摘要
本发明涉及一种融合多源浮选工况信息的泡沫速度优化设定方法，涉及浮选智能优化生产技术领域，通过浮选生产测控平台采集浮选工况数据，并进行数据预处理得到若干浮选工况数据源案例集；基于浮选工况匹配距离，结合K‑Means聚类方法获取K组子类案例集，结合选矿品位预测模型和回收率计算模型得到关键生产指标，通过泡沫速度设定模型和评价与学习模型获取每组子案例集下的最优案例；将浮选工况新案例在案例库中进行案例检索，若没有匹配的案例，将新案例加入浮选工况源案例集，进行案例修正，并继续进行案例检索，若匹配到相似案例，则获取最优匹配案例；并从案例库中导出，进行案例重用，获取泡沫速度最优设定值；解决了浮选工况过程的波动问题，有效改善了浮选关键生产指标。
