基于视觉特征融合与FAMFormer的煤泥浮选尾矿灰分预测方法

摘要

当前煤泥浮选生产方式粗放，浮选尾矿灰分在线预测是煤泥浮选系统智能化调控的关键阻碍之一.已有的尾矿灰分预测技术以视觉建模为主，主要面临特征信息缺失、模型泛化性能差、实际应用效果不佳的问题.针对上述问题，基于视觉特征表格数据融合，提出一种基于算术特征交互(FAMFormer)的煤泥浮选尾矿灰分预测深度网络结构.提出深度残差-挤压激励网络(ResNet-SENet)提取浮选尾矿图像的深度卷积特征，从灰度直方图、共生矩阵、统计学和颜色空间4个角度为尾矿图像建立传统的特征工程，融合深度卷积特征和传统特征工程建立融合尾矿灰分数据集，相关性研究表明：深度卷积特征与尾矿灰分的相关性普遍高于传统的特征工程特征.提出回归模型，在视觉特征融合尾矿灰分数据集上的拟合结果表明：直接训练的均方误差为0.75,经过主成分分析后，对比随机森林回归(RFR)、逐级梯度提升(XGBoost)、类别特征梯度提升(CatBoost)这3种经典模型的预测结果，FAMFormer对煤泥浮选尾矿灰分的预测性能最佳，均方误差为0.51,均方根误差为0.72,决定系数为0.98.最后，开发灰分预测系统软件，进行工业应用验证，验证结果表明：本文训练获得的模型具有较高的泛化性能，能够为煤泥浮选尾矿灰分建模研究提供方法和理论支撑.

关键词

煤泥浮选 / 尾矿灰分 / 尾矿图像 / FAMFormer / 视觉特征融合

基金资助

国家资助博士后研究人员计划(GZC20233011); 国家重大研究计划培育项目(92062109); 中央高校基本科研业务费项目(2024QN1103)