控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2012年
3期
416-419
,共4页
矿物浮连%泡沫图像%预测模型%主元分析(PCA)%自适应遗传混合神经网络(AGA-HNN)
礦物浮連%泡沫圖像%預測模型%主元分析(PCA)%自適應遺傳混閤神經網絡(AGA-HNN)
광물부련%포말도상%예측모형%주원분석(PCA)%자괄응유전혼합신경망락(AGA-HNN)
矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量.目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值.为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立PH值预测模型.最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率.
礦物浮選過程中,礦漿pH值作為影響浮選效果的一箇重要因素,是實現浮選過程鑑視及優化控製的一箇重要參量.目前的pH值測定儀存在交扠汙染、測量滯後等問題,難以穫得實時準確的pH值.為使浮選運行在最優狀態,在泡沫圖像特徵提取的基礎上,提齣一種基于自適應遺傳混閤神經網絡的預測模型,該模型首先利用主元分析(PCA)方法對提取的多箇圖像特徵進行降維,然後採用自適應遺傳混閤神經網絡(AGA-HNN)建立PH值預測模型.最後將該模型應用于浮選現場,預測結果能夠實時跟蹤實際值,根據預測值實時調整工況條件,改善瞭浮選效果,提高瞭浮選效率.
광물부선과정중,광장pH치작위영향부선효과적일개중요인소,시실현부선과정감시급우화공제적일개중요삼량.목전적pH치측정의존재교차오염、측량체후등문제,난이획득실시준학적pH치.위사부선운행재최우상태,재포말도상특정제취적기출상,제출일충기우자괄응유전혼합신경망락적예측모형,해모형수선이용주원분석(PCA)방법대제취적다개도상특정진행강유,연후채용자괄응유전혼합신경망락(AGA-HNN)건립PH치예측모형.최후장해모형응용우부선현장,예측결과능구실시근종실제치,근거예측치실시조정공황조건,개선료부선효과,제고료부선효솔.
