仪器仪表学报

作者：王兰豪，卫涛杰，余 刚，代 伟

单位：王兰豪,1. 中国矿业大学国家煤加工与洁净化工程技术研究中心,,卫涛杰,2. 中国矿业大学信息与控制工程学院,,余 刚,3. 矿冶过程智能优化制造全国重点实验室，4. 矿冶过程自动控制技术北京市重点实验室,,代 伟,2. 中国矿业大学信息与控制工程学院,

关键词：矿浆密度;数据驱动;随机配置网络;正则化;协同计算

基金：国家重点研发计划项目(2022YFB3304700)、国家自然科学基金(52304309,62373361,52261135540)、矿冶过程智能优化制造全国重点实验室、矿冶过程自动控制技术北京市重点实验室开放基金项目(BGRIMM-KZSKL-2022-7)资助

本文针对磨矿分级中传统密度检测方法精度不高且耗时耗力的问题,提出一种矿浆密度智能检测方法。通过对矿浆流体进行机理分析,得到线性已知项和非线性未知项,结合高斯过程回归与正则化随机配置(RSC)算法对矿浆密度进行整体辨识。此外将机理模型估计的方差作为数据驱动模型的训练目标,提高了模型对数据信息的获取程度。同时采用协同计算的方式将自适应智能检测方法应用到工业中,确保矿浆密度检测的实时性和检测模型自适应性。基于工业数据实验分析,本文方法估计密度的平均绝对误差为7.13、均方根误差为9.31、决定系数为99.51%、检测结果相对误差δ<1.0%的样本数量占比83.58%,均优于其他对比算法,极大提高了矿浆密度检测模型的有效性。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期