基于深度学习和支持向量机的浮选过程故障诊断方法

摘要

对浮选过程进行故障诊断有助于选矿厂减少药剂消耗,增加有效矿物的回收以及降低现场操作工人的劳动强度等。针对传统的浮选过程故障诊断方法大都是对单一的泡沫特征(如泡沫颜色,形状,大小,纹理等)进行人工提取,存在精度低,效率低等缺陷。本文提出一种基于深度学习和支持向量机的浮选过程故障诊断方法。该模型利用卷积神经网络(CNN)自动提取泡沫图像特征,利用支持向量机(SVM)根据提取的图像特征给出诊断结果。通过与现存的浮选过程诊断方法相比较,本文提出的CNN-SVM相结合的方法,测试性能优于其他识别模型。