浮选尾矿灰分检测系统与方法研究
| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 课题概述 | 第13-14页 |
| 1.1.1 课题目的与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 课题主要研究内容及技术路线 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 第二章 浮选尾矿灰分识别理论基础 | 第17-21页 |
| 2.1 尾矿浆成像过程理论 | 第17-20页 |
| 2.1.1 尾矿成分反射系数 | 第17-18页 |
| 2.1.2 物体表面光强和 CCD 表面光强关系 | 第18-19页 |
| 2.1.3 CCD 表面光强和电压关系 | 第19-20页 |
| 2.1.4 灰度值的修正 | 第20页 |
| 2.2 本章小结 | 第20-21页 |
| 第三章 尾矿灰分检测系统设计 | 第21-41页 |
| 3.1 尾矿浆提取装置 | 第21-30页 |
| 3.1.1 浮选机尾矿槽简介 | 第21-22页 |
| 3.1.2 提升机构方案 | 第22-25页 |
| 3.1.3 提升机构设计 | 第25-30页 |
| 3.2 信息采集装置 | 第30-36页 |
| 3.2.1 光源 | 第31页 |
| 3.2.2 图像采集设备 | 第31-34页 |
| 3.2.3 光强采集装置设计 | 第34-36页 |
| 3.3 系统软件设计 | 第36-40页 |
| 3.3.1 输入 | 第37页 |
| 3.3.2 输出 | 第37-38页 |
| 3.3.3 处理过程 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 尾矿灰分图像数据获取实验 | 第41-51页 |
| 4.1 实验平台 | 第41-43页 |
| 4.2 样本分布 | 第43-48页 |
| 4.3 平台调试 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 尾矿灰分识别方法和数据分析 | 第51-77页 |
| 5.1 信息提取 | 第51-59页 |
| 5.1.1 传统信息提取 | 第51-56页 |
| 5.1.2 灰度值分布特征提取 | 第56-57页 |
| 5.1.3 数据均化处理 | 第57-59页 |
| 5.2 数据分析 | 第59-74页 |
| 5.2.1 神经网络调试 | 第59-62页 |
| 5.2.2 灰度值分布和传统特征识别结果对比 | 第62-64页 |
| 5.2.3 同浓度灰分识别分析 | 第64-65页 |
| 5.2.4 不同浓度交叉识别分析 | 第65-67页 |
| 5.2.5 浓度影响分析 | 第67-70页 |
| 5.2.6 数据混合识别结果 | 第70-72页 |
| 5.2.7 传统特征数据混合交叉识别结果 | 第72-74页 |
| 5.3 本章小结 | 第74-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读学位期间发表学术论文目录 | 第85-87页 |
| 附录 | 第87-99页 |
| 附录 1 光强模块程序 | 第87-94页 |
| 附录 2 MATLAB 图形化程序 | 第94-96页 |
| 附录 3 数据提取函数 | 第96-97页 |
| 附录 4 神经网络训练函数 | 第97-99页 |
