слое калийной флотомашины

Автор: Затонский Андрей Владимирович, Федосеева Кристина Александровна, Некрасов Дмитрий Иванович

Журнал: Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника @vestnik-susu-ctcr

Рубрика: Управление в технических системах

Статья в выпуске: 1 т.23, 2023 года.

Бесплатный доступ

В статье рассматриваются проблемы, возникающие при практическом применении метода бликового распознавания параметров пенного слоя флотомашины калийной руды. К ним относятся выбор наилучшей статистической характеристики, настроек фильтрации и усреднения, проверка возможности учета антибликов и необходимость адаптивного перенормирования сигнала. Цель исследования заключается в разработке алгоритма идентификации ячейки флотомашины как объекта автоматического регулирования, что возможно только после решения указанных проблем. Материалы и методы. Исследование проведено на материалах экспериментальной съемки калийной флотомашины. В ходе съемки на ячейку машины был подан стандартный ступенчатый сигнал, выразившийся в изменении состава амино-масляной смеси, что вызвало переходный процесс. Для разных статистических характеристик (количество пузырей, количество красной компоненты в кадре, среднее и среднемедианные расстояния между центрами пузырей) опробованы различные способы фильтрации и усреднения данных. Одновременно решалась задача идентификации коэффициента усиления и постоянной времени объекта. Наилучшая характеристика и способы её обработки выбирались на основании среднеквадратичного отклонения расчетного переходного процесса от натурных данных, полученных путем бликового распознавания поверхности пенного слоя. Результаты. Обработка нескольких кадров подряд, снятых при одном и том же положении пеногона, незначительно улучшает результат, но значительно загружает вычислительные мощности. Слепая фильтрация по десяти точкам практически не влияет на время обработки данных. Для улучшения идентификации применялось перенормирование данных, заключающееся в адаптивном подборе нулевого и единичного сигнала в условиях зашумленности данных. Методом локализации произведено определение оптимального с точки зрения квадратичного отклонения запаздывания до начала переходного процесса. Заключение. В результате получены наилучшие настройки фильтрации и усреднения данных, обеспечивающие наименьшую погрешность идентификации. Постоянная времени ячейки оказалась близка к результатам предшествующих авторов, полученным в том числе путем визуального наблюдения за флотомашиной. Учет антибликов несущественно влияет на параметры объекта. Важным выводом является то, что одна статистическая характеристика хорошо описывает начало переходного процесса, а другая - его окончание. Это необходимо учитывать при построении системы сигнализации отклонений.

Еще

Калийная промышленность, флотация, пенный слой, распознавание, бликовый метод, сигнализация, управление

Короткий адрес: https://sciup.org/147239459

IDR: 147239459   |   DOI: 10.14529/ctcr230104

Список литературы Разработка и настройка алгоритма программной идентификации отклонений в пенном слое калийной флотомашины

  • Устойчивое воспроизводство в АПК как важное условие продовольственной безопасности на региональном уровне / Б.А. Воронин, И.П. Чупина, Я.В. Воронина и др. // International Agricultural Journal. 2022. Т. 65, № 1. DOI: 10.55186/25876740_2022_6_1_14
  • Технология флотационного обогащения калийных руд / Н.Н. Тетерина, Р.Х. Сабиров, Л.Я. Сквирский, Л.Н. Кириченко. Пермь: Перм. гос. техн. ун-т, 2002. 484 с.
  • Романенко С.А., Оленников А.С. Опыт внедрения видеокамер FrothMaster на обогатительной фабрике «Зеленая гора-2» // Обогащение руд. 2014. № 2. С. 23–28.
  • The concentrate ash content analysis of coal flotation based on froth images / J. Tan, L. Liang, Y. Peng, G. Xie // Minerals Engineering. 2016. Vol. 92. P. 9–20. DOI: 10.1016/j.mineng.2016.02.006
  • Froth Stereo Visual Feature Extraction for the Industrial Flotation Process / L. Zhao, T. Peng, Y. Xie et al. // Industrial & Engineering Chemistry Research. 2019. Vol. 58 (31). P. 14510−14519. DOI: 10.1021/acs.iecr.9b00426
  • Jahedsaravani A., Massinaei M., Marhaban M.H. An Image Segmentation Algorithm for Measu-rement of Flotation Froth Bubble Size Distributions // Measurement. 2017. Vol. 111. P. 29–37. DOI: 10.1016/J.MEASUREMENT.2017.07.023
  • Логунова О.С., Шилов Р.Э., Леднов А.В. Методика и алгоритмы сегментации изображения пенного продукта флотации // Актуальные проблемы современной науки, техники и образования. 2018. Т. 9, № 1. С. 72–75.
  • Затонский А.В., Варламова С.А., Федосеева К.А. Улучшение компьютерного распознавания параметров пены калийных флотомашин за счет учета антибликов пузырей // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». 2022. Т. 22, № 3. С. 57–67. DOI: 10.14529/ctcr220306
  • Беккер В.Ф. Решение технологических проблем действующего производства средствами автоматизации. Пермь: ПНИПУ, 2012. 366 с.
  • Варламова С. А., Затонский А. В., Федосеева К. А. Исследование чувствительности к освещению метода бликового распознавания пен калийных флотационных машин // Обогащение руд. 2021. № 6. С. 29–33.
  • Малышева А.В. Усовершенствованный алгоритм распознавания бликов бинаризованного изображения пены // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2018. № 5. С. 110–116.
  • Прохоренков А.М., Качала Н.М. Цифровая фильтрация сигналов в промышленных системах управления // Цифровая обработка сигналов. 2008. № 3. С. 32–36.
  • Cавинов Г.Ф. О некоторых особенностях алгоритма оптимальной фильтрации Калмана – Бьюси // Авиакосмическое приборостроение. 2007. № 6. С. 22–29.
  • Цыплаков А. Введение в моделирование в пространстве состояний // Квантиль. 2011. № 9. С. 1–21.
  • Федосеева К.А. Усовершенствование адаптивной фильтрации тренда количества бликов с поверхности пены // Прикладная математика и вопросы управления. 2021. № 4. С. 59–71.
Еще
Статья научная