一种铁精矿固液分离的助滤剂制备方法 |
|||||||
| 申请号 | CN202410362004.8 | 申请日 | 2024-03-28 | 公开(公告)号 | CN117960020A | 公开(公告)日 | 2024-05-03 |
| 申请人 | 鞍山天雨发展有限公司; | 发明人 | 官裕贺; | ||||
| 摘要 | 本 申请 涉及助滤剂制备技术领域，提出了一种 铁 精矿固液分离的助滤剂制备方法，包括：将 棉 纤维 破碎 后送入高压捏合机中，加入氢 氧 化钠溶液与 乙醇 水 溶液，调控高压捏合机到 真空 状态，输入氮气进行 碱 化反应，向碱化反应的产物中加入氯乙酸乙醇溶液；再次调控高压捏合机到真空状态，输入氮气进行醚化反应，由醚化反应的产物制备得到羧甲基 纤维素 钠；向加热设备中加入工业用水后投入氯化铁、 羧甲基纤维素 钠和聚二甲基二烯丙基 氯化铵 ；基于加热设备的搅拌功能对加热过程中溶液热传导性的变化以及 温度 分布均匀性的影响自适应调控加热时长，完成助滤剂制备。本申请通过自适应调控溶解过程中的加热时长，提高助滤剂的制备 质量 。 | ||||||
| 权利要求 | 1.一种铁精矿固液分离的助滤剂制备方法，其特征在于，该方法包括以下步骤： |
||||||
| 说明书全文 | 一种铁精矿固液分离的助滤剂制备方法技术领域[0001] 本申请涉及助滤剂制备技术领域，具体涉及一种铁精矿固液分离的助滤剂制备方法。 背景技术[0002] 铁矿石是钢铁工业的发展原料，在社会工业化发展的历程中扮演着至关重要的角色，随着基础建设不断扩大，对铁矿石资源的需求与日俱增，也对铁精矿选矿工艺中的助滤剂提出了更大的要求。助滤剂是一种用在铁精矿矿浆过滤过程中固液分离时提高效率的一种药剂，现在铁精矿矿浆黏度高、产品颗粒细，在过滤过程中由于细颗粒的分散能力强，易造成过滤介质堵塞，滤饼中的水分难以有效降低，因此，一种提高铁精矿过滤效果的助滤剂至关重要。 [0003] 现在，传统铁精矿的过滤脱水采用圆盘式真空过滤机、压滤机等，但是传统过滤机添加表面活性剂型助滤剂如十二烷基磺酸钠、十二烷基苯磺酸钠等，获取的滤饼水分含量偏高，普遍大于10%，无法满足后续工艺需求。 [0004] 在提高铁精矿过滤效果的助滤剂制备过程中，加热时长对最终助滤剂产品的性能和质量有显著影响，但是加热过程影响因素众多、溶液各成分之间关系复杂、工业外部环境干扰程度大，使助滤剂制备过程中易出现温度不均匀、加热时长不稳定的情况，助滤剂产品的质量低的问题。发明内容 [0005] 本申请提供一种铁精矿固液分离的助滤剂制备方法，以解决助滤剂制备过程中加热时长不稳定导致温度不均匀的问题，所采用的技术方案具体如下：本申请一个实施例一种铁精矿固液分离的助滤剂制备方法，该方法包括以下步骤： 确定铁精矿过滤工艺流程； 羧甲基纤维素钠制备阶段：将棉纤维破碎后送入高压捏合机中，并加入氢氧化钠溶液与乙醇水溶液，调控高压捏合机到真空状态，将氮气输入高压捏合机进行碱化反应，向碱化反应的产物中加入氯乙酸乙醇溶液；再次调控高压捏合机到真空状态，将氮气输入高压捏合机进行醚化反应，将醚化反应的产物依次经过洗涤、中和、离心、干燥以及粉碎得到羧甲基纤维素钠； 助滤剂制备阶段：向加热设备中加入工业用水后投入氯化铁、羧甲基纤维素钠和聚二甲基二烯丙基氯化铵，获取每个采集时刻的加热溶解图像，基于每个采集时刻下每个位置温度传递现象的显著程度确定像元的局部温度传导优异指数，基于每幅加热溶解图像中所有像元的局部温度均质指数的聚类结果确定每幅加热溶解图像的络合置信溶解指数，基于每幅加热溶解图像中加热设备的搅拌功能造成的溶液流动对局部温度均匀性的影响确定每幅加热溶解图像的络合补偿充分指数，基于所述络合置信溶解指数、络合补偿充分指数完成对加热时长的自适应调控，完成助滤剂制备； 铁精矿分离阶段：将铁精矿矿浆配制成重量浓度为65%的矿浆，将制备得到的助滤剂加入到矿浆中，混合均匀后进行过滤。 [0006] 优选的，所述氢氧化钠溶液与乙醇水溶液的配比为：1.23:1.69。 [0007] 优选的，所述碱化反应的反应时长为：45min。 [0008] 优选的，所述氯化铁、羧甲基纤维素钠和聚二甲基二烯丙基氯化铵的配比为：1:20:29。 [0009] 优选的，所述助滤剂加入到矿浆中的比例为：每100g铁精矿矿浆添加0.1mL助滤剂。 [0010] 优选的，所述基于每个采集时刻下每个位置温度传递现象的显著程度确定像元的局部温度传导优异指数的方法为：获取加热设备内氯化铁、羧甲基纤维素钠和聚二甲基二烯丙基氯化铵加热溶解过程中每个采集时刻的加热溶解图像； 将每个像元所取预设大小窗口中所有像元均作为图中的一个节点，将所述窗口中直接相邻的像元对应节点进行连线，将每条连线上两个节点对应的温度值差值的绝对值作为每条连线的边权重，将由每个像元所取预设大小窗口中所有像元构成的无向图作为每个像元的加热窗口无向图； 将每个像元的加热窗口无向图作为输入，分别将热辐源点与所述窗口中心像元对应的节点作为第一次搜索时的起始点与终止点；将所述窗口中心像元与热辐终点对应的节点作为第二次搜索时的起始点与终止点；将热辐源点与热辐终点对应的节点作为第三次搜索时的起始点与终止点，计算每次搜索得到搜索路径中经过连线的边权重之和； 将第一次搜索得到的所述边权重之和最大的搜索路径的所有边权重、所有节点对应像元组成的序列分别作为源点传递序列、源点像元序列；将第二次搜索得到的所述边权重之和最大的搜索路径的所有边权重、所有节点对应像元组成的序列分别作为终点传递序列、终点像元序列；将第三次搜索得到的所述边权重之和最大的搜索路径的所有边权重、所有节点对应像元组成的序列分别作为源终传递序列、源终像元序列； 将源点传递序列和终点传递序列进行首尾拼接得到的序列作为每个像元的拼接传递序列；将源点像元序列和终点像元序列进行首尾拼接得到的序列作为每个像元的拼接像元序列；将所述拼接传递序列、拼接像元序列、源终传递序列以及源终像元序列均作为每个像元的特征数据序列； 基于每个采集时刻下溶液温度传导性的变化以及每幅加热溶解图像中每个像元的特征数据序列确定每个像元的局部温度传导优异指数。 [0011] 优选的，所述基于每个采集时刻下溶液温度传导性的变化以及每幅加热溶解图像中每个像元的特征数据序列确定每个像元的局部温度传导优异指数的方法为：S1：将每个像元的源点像元序列中每个元素的温度值与每个像元的温度值之间差值的绝对值按照像元顺序组成的序列作为每个像元的源点温差序列，对每个像元的源点温差序列进行线性拟合得到每个像元的源点拟合直线； S2：将每个像元的源点温差序列中每个元素到所述源点拟合直线的欧式距离作为每个元素的温差拟合距离，利用大津阈值算法基于每个像元的源点温差序列中所有元素的温差拟合距离得到分割阈值，将每个温差拟合距离大于分割阈值的元素作为每个像元的源点温差序列中的一个温差拟合偏离数据； S3：基于每个像元的源点温差序列中每个元素与每个像元的间隔与所述源点温差序列长度的对比结果确定每个像元的源点温差序列中每个元素的温差拟合容忍度； S4：将每个像元的源点温差序列中每个温差拟合偏离数据的温差拟合距离与所述源点温差序列中所有元素的温差拟合距离的均值之间差值的绝对值作为第一差值，将第一差值与每个温差拟合偏离数据的温差拟合容忍度的比值在所述源点温差序列中所有温差拟合偏离数据上的累加结果与0.01的和作为分母，将每个像元的源点像元序列中首尾两个像元的温度值的差值绝对值与分母的比值作为每个像元的源点温差辐射强度； 将每个像元的终点像元序列代替每个像元的源点像元序列，重复S1‑S4，得到每个像元的终点温差辐射强度； 计算每个像元的源终像元序列中每个元素与每个像元之间的欧式距离与预设距离差值的绝对值在所述源终像元序列上的累加结果作为分子；将每个像元的源终传递序列、拼接传递序列之间的DTW距离与0.01的和作为分母，将分子与分母的比值作为第一度量距离；将每个像元的拼接像元序列与每个像元的源终像元序列中重复像元的数量与第一度量距离的乘积作为每个像元的局部温差辐射路径确信系数； 将以每个像元的源点温差辐射强度、终点温差辐射强度与1的和为底数，以每个像元的局部温差辐射路径确信系数为指数的计算结果作为每个像元的局部温度传导优异指数。 [0012] 优选的，所述基于每幅加热溶解图像中所有像元的局部温度均质指数的聚类结果确定每幅加热溶解图像的络合置信溶解指数的方法为：将以每个像元为中心所取预设大小窗口内温度值的极差作为每个像元的局部温度极差，将每个像元的局部温度极差、源点温差辐射强度、终点温差辐射强度以及局部温度传导优异指数组成的向量作为每个像元的温差特征向量，采用聚类算法基于每幅加热溶解图像中所有像元的温差特征向量将所有像元划分成预设数量个温差等势类； 基于每个像元所取预设大小窗口中每个温差等势类中像元数量的统计结果确定每个像元的温差等势直方图；将每个像元所取预设大小窗口的四个顶点像元均作为每个像元的一个角像元，将每个像元与每个像元的所有角像元的温差等势直方图之间EMD距离的累加和与0.01的和作为分母； 将以自然常数为底数，以每个像元所取预设大小窗口内所有温度值的方差的相反数为指数的计算结果作为分子，将分子与分母的比值作为比例因子； 将每个像元所取预设大小窗口中所有温差等势类中的像元数量按照温差等势类的序号排序组成的序列作为每个像元的温差等势数量序列，将每个像元的温差等势数量序列的赫芬达尔指数与比例因子的乘积作为每个像元的局部温度均质指数，采用聚类算法将每幅加热溶解图像中所有像元的局部温度均质指数划分为预设数量个聚类簇； 将每个聚类簇中所有像元的局部温度均质指数的均值作为每个聚类簇的均质代表值，基于均质代表值与大津阈值算法所得均质代表值的分割阈值的对比结果将聚类簇划分为疑似离子络合物区域、疑似纯净均匀溶液区域两类； 将每个聚类簇中所有像元的局部温度均质指数按照升序顺序组成的序列作为每个聚类簇的均质序列；将每个疑似离子络合物区域的均质序列与任意一个疑似纯净均匀溶液区域的均质序列之间的杰拉德系数在所有疑似纯净均匀溶液区域上累加结果与0.01的和作为分母； 将每个疑似离子络合物区域的均质代表值与均质代表值的分割阈值之间的差值与分母的比值作为每个疑似离子络合物区域的区域络合置信系数； 将每个疑似离子络合物区域中的像元数量与每幅加热溶解图像中像元数量的比值作为每个疑似离子络合物区域的占比因子，将每个疑似离子络合物区域的区域络合置信系数与占比因子的乘积在每幅加热溶解图像中所有疑似离子络合物区域上的累加结果作为每幅加热溶解图像的络合置信溶解指数。 [0013] 优选的，所述基于每幅加热溶解图像中加热设备的搅拌功能造成的溶液流动对局部温度均匀性的影响确定每幅加热溶解图像的络合补偿充分指数的方法为：式中， 是时变序列 中第K个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的时变显著匹配因子， 是第K个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的均值差异序列， 是第K+1个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的疑似搅拌匹配像元， 是第K+1个采集时刻所得加热溶解图像中疑似搅拌匹配像元 的均值差异序列， 是 、 之间的皮尔逊相关系数， 是欧式距离函数， 是第Y个温度均匀显著像元的坐标与疑似搅拌匹配像 元 的坐标之间的欧式距离，是调参因子，用于防止分母为0，的大小取经验值0.01，皮尔逊相关系数为公知技术，具体过程不再赘述； 是第i个采集时刻的时变溶液流动强度， 是时变序列 中元素数量， 是以自然常数为底数的指数函数， 、 分别是时变序列 中第K个采集 时刻、第K+1个采集时刻对应的显著二值矩阵， 是 、 之间的 SSIM值， 是第K个采集时刻所得加热溶解图像中温度均匀显著像元的数量，SSIM值的计算为公知技术，具体过程不再赘述； 是第i个采集时刻的调整急迫指数， 、 、 分别是第i个、第i+1个、第i‑1个采集时刻的络合置信溶解指数； 是第i个采集时刻的络合补偿充分指数，是所有采集时刻的调整急迫指数的均值， 是归一化函数， 是 的归一化结果。 [0014] 优选的，所述基于所述络合置信溶解指数、络合补偿充分指数完成对加热时长的自适应调控的方法为：将基于所有采集时刻的加热溶解图像的络合置信溶解指数、络合补偿充分指数构成的流动溶解特征向量输入LSTM模型，利用LSTM模型得到最优加热时长。 [0015] 本申请的有益效果是：基于助滤剂制备中原料加热溶解过程中不同采集时刻温度均匀显著像元的变化差异特征以及加热溶解图像中像元的局部温度均匀性构建络合置信溶解指数，在避免加热溶解过程中众多影响因素的前提下通过离子络合物区域的变化反映溶液内的溶解程度；其次考虑加热设备搅拌行为对短时间内溶液流动现象对离子络合物区域的影响确定每个采集时刻的络合补偿充分指数，消除预设加热时长与理想情况出现误差的同时避免制备过程中搅拌行为对加热溶解中温度辐射传递的影响，提高助滤剂制备中原料加热溶解过程中的加热时长的调整精度，使得制备所得助滤剂对铁精矿的过滤效果更好，含水量更低。附图说明 [0016] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。 [0017] 图1为本申请一个实施例所提供的一种铁精矿固液分离的助滤剂制备方法的流程示意图；图2为本申请一个实施例所提供的铁精矿过滤工艺流程图； 图3为本申请一个实施例所提供的一种铁精矿固液分离的助滤剂制备方法的实施流程图； 图4为本申请一个实施例所提供的显著二值矩阵的示意图。 具体实施方式[0018] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。 [0019] 请参阅图1，其示出了本申请一个实施例提供的一种铁精矿固液分离的助滤剂制备方法的流程图，该方法包括以下步骤：步骤S001，确定助滤剂的制备流程。 [0020] 铁精矿浆料通过输送管道进行缓冲罐，再输入到分配槽中，并在分配槽加入助滤剂，提供固液分离效率，过滤机与分配槽连接工作，在真空负压推动力情况下，矿浆中的固体颗粒被吸附于过滤机扇形滤液片表面，并形成均匀厚度的滤饼，随后经刮刀获取铁精矿滤饼。滤饼中的滤液被抽滤到沉淀池中，沉降后底流经渣浆泵再送入过滤机，进行二次过滤，沉降池排除溢流，铁精矿过滤工艺流程如图2所示。但是铁精矿矿浆黏度高、产品颗粒细，在过滤过程中由于细颗粒的分散能力强，易造成过滤介质堵塞，滤饼中的水分难以有效降低，因此，一种提高铁精矿过滤效果的助滤剂至关重要。本申请中对提高铁精矿过滤效果的助滤剂制备方法，共有羧甲基纤维素钠制备、助滤剂制备等步骤协同完成。本申请中对提高铁精矿过滤效果的助滤剂制备方法，共有羧甲基纤维素钠制备、助滤剂制备等步骤协同完成。 [0021] 1.羧甲基纤维素钠制备。各配料质量比为：棉纤维：氢氧化钠溶液：乙醇水溶液：氯乙酸乙醇溶液=1:1.23:1.69:1.23。 [0022] 步骤s1：将棉纤维破碎后送入高压捏合机中，并加入氢氧化钠溶液与乙醇水溶液，其中氢氧化钠溶液与乙醇水溶液质量分数分别为48％、95％，棉纤维、氢氧化钠溶液和乙醇水溶液质量比分别为1:1.23:1.69。 [0023] 步骤s2：将高压捏合机抽真空，使压力到‑0.08MPa，并将氮气输入高压捏合机中，使压力到8.5MPa，温度为50℃，进行碱化反应，反应时长为45min，得到碱化反应的产物。 [0024] 步骤s3：向碱化反应的产物中加入氯乙酸乙醇溶液，氯乙酸乙醇溶液的质量分数为80％，棉纤维与氯乙酸乙醇溶液的质量配比为1:1.23。 [0025] 步骤s4：再次将高压捏合机抽真空，使压力到‑0.08MPa，并将氮气输入高压捏合机中，使压力到9MPa，温度为65℃，进行醚化反应，反应时长为45min，得到醚化反应的产物。 [0026] 步骤s5：将醚化反应的产物经过洗涤、中和、离心、干燥、粉碎后，得到羧甲基纤维素钠成品，完成对羧甲基纤维素钠的制备。 [0027] 2.助滤剂制备。各配料质量比为氯化铁:羧甲基纤维素钠: 聚二甲基二烯丙基氯化铵：工业用水=1:20:29:125。 [0028] 步骤s6：加热设备中加入足量的工业用水，再投入氯化铁、羧甲基纤维素钠、聚二甲基二烯丙基氯化铵，其中氯化铁、羧甲基纤维素钠、聚二甲基二烯丙基氯化铵、工业用水的质量比为1:20:29:125，加热温度为90℃，使原料溶解。 [0029] 步骤s7：待加热溶解完成后，再加入50℃工业用水，直到获取重量百分比浓度为5%的溶液，即为助滤剂。 [0030] 至此，确定助滤剂的制备流程，便于后续对加热时长的调整。 [0031] 步骤S002，基于每个采集时刻下溶液温度传导性的变化以及每幅加热溶解图像中每个像元的特征数据序列确定每个像元的局部温度传导优异指数。 [0032] 在助滤剂的制备过程中，主要原料是羧甲基纤维素钠和聚二甲基二烯丙基氯化铵，羧甲基纤维素钠是一种阴离子型高分子，在水溶液中会释放出负电荷，聚二甲基二烯丙基氯化铵是一种阳离子型高分子，带有正电荷。当这两种高分子混合时，羧甲基纤维素钠的负电荷和聚二甲基二烯丙基氯化铵的正电荷之间会发生静电吸引，形成离子络合。当加热时长过短，原料溶解不充分、离子络合少，助滤剂可能无法达到预期的分散和絮凝效果，影响铁精矿的过滤效率和滤饼质量；当加热时长过大，溶液中的分子运动加快，分子间的碰撞频率和能量增加，分子间的相互吸引力减少，溶液的粘度降低，且过高的温度会损害加热设备、缩短使用寿命。且在加热过程中，羧甲基纤维素钠和聚二甲基二烯丙基氯化铵形成的离子络合物，分子间相互作用的增加，溶液的温度传导性可能会下降。而且，加热溶解刚开始过程中，原料都聚集成团，导致溶液的温度分布不均匀，易造成温度梯度的形成。因此，本申请考虑分析加热设备加热过程中的搅拌行为对溶液内温度均匀性分布的影响实现对加热时长的调整，整个制备方案的具体实施流程如图3所示。 [0033] 具体地，在加热设备内部放置内窥式炉内高温红外成像仪，对氯化铁、羧甲基纤维素钠、聚二甲基二烯丙基氯化铵原料加热溶解过程进行采样拍摄，获取溶液的红外热成像图像。其中，将加热设备刚开始加热1min后的时刻作为第一次采集时刻，相邻两次采集时间间隔设为0.5s，采集总时长设为1min，内窥式炉内高温红外成像仪拍摄角度为俯视。其次为了避免工业复杂环境对红外热成像图像的干扰，采用双边滤波对所有采集时刻获取的红外热成像图像进行去噪处理，将去噪后的每一幅红外热成像图像都记为一幅加热溶解图像，双边滤波去噪为公知技术，具体过程不再赘述。 [0034] 对于任意一个采集时刻，以第i个采集时刻得到的加热溶解图像为例进行分析，以中的第a个像元为中心点，构建大小为 的加热窗口 。由于温度的传递是由高温向低温传递，因此遍历 中所有像元的温度值，分别将 中温度值最大值、最小值对应的像元作为热辐源点、热辐终点。其次，将 中所有像元均作为图中的一个节点，将 中直接相邻的像元对应的节点进行连线，图中灰色块代表第a个像元，包含灰色块的圆为第a个像元对应的节点，将每条连线上两个节点对应的温度值差值的绝对值作为每条连线的边权重，将由 中所有像元构成的无向图作为第a个像元的加热窗口无向图 。 [0035] 进一步地，为了分析第a个像元与周围像元之间温度传递的均匀程度，利用加热窗口无向图 对不同温度值之间的传递情况进行分析，具体地，将加热窗口无向图 作为输入，分别将 中热辐源点对应的节点、第a个像元对应节点作为路径搜索时的起始点、终止点，利用BFS（Breadth First Search）算法获取加热窗口无向图 上的搜索路径，并计算每条搜索路径上的经过连线的边权重之和，将经过连线的边权重之和最大的搜索路径上的所有边权重、所有节点对应像元组成的序列分别作为第a个像元的源点传递序列、源点像元序列；其次，将加热窗口无向图 作为输入，分别将第a个像元对应节点、 中热辐终点对应的节点作为路径搜索时的起始点、终止点利用BFS算法获取搜索路径，并将经过连线的边权重之和最大的搜索路径上的所有边权重、所有节点对应像元组成的序列分别作为第a个像元的终点传递序列、终点像元序列；随后，将加热窗口无向图 作为输入，分别将 中热辐源点对应的节点、 中热辐终点对应节点作为路径搜索时的起始点、终止点，利用BFS算法获取加热窗口无向图 上的搜索路径，并计算每条搜索路径上的经过连线的边权重之和，将经过连线的边权重之和最大的搜索路径上的所有边权重、所有节点对应像元组成的序列分别作为第a个像元的源终传递序列、源终像元序列，BFS算法为公知技术，具体过程不再赘述。并将第a个像元的源点传递序列和终点传递序列进行首尾拼接得到的序列作为第a个像元的拼接传递序列；将第a个像元的源点像元序列和终点像元序列进行首尾拼接得到的序列作为第a个像元的拼接像元序列。 [0036] 进一步地，对于第a个像元的源点像元序列、终点像元序列进行相同的处理方式，本申请以源点像元序列为例，分别计算第a个像元的源点像元序列中所有元素的温度值与像元a的温度值差值的绝对值，将所述源点像元序列中所有元素对应的绝对值按照像元顺序组成的序列作为第a个像元的源点温差序列 ，将源点温差序列 中元素的次序值、元素分别作为横纵坐标构建数据空间，将采用最小二乘拟合算法获取源点温差序列的拟合直线记为第a个像元的源点拟合直线，将所述源点温差序列中每个元素到所述源点拟合直线的欧式距离作为每个元素的温差拟合距离，将所述源点温差序列中所有元素的温差拟合距离作为输入，利用大津阈值算法基于每个像元的源点温差序列中所有元素的温差拟合距离得到分割阈值，将每个温差拟合距离大于分割阈值的元素作为第a个像元的源点温差序列中的一个温差拟合偏离数据。其中，最小二乘拟合算法、大津阈值算法均为公知技术，具体过程不再赘述。 [0037] 基于上述分析，构建局部温度传导优异指数，用于表征加热设备中每个采集时刻下每个位置温度传递现象的显著程度。计算第a个像元的局部温度传导优异指数：式中， 是源点温差序列 中第p个元素的温差拟合容忍度， 是源点温差 序列 中第p个元素与第a个像元对应元素之间的间隔，所述间隔的大小等于第p个元素与第a个像元对应元素之间的元素数量， 是源点温差序列 中的元素数量， 是以自然常数为底数的指数函数； 是第a个像元的源点温差辐射强度，D是第a个像元的源点像元序列中首尾两个像元的温度值的差值绝对值， 是源点温差序列 中第p个元素的温差拟合距离，是源点温差序列 中温差拟合距离的分割阈值，是调参因子，用于防止分母为0，的大小取经验值0.01； 是第a个像元的局部温差辐射路径确信系数， 是第a个像元的拼接像元序列与第a个像元的源终像元序列中重复像元的数量，m是第a个像元的源终像元序列中的元素数量，q是第a个像元的源终像元序列中第q个元素， 是第q个元素与第a个像元之间的欧式距离，是预设距离，的大小等于加热窗口 对角线长度的一半， 、 分别是第a个像元的源终传递序列、拼接传递序列， 是序列 、 之间的DTW距离，DTW距离为公知技术，具体计算过程不再赘述； 是第a个像元的局部温度传导优异指数， 是第a个像元的终点温差辐射强度，计算方式与 一致，不再赘述。 [0038] 其中，在第a个像元的源点温差序列 中第p个元素与第a个像元对应元素之间的间隔越大， 的值越大，则第p个元素的温度传递对第a个像元处的温度传递的相互影响越小，越不具备明显的温度差异趋势，应当赋予更大的容忍度， 的值越大，这样计算的目的是为了避免由于间隔较大导致被处理为温差拟合偏离数据对温度传递的影响；第a个像元的源点温差序列中像元具有温度下降的趋势越明显，源点温差序列具有的线性趋势性越强，源点温差序列中温差拟合偏离数据的温差拟合距离与分割阈值之间的差值越小，第一差值 的值越小， 的值越小，加热窗口 内热辐源点到第a个像元的温度辐射传递强度越大，第a个像元的源点像元序列中首尾两个像元的温度值差异越大，D的值越大， 的值越大；加热过程中，加热窗口 内经过第a个像元的温度辐射传递路径与热辐源点到热辐终点的温度辐射传递路径越相似，第a个像元的拼接像元序列与第a个像元的源终像元序列中重复像元越多， 的值越大， 的值越小；源终像元序列中的元素与第a个像元之间的空间距离越小， 的值越大，第一度量距离的值越大， 的值越大；第a个像元处存在高温点温度辐射传递的现象以及向低温点传递温度的现象越显著， 、 的值越大；即 的值越大，第i个采集时刻所得加热溶解图像中第a个像元所在局部区域内温度传递现象越明显，第a个像元越不可能是形成离子络合物的像元。 [0039] 至此，得到每个像元的局部温度传导优异指数，用于后续构建每个像元的温差特征向量。 [0040] 步骤S003，基于每幅加热溶解图像中所有像元的局部温度均质指数的聚类结果确定每幅加热溶解图像的络合置信溶解指数。 [0041] 在助滤剂的制备加热溶解过程中，由于原料聚集和离子络合物的影响，导致溶液温度不均匀，彼此之间容易形成温度梯度。同时溶液中的分子自由度高，离子络合物中的分子自由度低，在刚开始加热溶解过程中，不含离子络合物的纯净溶液部分具有较多的温度梯度，含有离子络合物的溶液部分具有较少的温度梯度。 [0042] 具体地，计算第a个像元为中心所取加热窗口 内温度值的极差作为第a个像元的局部温度极差，将第a个像元的局部温度极差、源点温差辐射强度、终点温差辐射强度以及局部温度传导优异指数组成的向量作为第a个像元的温差特征向量，用于反映第a个像元的温度梯度特征。根据上述步骤，分别获取第i个采集时刻得到的加热溶解图像中每个像元的温差特征向量，并对所有所述像元的温差特征向量进行Z‑score归一化处理消除量纲的影响，将所有温差特征向量归一化后的结果作为输入，采用k‑shape聚类算法将温差特征向量归一化后的结果划分为k个聚类簇中，将每个聚类簇都作为温差等势类，温差等势类的编号为1‑k，每个温差等势类中的像元都具有相似的温度梯度特征。 [0043] 进一步地，统计加热窗口 中每个温差等势类的像元个数，将加热窗口 中所有温差等势类包含像元数量按照温差等势类编号从小到大的顺序组成的序列作为第a个像元的温差等势数量序列。其次，以温差等势类的编号作为横坐标，像元数量为纵坐标，获取加热窗口 中的统计直方图，记为第a个像元的温差等势直方图。进一步的，将加热窗口中的左上角、右上角、左下角、右下角像元都记为第a个像元的角像元。 [0044] 基于上述分析，此处构建局部温度均质指数，用于表征每个像元是助滤剂制备溶液中的离子络合物像元的概率。计算第a个像元的局部温度均质指数：式中， 是第i个采集时刻所得加热溶解图像中第a个像元的局部温度均质指数，是第a个像元的温差等势数量序列的赫芬达尔指数， 是加热窗口 中所有温度值的方差， 是以自然常数为底数的指数函数，M是第a个像元的角像元数量，j是第a个像元的第j个角像元， 、 分别是第a个像元、第j个角像元的温差等势直方图，是 与 的EMD（Earth Mover’s Distance）距离，是调参因子， 用于防止分母为0，的大小取经验值0.01，EMD距离、赫芬达尔指数均为公知技术，具体过程不再赘述。 [0045] 其中，加热窗口 中的温度值的分布越集中， 的值越小， 的值越大；加热窗口中均质程度越高，距离第a个像元较远的角像元处的温度传递与第a个像元处的也会存在一定相似性，第a个像元的角像元与第a个像元的温度辐射传递现象差异越相似，第a个像元、第j个角像元的温差等势直方图差异越小， 的值越小；即 的值越大，加热窗口 中的温度分布、温度梯度分布越一致，第a个像元越有可能是加热设备的溶液中的离子络合物像元。 [0046] 进一步地，将第i个采集时刻得到的加热溶解图像中所有像元的局部温度均质指数作为输入，采用k‑means算法将所述局部温度均质指数划分为k个聚类簇，每个聚类簇中的像元之间局部温度均质指数较为接近，每个聚类簇内像元都极有可能位于加热溶解图像中的温度传递现象显著的区域，k‑means算法为公知技术，具体过程不再赘述。在另一个实施例中，还可以将第i个采集时刻得到的加热溶解图像中所有像元的局部温度均质指数作为输入，采用k‑mediods算法将所述局部温度均质指数划分为k个聚类簇，度量距离为两像元的局部温度均质指数之间的差值，采用肘部法确定聚类簇的个数，输出k个聚类簇，k‑mediods算法为公知技术，具体过程不再赘述。 [0047] 其次，将每个聚类簇中所有像元的局部温度均质指数按照升序顺序组成的序列作为每个聚类簇的均质序列；并将每个聚类簇中所有像元的局部温度均质指数的均值作为每个聚类簇的均质代表值。并将k个聚类簇的均质代表值作为输入，采用大津阈值算法确定均质代表值的分割阈值，将每个均质代表值大于所述分割阈值的聚类簇作为一个疑似离子络合物区域，将每个均质代表值小于等于所述分割阈值的聚类簇作为一个疑似纯净均匀溶液区域，大津阈值算法为公知技术，具体过程不再赘述。 [0048] 基于上述分析，构建络合置信溶解指数，用于表征加热设备中每个采集时刻下加热溶解的充分程度。计算第i个采集时刻得到的加热溶解图像的络合置信溶解指数：式中， 是第y个疑似离子络合物区域的区域络合置信系数， 是第y个疑似离子络合物区域的均质代表值， 是均质代表值的分割阈值， 是第i个采集时刻所得加热溶解图像中疑似纯净均匀溶液区域的数量，t是第t个疑似纯净均匀溶液区域， 、 分别是第y个疑似离子络合物区域、第t个疑似纯净均匀溶液区域的均质序列，是 、 之间的杰拉德系数，是调参因子，用于防止分母为0，的大小取经验值0.01，杰拉德系数为公知技术，具体过程不再赘述； 是第i个采集时刻所得加热溶解图像的络合置信溶解指数， 是第i个采集时刻所得加热溶解图像中疑似离子络合物区域的数量， 是第y个疑似离子络合物区域的占比因子， 的大小等于第y个疑似离子络合物区域中的像元数量与第i个采集时刻所得加热溶解图像中像元数量的比值。 [0049] 其中，第i个采集时刻所得加热溶解图像中疑似离子络合物区域的高均质特征越明显，疑似离子络合物区域内元素对应的像元越符合加热溶解图像中离子络合物的特征，疑似离子络合物区域、疑似纯净均匀溶液区域之间的差异越大， 的值越大，的值越小， 的值越大；第y个疑似离子络合物区域的占比因子越大，第y个疑似离子络合物区域对整幅加热溶解图像的影响越大；即 的值越大，加热溶解图像中离子络合物形成度越高、加热溶解越充分，此时助滤剂制备过程中加热溶解效果越优异，越不需要长时间的加热时长。 [0050] 至此，得到加热过程中每个采集时刻对应加热溶解图像的络合置信溶解指数，用于后续获取加热设备中的最优加热时长。 [0051] 步骤S004，基于采集时刻的加热溶解图像的络合置信溶解指数、时变溶液流动强度、络合补偿充分指数构成的流动溶解特征向量，利用LSTM模型基于流动溶解特征向量得到最优加热时长，完成助滤剂制备。 [0052] 现阶段助滤剂常用的加热设备都自带搅拌功能，如工业级磁力加热搅拌器具有大体积处理能力和准确的温度控制，能够提供稳定的搅拌和加热功能。搅拌对原料溶解具有促进作用，采用具有搅拌功能的加热设备时，溶液在加热溶解过程中具有流动性，导致不同采集时刻的加热溶解图像差异较大，仅通过每个采集时刻对应的络合置信溶解指数无法体现搅拌对加热溶解的积极作用，而神经网络模型需要更多的训练数据来捕捉加热溶解与时长的非线性关系。因此本申请考虑进一步分析不同采集时刻下溶液的流程性，并基于分析结果以及络合置信溶解指数构建神经网络模型的输入。 [0053] 具体地，加热溶解图像中每个像元的局部温度均质指数反映每个像元在加热溶解图像中的局部温度均匀性，当搅拌导致的溶液具有高流动性，此时在加热溶解初始阶段，相同像元在不同加热溶解图像的局部温度均匀性具有较大差异，差异性越大，体现溶液的流动性越高，越对助滤剂原料溶解具有促进作用。因此，对于任意一个采集时刻，以第i个采集时刻为例，将与第i个采集时刻之间时间间隔最小的 个采集时刻按照时间顺序组成的序列作为第i个采集时刻的时变序列 ， 的大小取经验值20。 [0054] 进一步地，将加热窗口 中每个非中心点的像元均作为第a个像元的一个邻近像元，将每个所述邻近像元与第a个像元的局部温度均质指数之间差值的绝对值作为所述邻近像元的均值差异值，并将所有所述邻近像元的均值差异值按照与第a个像元距离升序的顺序排列，需要说明的是，对于与第a个像元距离相等的邻近像元，按照所述均值差异值升序的顺序排序，将排列所得序列作为第a个像元的均值差异序列。其次，将第a个像元的均值差异序列中所有元素的均值作为比较阈值，统计第a个像元的均值差异序列中大于等于比较阈值的均值差异值的数量作为第a个像元的差异显著个数，比较第a个像元的差异显著个数与阈值的大小，阈值设置为经验值40，如果第a个像元的差异显著个数大于阈值，则认为第a个像元在加热溶解图像具有显著的局部温度均匀性，将第a个像元作为一个温度均匀显著像元。 [0055] 根据上述步骤，分别获取第i个采集时刻所得加热溶解图像中所有的温度均匀显著像元，基于温度均匀显著像元、非温度均匀显著像元对加热溶解图像进行二值化，将温度均匀显著像元、非温度均匀显著像元分别置为1、0，得到加热溶解图像对应的显著二值矩阵，如图4所示。其次，对于第i个采集时刻所得加热溶解图像中任意一个温度均匀显著像元，以第O个温度均匀显著像元为例，将第i+1个采集时刻所得加热溶解图像中与第i个采集时刻所得加热溶解图像中第O个温度均匀显著像元坐标信息相同的像元作为第O个温度均匀显著像元的显著映射像元，并将第i+1个采集时刻所得加热溶解图像中距离第O个温度均匀显著像元的显著映射像元最近的温度均匀显著像元作为第O个温度均匀显著像元的疑似搅拌匹配像元。 [0056] 基于上述分析，此处构建络合补偿充分指数，用于表征每个采集时刻下加热设备内溶液的流动性强弱。计算第i个采集时刻的络合补偿充分指数：式中， 是时变序列 中第K个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的时变显著匹配因子， 是第K个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的均值差异序列， 是第K+1个采集时刻所得加热溶解图像中第Y个温度均匀显著像元的疑似搅拌匹配像元， 是第K+1个采集时刻所得加热溶解图像中疑似搅拌匹配像元 的均值差异序列， 是 、 之间的皮尔逊相关系数， 是欧式距离函数， 是第Y个温度均匀显著像元的坐标与疑似搅拌匹配像 元 的坐标之间的欧式距离，是调参因子，用于防止分母为0，的大小取经验值0.01，皮尔逊相关系数为公知技术，具体过程不再赘述； 是第i个采集时刻的时变溶液流动强度， 是时变序列 中元素数量， 是以自然常数为底数的指数函数， 、 分别是时变序列 中第K个采集 时刻、第K+1个采集时刻对应的显著二值矩阵， 是 、 之间的 SSIM（Structural Similarity Index Measure）值， 是第K个采集时刻所得加热溶解图像中温度均匀显著像元的数量，SSIM值的计算为公知技术，具体过程不再赘述； 是第i个采集时刻的调整急迫指数， 、 、 分别是第i个、第i+1个、第i‑1个采集时刻的络合置信溶解指数； 是第i个采集时刻的络合补偿充分指数，是所有采集时刻的调整急迫指数的均值， 是归一化函数， 是 的归一化结果。 [0057] 其中，在短时间内加热设备内溶液的流动变化越小，相邻两个采集时刻下加热溶解图像中温度均匀显著像元和疑似显著匹配像元的局部温度梯度特征越相似，两个像元之间的匹配程度越高，坐标距离 的值越小、局部温度均匀性越相似，的值越大， 的值越大；在第i个采集时刻到第i+1个采集时刻内加热 设备内搅拌行为导致溶液的流动性变大的可能性越大，相邻两个时刻所得加热溶解图像中同一坐标处的差异越大，显著二值矩阵中相同位置元素的差异越大， 的值越小， 的值越大，温度均匀显著像元和疑似显著匹配像 元的局部温度梯度特征越不一致， 的值越小， 的值越大；第i个采集时刻下溶液的流动性导致加热设备内离子络合物区域发生较大改变，第i个采集时刻、第i+1个、第i‑1个采集时刻的加热溶解程度之间的区分度较低， 、 、 之间的差异越大， 的值越大，需要对络合置信溶解指数表征出的加热溶解的充分程度进行补偿的程度越高，即 的值越大，第i个采集时刻下溶液中实际离子络合物区域越多、原料溶解越充分。 [0058] 进一步地，根据上述流程，分别获取每个采集时刻的络合置信溶解指数、时变溶液流动强度、络合补偿充分指数。将每个采集时刻的络合置信溶解指数、时变溶液流动强度、络合补偿充分指数组成的序列作为每个采集时刻的瞬时调整序列，将所有采集时刻的瞬时调整序列按照时间顺序组成的向量作为流动溶解特征向量，将流动溶解特征向量作为模型输入，利用LSTM（Long Short‑Term Memory）模型输出助滤剂制备过程中每个时刻的最优加热时长，模型的优化器为AdaGrad（Adaptive Gradient）算法作为优化算法，损失函数为L1函数，神经网络的训练为公知技术，具体过程不再赘述。 [0059] 其次，得到加热设备刚开始加热1min后每个时刻的最优加热时长后，制备人员根据将每个时刻的最优加热时长作为加热设备中溶液的加热时长进行实时调整，直至得到获取重量百分比浓度为5%的助滤剂溶液。进一步地，为了应用所得助滤剂，在铁矿选矿厂对铁精矿矿浆进行过滤时，将铁精矿矿浆配制成重量浓度为65%的矿浆，矿浆pH值为11.8；分别向两份完全相同的矿浆中添加本申请方式制备的助滤剂、现有助滤剂CB，添加比例均为每100g铁精矿矿浆添加0.1mL助滤剂，混合均匀后进行过滤，完成对助滤剂的应用，本申请调整加热时长所得助滤剂与现有助滤剂CB的过滤效果对比如表1所示。 |
||||||
