公开(公告)号：CN110728329B

公开(公告)日：2021-03-02

申请号：CN201911008874.0

申请日：2019-10-22

Applicant: 中南大学

Inventor： 唐朝晖 ,  唐励雍 ,  高小亮 ,  范影 ,  刘亦玲 ,  肖文辉 ,  李涛

IPC: G06K9/62 ,  G06N3/00 ,  G06N20/10 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明提供了一种基于反馈补偿机制优化的锌浮选过程精矿品位预测方法，包括了以下步骤：首先采集锌浮选过程图像特征数据以及对应的精矿品位数据作为样本数据，并对采集的数据进行预处理；将预处理后的样本数据根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA提取贡献率高特征作为关键特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；建立模型误差反馈补偿机制，当模型误差不被控制时启动反馈补偿机制对模型进行补偿；本发明可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。

公开(公告)号：CN110728329A

公开(公告)日：2020-01-24

申请号：CN201911008874.0

申请日：2019-10-22

Applicant: 中南大学

Inventor： 唐朝晖 ,  唐励雍 ,  高小亮 ,  范影 ,  刘亦玲 ,  肖文辉 ,  李涛

IPC: G06K9/62 ,  G06N3/00 ,  G06N20/10 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明提供了一种基于反馈补偿机制优化的锌浮选过程精矿品位预测方法，包括了以下步骤：首先采集锌浮选过程图像特征数据以及对应的精矿品位数据作为样本数据，并对采集的数据进行预处理；将预处理后的样本数据根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA提取贡献率高特征作为关键特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；建立模型误差反馈补偿机制，当模型误差不被控制时启动反馈补偿机制对模型进行补偿；本发明可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。