基于多源异构信息融合的浮选精煤灰分智能预测
成荣杰1
崔腾2
1.中煤天津设计工程有限责任公司智能选煤研究所,天津 3001312.中国矿业大学信息与控制工程学院,江苏 徐州 221000
摘要：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R2 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
分类号：TD94(选矿)
资助基金：江苏省基础研究计划(BK20240102)
论文发表日期：2025-07-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 142-148 )
英文信息