基于机器学习模型的选矿过程状态监测与故障诊断

提出并实现一种基于机器学习模型的选矿过程状态监测和故障诊断方法。基于通用的机器学习方法建立正常工况下的关键参数数据驱动模型;监测软件与DCS系统通信,实时计算目标变量的模型预测值并与实际测量值进行比较,误差超出设定阈值则进行报警标记;结合工艺专家的经验选择模型监测变量并与工况状态和工艺报警建立多方位联系,从而实现选矿过程状态监测和故障诊断。