一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

论文摘要

作为磨矿过程的主要生产质量指标,磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率,并减少有用矿物的金属流失.由于经济和技术上的限制,磨矿粒度的实时测量难以实现.因此,磨矿粒度的在线估计显得尤为重要.然而,目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿,其矿浆颗粒存在磁团聚现象,所采集的数据存在大量异常值,使得利用数据建立的磨矿粒度模型存在较大误差.同时,传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点,且单一模型泛化性能较差,现有的集成学习在异常值干扰下性能严重下降.因此,本文在改进的随机向量函数链接网络(random vector functional link networks,RVFLN)的基础上,将Bagging算法与自适应加权数据融合技术相结合,提出一种基于鲁棒随机向量函数链接网络的集成建模方法,用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究,然后采用磨矿工业实际数据进行验证,表明其有效性.

论文目录

• 1 磨矿过程与特性分析
•   1.1 磨矿过程工艺描述
•   1.2 磨矿过程特性分析
• 2 基于鲁棒随机向量函数链接网络的集成建模
•   2.1 鲁棒集成建模策略
•   2.2 基于鲁棒随机向量函数链接网络的基模型
•   2.3 基于Bagging与自适应加权数据融合算法的鲁棒集成建模方法
•   2.4 算法步骤
•   2.5 性能评估
•     2.5.1 函数近似
•     2.5.2 基准数据
• 3 磨矿粒度估计
• 4 结论

文章来源

类型: 期刊论文

作者: 李德鹏,代伟,赵大勇,黄罡,马小平

关键词: 磨矿粒度,随机向量函数链接网络,集成学习,鲁棒性,数据融合

来源: 工程科学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 矿业工程

单位: 中国矿业大学信息与控制工程学院,东北大学流程工业综合自动化国家重点实验室,中国科学院沈阳自动化研究所

基金: 国家自然科学基金青年资助项目(61603393,61741318),江苏省自然科学基金青年基金资助项目(BK20160275),中国博士后科学基金资助项目(2015M581885,2018T110571),流程工业综合自动化国家重点实验室开放课题资助项目(PAL-N201706),江苏省研究生科研与实践创新计划资助项目(SJCX17_0524)

分类号: TD921.4

DOI: 10.13374/j.issn2095-9389.2019.01.007

页码: 67-77

总页数: 11

文件大小: 595K

下载量: 212