锂云母的智能浮选工艺及其系统的制作方法

本技术涉及智能化制造领域，且更为具体地，涉及一种锂云母的智能浮选工艺及其系统。

背景技术：

1、锂是广泛应用于新能源、陶瓷、航天、医学、国防军工等领域的金属元素。目前我国虽然拥有丰富的锂资源储量，但由于盐湖卤水锂资源存在高海拔和镁锂比高的缺点，尚未形成规模化生产。因此，我国锂工业主要依赖伟晶岩型锂矿资源。与此同时，我国拥有世界最大的伴生锂云母矿资源，锂云母是提取锂元素的重要资源之一。因此，提高锂云母资源利用率对于我国锂工业高质量发展具有重要意义。

2、目前，锂云母的选矿主要采用浮选法，对于矿物加工过程中的锂云母浮选工艺，鉴于其产量有限，浮选设备多以2～3立方米的小型浮选机为主。但现有锂云母浮选系统的浮选设备由于容积小，缓冲能力有限，若使用常规pid控制易造成浮选液面大幅震荡，导致生产操作过程中各作业产率波动较大，对浮选产品品质的稳定造成了极大影响。此外，由于作业设备之间缺乏联动，整个浮选流程抵御来矿扰动能力差，作业重新恢复稳定所需人工调节时间较长。并且，由于现有技术均过分依赖人工手动经验操作，易造成经济损失。

3、因此，期望一种优化的锂云母的智能浮选系统，以对锂云母浮选系统进行有效稳定地液位控制。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种锂云母的智能浮选工艺及其系统。其首先获取预定时间段内多个预定时间点的浮选机液位测量值和中矿泵池液位测量值，并通过对所述浮选机液位的时序动态变化特征和所述矿泵池液位的时序动态变化特征之间的关联性特征分布信息进行充分表达，以对当前时间点的浮选机底流锥阀的开度值应增大或应减小进行控制。

2、根据本技术的一个方面，提供了一种锂云母的智能浮选系统，其包括：数据采集模块，用于获取预定时间段内多个预定时间点的浮选机液位测量值和中矿泵池液位测量值；数据时序排列模块，用于将所述多个预定时间点的浮选机液位测量值和中矿泵池液位测量值分别按照时间维度排列为浮选机液位输入向量和中矿泵池液位输入向量；浮选机液位变化模块，用于计算所述浮选机液位输入向量中相邻两个位置的浮选机液位测量值之间的差值以得到浮选机液位变化输入向量；中矿泵池液位变化模块，用于计算所述中矿泵池液位输入向量中相邻两个位置的中矿泵池液位测量值之间的差值以得到中矿泵池液位变化输入向量；液位动静信息融合模块，用于将所述浮选机液位输入向量和所述浮选机液位变化输入向量进行级联以得到浮选机液位动-静输入向量，且将所述中矿泵池液位输入向量和所述中矿泵池液位变化输入向量进行级联以得到中矿泵池液位动-静输入向量；液位时序变化特征提取模块，用于将所述浮选机液位动-静输入向量和所述中矿泵池液位动-静输入向量分别通过包含第一卷积层和第二卷积层的多尺度时序特征提取模块以得到浮选机液位动-静特征向量和中矿泵池液位动-静时序特征向量；特征关联模块，用于对所述浮选机液位动-静特征向量和所述中矿泵池液位动-静时序特征向量进行关联编码以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及

3、底流锥阀开度控制模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的浮选机底流锥阀的开度值应增大或应减小。

4、在上述的锂云母的智能浮选系统中，所述液位动静信息融合模块，用于：以如下融合公式将所述浮选机液位输入向量和所述浮选机液位变化输入向量进行级联以得到所述浮选机液位动-静输入向量，且将所述中矿泵池液位输入向量和所述中矿泵池液位变化输入向量进行级联以得到所述中矿泵池液位动-静输入向量；其中，所述融合公式为：，其中，表示所述浮选机液位输入向量， 表示所述浮选机液位变化输入向量，表示级联函数，表示所述浮选机液位动-静输入向量，表示所述中矿泵池液位输入向量， 表示所述中矿泵池液位变化输入向量，表示所述中矿泵池液位动-静输入向量。

5、在上述的锂云母的智能浮选系统中，所述液位时序变化特征提取模块，用于：使用所述多尺度时序特征提取模块的第一卷积层以具有第一长度的一维卷积核对所述浮选机液位动-静输入向量进行一维卷积编码以得到所述浮选机液位动-静特征向量；使用所述多尺度时序特征提取模块的第二卷积层以具有第二长度的一维卷积核对所述中矿泵池液位动-静输入向量进行一维卷积编码以得到所述中矿泵池液位动-静时序特征向量，所述第二长度不同于所述第一长度。

6、在上述的锂云母的智能浮选系统中，所述特征关联模块，用于：以如下关联公式对所述浮选机液位动-静特征向量和所述中矿泵池液位动-静时序特征向量进行关联编码以得到所述分类特征矩阵；其中，所述关联公式为：，其中，表示所述浮选机液位动-静特征向量，表示所述浮选机液位动-静特征向量的转置向量， 表示所述中矿泵池液位动-静时序特征向量，表示所述分类特征矩阵， 表示向量相乘。

7、在上述的锂云母的智能浮选系统中，所述特征优化模块，用于：以如下优化公式对所述分类特征矩阵进行特征分布优化以得到所述优化分类特征矩阵；其中，所述优化公式为：，其中，表示所述分类特征矩阵通过线性变换得到的对角矩阵，表示所述分类特征矩阵的二范数，表示所述分类特征矩阵的核范数，是所述前景图案全局特征矩阵的尺度，表示以2为底的对数函数，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示按位置点乘，表示所述优化分类特征矩阵。

8、在上述的锂云母的智能浮选系统中，所述底流锥阀开度控制模块，包括：矩阵展开单元，用于将所述分类特征矩阵按照行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

9、根据本技术的另一个方面，提供了一种锂云母的智能浮选工艺，其包括：获取预定时间段内多个预定时间点的浮选机液位测量值和中矿泵池液位测量值；将所述多个预定时间点的浮选机液位测量值和中矿泵池液位测量值分别按照时间维度排列为浮选机液位输入向量和中矿泵池液位输入向量；计算所述浮选机液位输入向量中相邻两个位置的浮选机液位测量值之间的差值以得到浮选机液位变化输入向量；计算所述中矿泵池液位输入向量中相邻两个位置的中矿泵池液位测量值之间的差值以得到中矿泵池液位变化输入向量；将所述浮选机液位输入向量和所述浮选机液位变化输入向量进行级联以得到浮选机液位动-静输入向量，且将所述中矿泵池液位输入向量和所述中矿泵池液位变化输入向量进行级联以得到中矿泵池液位动-静输入向量；将所述浮选机液位动-静输入向量和所述中矿泵池液位动-静输入向量分别通过包含第一卷积层和第二卷积层的多尺度时序特征提取模块以得到浮选机液位动-静特征向量和中矿泵池液位动-静时序特征向量；对所述浮选机液位动-静特征向量和所述中矿泵池液位动-静时序特征向量进行关联编码以得到分类特征矩阵；对所述分类特征矩阵进行特征分布优化以得到优化分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的浮选机底流锥阀的开度值应增大或应减小。

10、在上述的锂云母的智能浮选工艺中，将所述浮选机液位输入向量和所述浮选机液位变化输入向量进行级联以得到浮选机液位动-静输入向量，且将所述中矿泵池液位输入向量和所述中矿泵池液位变化输入向量进行级联以得到中矿泵池液位动-静输入向量，包括：以如下融合公式将所述浮选机液位输入向量和所述浮选机液位变化输入向量进行级联以得到所述浮选机液位动-静输入向量，且将所述中矿泵池液位输入向量和所述中矿泵池液位变化输入向量进行级联以得到所述中矿泵池液位动-静输入向量；其中，所述融合公式为：，其中，表示所述浮选机液位输入向量， 表示所述浮选机液位变化输入向量，表示级联函数，表示所述浮选机液位动-静输入向量，表示所述中矿泵池液位输入向量， 表示所述中矿泵池液位变化输入向量，表示所述中矿泵池液位动-静输入向量。

11、在上述的锂云母的智能浮选工艺中，将所述浮选机液位动-静输入向量和所述中矿泵池液位动-静输入向量分别通过包含第一卷积层和第二卷积层的多尺度时序特征提取模块以得到浮选机液位动-静特征向量和中矿泵池液位动-静时序特征向量，包括：使用所述多尺度时序特征提取模块的第一卷积层以具有第一长度的一维卷积核对所述浮选机液位动-静输入向量进行一维卷积编码以得到所述浮选机液位动-静特征向量；使用所述多尺度时序特征提取模块的第二卷积层以具有第二长度的一维卷积核对所述中矿泵池液位动-静输入向量进行一维卷积编码以得到所述中矿泵池液位动-静时序特征向量，所述第二长度不同于所述第一长度。

12、在上述的锂云母的智能浮选工艺中，对所述浮选机液位动-静特征向量和所述中矿泵池液位动-静时序特征向量进行关联编码以得到分类特征矩阵，包括：以如下关联公式对所述浮选机液位动-静特征向量和所述中矿泵池液位动-静时序特征向量进行关联编码以得到所述分类特征矩阵；其中，所述关联公式为：，其中，表示所述浮选机液位动-静特征向量，表示所述浮选机液位动-静特征向量的转置向量， 表示所述中矿泵池液位动-静时序特征向量，表示所述分类特征矩阵， 表示向量相乘。

13、与现有技术相比，本技术提供的锂云母的智能浮选工艺及其系统，其首先获取预定时间段内多个预定时间点的浮选机液位测量值和中矿泵池液位测量值，并通过对所述浮选机液位的时序动态变化特征和所述矿泵池液位的时序动态变化特征之间的关联性特征分布信息进行充分表达，以对当前时间点的浮选机底流锥阀的开度值应增大或应减小进行控制。