10.3969/j.issn.1671-7775.2010.06.017
基于RBF神经网络和RS理论的磨矿分级系统软测量模型
为了提高硫化镍选矿过程的效率并改善选矿产品的质量,运用RS理论研究了某选矿厂磨矿工艺多维数据的属性约简.在建立相应RBF神经网络预测模型基础上,给出了表征磨矿生产过程内在规律的最小知识表达,并基于该模型对选矿生产指标进行了预测.结果表明:磨矿工艺数据可以进行浓缩,生产过程经验操作能够找到相应的理论依据,从而加深了对生产工艺过程内在规律的认识;应用软测量技术获取了球磨机和旋流器内部状态主要关键参数,该模型分析过程相对简单,网络学习训练时间少、学习精度高;仿真结果表明估计值与分析值拟合良好.
RS理论、RBF神经网络、预测模型、磨矿分级系统、软测量
31
TD923(选矿)
国家自然科学基金资助项目50877034;甘肃政法学院科研基金资助项目GZF2009XZDLW16
2011-01-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
695-699