基于选矿生产数据的矿石可磨性智能识别算法

摘要：

本文以在线识别矿石可磨度为研究目标,通过详细分析磨矿过程参数间的相互影响关系,得出磨矿过程运行指标的变化能从一定程度上反应矿石可磨度变化的结论.针对工业数据维度高、耦合性强等问题,在着重研究了KPLSR和SAE两种可提取关键特征算法机理的基础上,以实际采集的磨矿过程数据为样本,对多算法进行横纵对比,最终验证了深度学习算法SAE在工业复杂数据分析中的优势.并以测试试验中性能最佳的算法结构作为矿石可磨性智能识别系统的在线识别模型,该模型在工业化应用中绝对值误差平均可达0.61 kW·h/t,平均误差率约为4.79％,可满足现场生产的需求.

关键词：矿石、可磨度、磨矿过程、数据驱动、软测量技术、深度学习算法

所属期刊栏目：49

分类号：TD921;TP29(选矿)

资助基金：五矿科技专项计划项目2020ZXC03

在线出版日期：2024-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：83-92