主动半监督RVFLN方法在重介质选煤过程的应用
实际选煤过程中一些关键质量参数往往依靠人工化验,使得感知数据稀疏,即标签数据较少.建立数据驱动技术的选煤产品质量软测量模型需要采用半监督学习(SSL)方法.然而,SSL对提高模型质量比较有限,容易导致建立的数据驱动模型存在较大误差.本文充分分析样本信息度、样本代表性与过程非线性对建模精度的重要性,将随机向量函数链接网络(RVFLN)与基于多样性评价指标的主动学习(AL)策略相结合,提出一种主动半监督随机向量函数链接网络(ASS-RVFLN)的选煤灰分软测量建模方法.所提方法首先通过回归问题进行试验研究,验证了在获得较好模型性能时能够有效减少标注负担;然后应用于煤炭工业重介质选煤过程中的灰分估计,表明其有效性与工业应用的潜力.
选煤过程、半监督学习、随机向量函数链接网络、主动学习、软测量建模
51
TP18(自动化基础理论)
江苏省高等学校自然科学研究面上基金项目;中煤科工集团常州研究院科研项目;中煤科工集团常州研究院科研项目;天地科技股份有限公司科技创新创业资金专项项目
2023-03-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
1232-1240