来源：期刊VIP网 时间：
作者：成荣杰;崔腾;
单位：中煤天津设计工程有限责任公司智能选煤研究所;中国矿业大学信息与控制工程学院;
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R~2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
基金资助：江苏省基础研究计划项目(BK20240102)
