开发一个带有电容传感器,样品压缩和TinyML的机床系统,用于铁矿石水分测量

科学领域:

• 矿物加工 矿物加工
• 仪器仪表和测量仪器的使用
• 机器学习在地球科学中的应用

背景情况:

• 在矿物加工中,含水量至关重要,特别是在矿石运输和优化方面.
• 目前用于测量矿石水分的仪器具有缓慢的响应时间和不准确性.
• 矿物加工中的运营问题可能是由于水含量的传感或控制不足而产生的.

研究的目的:

• 开发一种用于快速准确地测量矿石水分的新型测试系统.
• 为了解决矿产部门当前仪器仪表的局限性.
• 实现一个TinyML模型来实时评估矿石水分.

主要方法:

• 使用真实双频方法 (RDFM) 来测量电导率和相对电容.
• 作为输入变量,集成的散装密度,腔位和压缩扭矩.
• 开发了一个TinyML模型,特别是基于树的模型,在实验数据上进行训练.
• 采用矿石压缩来最大限度地减少气泡并提高测量精度.

主要成果:

• 开发的基板系统表现出快速响应时间和在矿石湿度测量中提高准确度.
• 发现矿石压缩显著提高了测量准确度.
• 基于树的TinyML模型被证明是有效的快速湿度估计.
• 实验验证是使用矿业公司实验室的数据集进行的.

结论:

• 这种新的基板系统为准确和快速的矿石水分测定提供了可行的解决方案.
• TinyML模型,特别是决策树,适用于矿产加工中的实时矿石水分分析.
• 通过矿石压缩优化测量可以获得更可靠的结果.