AdaBoost多項(xiàng)式算法在選礦電氣控制系統(tǒng)中的應(yīng)用研究.pdf

1、在選礦電氣控制過程中，磨礦的分級(jí)控制是非常重要的過程環(huán)節(jié)，其礦漿粒度的大小是衡量磨礦分級(jí)過程作業(yè)質(zhì)量最重要的工藝指標(biāo)。因此對(duì)磨礦礦漿粒度的實(shí)時(shí)檢測是非常必要的。由于大中型的選礦廠廣泛采用旋流器對(duì)礦漿粒度進(jìn)行分級(jí)，因此旋流器溢流粒度在工藝流程中是衡量礦漿分級(jí)產(chǎn)品質(zhì)量高低的最重要指標(biāo)。但是由于復(fù)雜的流場以及磨礦過程中的多變性、時(shí)變性等，很難找到一個(gè)完整的、準(zhǔn)確的簡單通用式來對(duì)選礦溢流粒度進(jìn)行估計(jì)。
　　為了降低選礦的生產(chǎn)成本和維護(hù)成本

2、，本文在已有的旋流器溢流粒度測量方法上深入探索，以選礦工藝中的旋流器對(duì)礦漿流量、壓力、流速的電氣控制系統(tǒng)為平臺(tái)進(jìn)行研究，進(jìn)而提出基于AdaBoost的多項(xiàng)式旋流器溢流粒度預(yù)測模型。
　　本文中介紹了多項(xiàng)式模型和AdaBoost算法，然后將其結(jié)合，著重介紹了預(yù)測模型。該模型以均方誤差最小化為目標(biāo)函數(shù)建立多項(xiàng)式模型，采用AdaBoost加強(qiáng)性能較差的樣本的訓(xùn)練提高模型的泛化性和精度，最后將多個(gè)模型按照不同的權(quán)重進(jìn)行集成作為最終的模型。