动态RBF神经网络在浮选过程模型失配中的应用

• 作者: 杨鹏 王晓丽 阳春华 黄蕾
• 来源期刊: 化工学报
• 关键词: 泡沫浮选过程 动态RBF神经网络 模型失配 工况迁移
• 年，卷（期）: 2016,（3）
• 页码范围: 897-902
• 页数: 6页
• 分类号: TQ027.1
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20151940

摘要

铝土矿泡沫浮选过程中，因矿浆的快速沉淀等原因工艺参数在线检测困难，且入矿性质变化频繁，造成浮选过程参数随入矿的变化而不断改变。而通常建立的静态软测量模型利用固定样本集训练得到，当矿源变化时容易发生模型失配现象，使模型不能跟踪当前对象。针对变矿源下的模型失配问题，本文提出基于隐层节点动态分配和模型参数动态修正策略的 RBF 神经网络建模方法，用于铝土矿浮选过程酸碱度的在线检测建模。实际生产数据仿真结果表明该方法能够有效解决模型失配的问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	杨鹏	中南大学信息科学与工程学院	21	127	6.0	10.0
3	王晓丽	中南大学信息科学与工程学院	23	125	7.0	10.0
4	黄蕾	中南大学信息科学与工程学院	7	25	3.0	4.0