浮選生產(chǎn)過(guò)程中的精礦品位與回收率的在線預(yù)測(cè)對(duì)提高浮選生產(chǎn)質(zhì)量及優(yōu)化生產(chǎn)流程有重要意義。由于浮選機(jī)理復(fù)雜,浮選過(guò)程存在著非線性和大滯后、且由于生產(chǎn)環(huán)境惡劣,昂貴的測(cè)量?jī)x器無(wú)法長(zhǎng)期穩(wěn)定工作,直接對(duì)回收率和精礦品位進(jìn)行在線檢測(cè)具有一定的難度,因此采用軟測(cè)量技術(shù),借助浮選過(guò)程中與精礦品位和回收率之間存在聯(lián)系的輔助變量來(lái)建立數(shù)學(xué)模型,是實(shí)現(xiàn)浮選精礦品位與回收率的實(shí)時(shí)在線預(yù)測(cè)的有效途徑。本文以浮選數(shù)據(jù)預(yù)處理、支持向量機(jī)軟測(cè)量建模和改進(jìn)智能優(yōu)化算法的浮選模型優(yōu)化技術(shù)為主要研究?jī)?nèi)容,構(gòu)建了浮選預(yù)測(cè)模型,解決了浮選精礦品位與回收率的在線預(yù)測(cè)問(wèn)題,為浮選的生產(chǎn)過(guò)程控制提供理論指導(dǎo)。(1)針對(duì)于浮選生產(chǎn)過(guò)程的影響因素,本文采取主元分析法(PCA)對(duì)主要的影響因素進(jìn)行主元提取,提取三個(gè)主要影響參數(shù)。通過(guò)PCA與歸一化對(duì)數(shù)據(jù)進(jìn)行處理,降低數(shù)據(jù)的維度,來(lái)提高模型的預(yù)測(cè)精度。(2)本文選擇支持向量機(jī)作為預(yù)測(cè)模型,支持向量機(jī)利用輸入與輸出之間的關(guān)系,建立連續(xù)的函數(shù)映射,通過(guò)不敏感損失函數(shù)與懲罰函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行擬合,再通過(guò)核函數(shù)進(jìn)行映射,最終建立回歸預(yù)測(cè)模型。(3)通過(guò)對(duì)人工魚(yú)群算法(AFSA)進(jìn)行改進(jìn),改進(jìn)人工魚(yú)群... 

【文章來(lái)源】：遼寧科技大學(xué)遼寧省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

弓長(zhǎng)嶺浮選工藝流程圖

浮選現(xiàn)場(chǎng)圖

遼寧科技大學(xué)碩士學(xué)位論文23圖3.2最優(yōu)超平面Fig.3.2Optimalhyperplane設(shè)定一個(gè)n維的樣本集：(,)|;1,1,1,2,...,niiiixyxRyij（3.7）在式（3.7）中，xi代表的是訓(xùn)練集中的特征向量。通過(guò)對(duì)給定的數(shù)據(jù)集作二值分類(lèi)，去尋找最優(yōu)超平面H，最優(yōu)超平面H在n維空間下的表達(dá)式如下：w,xb0（3.8）在上式中，w為系數(shù)向量；x是n維的變量；b為一個(gè)常數(shù)量。所以，在空間中的點(diǎn)xi至最優(yōu)超平面H的距離如下式表示：,(,)iwxbdxHw（3.9）在求解點(diǎn)與最優(yōu)超平面的距離(,)idxH時(shí)，當(dāng)距離最大的情況下，21/2w就是最小的，因此就可以將求解最優(yōu)超平面的問(wèn)題從而轉(zhuǎn)變?yōu)榍蠼鈽O值問(wèn)題，表示為：21min2(,)1,1,2,,iiwywxbil（3.10）


本文編號(hào)：2915512