基于改进SVM的淘洗机选矿质量在线预测研究

摘要：

由于现场选矿过程环境复杂,传统选矿质量检测方法的滞后容易导致结果反馈不及时,使得淘洗机选矿品位不稳定.本文采用一种基于改进粒子群算法和SVM相结合(IPSO-SVM)的在线预测模型来预测并调控选矿质量.由于粒子群优化算法容易陷入局部最优解和出现过早收敛,通过多方面手段改进粒子群算法,利用基准函数对改进的粒子群算法进行验证;并根据历史淘洗机生产数据建立以淘洗机精矿品位和精矿回收率为指标的预测模型,实现在线预测的同时将预测结果反馈给选矿过程用于参数调控.仿真实验结果表明,IPSO-SVM算法在预测精矿品位时误差小于±0.5％的占比为90％,在预测精矿回收率时误差小于±0.8％的占比为90％,且在线预测检测时间明显缩短,预测结果相对准确,有助于改善选矿质量.

关键词：选矿、改进粒子群、支持向量机、预测

所属期刊栏目：46

分类号：TD457;N945.24(矿山机械)

资助基金：国家自然科学基金51975433

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：89-94,100