基于鲁棒随机配置网络的赤铁矿磨矿过程数据驱动粒度估计

• 作者: 代伟 李德鹏 柴天佑 陈其鑫
• 来源期刊: 中南大学学报（英文版）
• 关键词: 赤铁矿磨矿过程 粒度 随机配置网络(SCN) 鲁棒技术 M估计 非参数核密度估计(NKDE)
• 年，卷（期）: 2019,（1）
• 页码范围: 43-62
• 页数: 20页
• 字数: 2195字
• 语种: 英文

摘要

粒度作为赤铁矿磨矿过程的关键生产质量指标,针对其难以实时检测的问题,本文在随机配置网络(Stochastic configuration network,SCN)的基础上,证明了一种基于加权最小二乘的鲁棒SCN(Robust SCN,RSCN)的万能逼近特性,并分别采用Huber损失函数的M估计、四分位距(Inter quartile range,IQR)的M估计和非参数核密度估计(Nonparametric kernel density estimation,NKDE)三个函数计算惩罚权值,从而提出三种RSCN算法,在UCI标准数据集上的实验研究表明了所提算法的有效性.基于RSCN算法建立了数据驱动的赤铁矿磨矿过程粒度模型,取得了良好的估计效果.