版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在選礦過(guò)程中,磨礦粒度是衡量磨礦分級(jí)作業(yè)運(yùn)行品質(zhì)最重要的工藝指標(biāo),直接制約著選礦產(chǎn)品質(zhì)量和金屬回收率,影響著整個(gè)選礦廠的經(jīng)濟(jì)技術(shù)指標(biāo)。因此在實(shí)際生產(chǎn)中,必須采用有效手段實(shí)現(xiàn)對(duì)磨礦粒度的實(shí)時(shí)在線檢測(cè)。
由于水力旋流器是磨礦分級(jí)中應(yīng)用非常廣泛的分級(jí)設(shè)備。所以通常在工業(yè)生產(chǎn)中,衡量磨礦分級(jí)產(chǎn)品質(zhì)量的標(biāo)準(zhǔn)就是水力旋流器的溢流粒度。而由于水力旋流器內(nèi)流場(chǎng)的復(fù)雜性,對(duì)其溢流粒度的估計(jì)很難提出一個(gè)系統(tǒng)完整的、簡(jiǎn)單準(zhǔn)確同時(shí)又具有一定深度和
2、廣度的通用式。而軟測(cè)量技術(shù)利用過(guò)程中的一些相關(guān)信息來(lái)估計(jì)這些不可在線檢測(cè)的變量,既容易實(shí)現(xiàn)又節(jié)約成本,是一種非??尚械霓k法。
本文重點(diǎn)研究了基于支持向量回歸的軟測(cè)量建模方法,從支持向量回歸的理論研究、核函數(shù)選取及其參數(shù)選擇等方面進(jìn)行了詳細(xì)的討論。在分析不同核函數(shù)所表現(xiàn)出來(lái)的特性的基礎(chǔ)之上,選取混合核函數(shù)作為支持向量回歸中的核函數(shù),通過(guò)與采用RBF核函數(shù)的支持向量回歸模型的對(duì)比,證明采用混合核函數(shù)的支持向量回歸模型具有更好的
3、泛化性能。同時(shí)對(duì)支持向量回歸模型參數(shù)的選取本文采用粒子群優(yōu)化算法,通過(guò)該方法獲得的支持向量回歸模型的參數(shù)組合可以使回歸模型獲得更好的泛化性能。
在對(duì)現(xiàn)有關(guān)于水力旋流器分離粒度數(shù)學(xué)模型的分析以及對(duì)影響水力旋流器性能的各種參數(shù)說(shuō)明的基礎(chǔ)之上,選取軟測(cè)量模型需要的輔助變量,并以水力旋流器溢流粒度分布,即磨礦粒度,為主導(dǎo)變量,建立基于支持向量回歸的軟測(cè)量模型。通過(guò)與經(jīng)驗(yàn)?zāi)P偷膶?duì)比,證明了這種軟測(cè)量模型能夠得到可靠且泛化性能更好的結(jié)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 水力旋流器溢流粒度軟測(cè)量方法的研究.pdf
- 基于懲罰樣條的支持向量回歸.pdf
- 基于支持向量回歸的水質(zhì)預(yù)測(cè)研究.pdf
- 基于支持向量回歸機(jī)的匯率預(yù)測(cè).pdf
- 支持向量回歸方法研究.pdf
- 基于支持向量機(jī)的煤粉顆粒度在線軟測(cè)量研究.pdf
- 基于人工神經(jīng)網(wǎng)的旋流器分級(jí)粒度軟測(cè)量.pdf
- 支持向量回歸的算法分析.pdf
- 基于支持向量回歸機(jī)的股價(jià)預(yù)測(cè)研究.pdf
- 基于支持向量回歸模型的圖像分類研究.pdf
- 基于支持向量回歸機(jī)的圖像水印研究.pdf
- 基于支持向量回歸的全局仿真優(yōu)化算法.pdf
- 加權(quán)支持向量回歸算法研究.pdf
- 磨礦過(guò)程溢流粒度軟測(cè)量研究.pdf
- 基于支持向量回歸機(jī)的盲均衡算法研究.pdf
- 基于模糊支持向量回歸的機(jī)場(chǎng)噪聲預(yù)測(cè)研究.pdf
- 基于支持向量回歸機(jī)的燃料電池研究.pdf
- 基于噪聲模型的支持向量回歸機(jī)的分析.pdf
- 支持向量回歸增量學(xué)習(xí)算法研究.pdf
- 基于支持向量回歸機(jī)模型的股市預(yù)測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論