浮选工艺指标KPCA-ELM软测量模型及应用

• 作者: 岳恒 李海波 柴天佑
• 来源期刊: 化工学报
• 关键词: 浮选 核主元分析 极限学习机 软测量
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2892-2898
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2012.09.035

摘要

精矿品位和尾矿品位是浮选过程重要的工艺技术指标,其难以实现在线检测,且与过程控制变量具有强非线性、不确定性等综合复杂特性,难以直接采用精确的数学模型描述,主要依靠人工化验分析.人工采样化验周期较长,难以满足控制要求,使得浮选精矿品位偏低,尾矿品位偏高,因此建立浮选品位指标的软测量方法受到工业界广泛关注.在分析浮选过程工艺指标相关影响因素的基础上,建立一种基于主元分析KPCA (ker-nel principal component analysis)和极限学习机ELM (extreme learning machine)的软测量模型.为了消除离群点对软测量模型精度的影响,采用基于稳健位置估计的方法识别离群点,利用核主元分析对软测量模型的输入数据进行降维,提取非线性主元,然后用极限学习机进行建模.该建模方法已成功应用于中国西北某选矿厂浮选车间,工业应用结果表明该方法有很高的预报精度,对生产有一定的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴天佑	东北大学流程工业综合自动化国家重点实验室	382	9006	43.0	78.0
5	岳恒	东北大学流程工业综合自动化国家重点实验室	62	1075	21.0	30.0
9	李海波	东北大学流程工业综合自动化国家重点实验室	41	311	8.0	16.0