针对目前选煤厂智能化建设过程中遇到的浮选精煤灰分难以在线快速精准检测的问题，进行了基于多源异构信息融合的浮选精煤灰分在线检测技术研究，通过多源异构信息融合，将实时浮选尾矿图像与浮选过程变量数据融合为11种特征作为输入变量，并使用IGWO-BP模型对浮选精煤灰分进行预测。通过对GWO算法中收敛系数和指导权重的优化，实现了对GWO算法的改进，并使用IGWO算法对BP神经网络的权值和阈值进行了优化。预测结果表明，与传统BP神经网络和GWO-BP模型相比，IGWO-BP模型的RMSE分别降低66%和44%,MAPE分别降低66%和47%，具有更高的预测精度。并进行了现场应用，通过检测流程的设计与开发，可以实现每3 min对精煤灰分进行1次检测，使用工业现场数据验证，检测结果 RMSE=0.247 3,MAPE=2.083 2%，检测快速精准，为实现浮选过程透明化和浮选系统智能化提供了新方法。

山西省应用基础研究计划重点自然基金项目（201901D111007(ZD)）；山西省关键核心技术和共性技术研发攻关专项项目（（重点研发计划）2020XX004）；

0 引言
1 基于多源异构信息融合的浮选精煤灰分检测方法
1.1 多源异构信息融合及检测框架
1.2 IGWO-BP算法
(1)BP神经网络
(2）灰狼优化算法（GWO)
(3）改进灰狼优化算法（IGWO)
(4)IGWO优化BP神经网络
2 基于多源异构信息融合的浮选精煤灰分在线检测模型建模过程
2.1 原始数据采集
2.2 评价标准选择
2.3 模型建立
2.4 模型训练与评估
3 现场应用
3.1 设计与开发
3.2 应用效果
4 结语

范富博,王然风,付翔.基于多源异构信息融合的浮选精煤灰分在线检测技术研究与应用[J].煤炭技术,2023,42(02):233-238.DOI:10.13301/j.cnki.ct.2023.02.057.