基于多层感知器神经网络的精矿品位预报北大核心CSCD |
| |
引用本文: | 曲钧天丁进良.基于多层感知器神经网络的精矿品位预报北大核心CSCD[J].控制工程,2014(S1):78-84. |
| |
作者姓名: | 曲钧天丁进良 |
| |
作者单位: | 1.东北大学流程工业综合自动化国家重点实验室110819; |
| |
基金项目: | 国家教育部新世纪人才支持计划(NCET-12-0104);辽宁省优秀人才计划(LJQ2012020) |
| |
摘 要: | 精矿品位是直接关系到选矿生产效率和产品质量的重要指标,精矿品位的在线检测对提高赤铁矿选矿生产流程的产品质量和生产效率、减少资源消耗具有重要意义。但是,由于选矿生产的强非线性和强耦合性,使得精矿品位往往难于在线连续测量。为了建立精矿品位与工艺指标之间的模型,以便于调整各工艺指标,从而实现全流程优化,本文采用多层感知器神经网络和系统辨识相结合的方法,运用Matlab系统辨识工具箱和神经网络工具箱,提出了由线性模型和非线性补偿模型组成的混合模型结构的精矿品位预报方法,建立了精矿品位预报模型。该方法提高了对于复杂工业过程中精矿品位指标的预报精度,通过现场数据和一系列对比实验验证了本方法的有效性和优点。
|
关 键 词: | 选矿过程 精矿品位 混合预报模型 神经网络 系统辨识 |
本文献已被 维普 等数据库收录! |
|