浓缩池溢流浓度监测是实现煤泥水智能加药的关键.针对基于传感器的溢流浓度监测方式会导致絮凝剂调节滞后的问题,提出了一种基于改进麻雀搜索算法(ISSA)-长短期记忆(LSTM)的浓缩池溢流浓度预测方法.首先,对浓缩生产过程中的多参数时间序列进行相关性分析和预处理,得到输入变量.其次,采用多策略联合改进麻雀搜索算法(SSA):引入Tent混沌映射对麻雀种群进行初始化,以保证种群多样性,加快算法收敛速度;用螺旋捕食策略改进SSA的寻优过程,以兼顾局部开发和全局搜索能力;用萤火虫扰动策略对麻雀搜索结果进行扰动,以提高全局搜索能力,避免算法陷入局部最优.然后,采用ISSA优化双层LSTM网络模型的超参数.最后,构建基于ISSA?LSTM的浓缩池溢流浓度预测模型,进行在线监测.实验结果表明:①选取Ackley函数和Rastrigin函数作为测试函数,得出ISSA的全局寻优性能和收敛速度均优于粒子群优化(PSO)算法、鲸鱼优化算法(WOA)和标准SSA.②3种改进策略中,螺旋捕食策略对ISSA性能的提升起主导作用,混沌映射和萤火虫扰动策略协调算法的收敛速度和全局搜索能力,进一步提升算法寻优性能.③采用ISSA优化LSTM的超参数,解决了依靠主观经验取值时存在的欠拟合或过拟合问题,ISSA?LSTM模型的溢流浓度预测精度达97.26％,高于双层LSTM、SSA?LSTM、最小二乘支持向量机(LSSVM)等模型.④数据预处理可以提升模型的精度,降噪后溢流浓度预测精度比降噪前提升了30.25％.

选煤智能化;智能加药;溢流浓度预测;麻雀搜索算法;LSTM;混沌映射;螺旋捕食策略;萤火虫扰动策略

太原理工大学 矿业工程学院,山西 太原 030024;矿物加工科学与技术国家重点实验室,北京 100160;晋能控股集团 马道头选煤厂,山西 太原 030006

[1]张洋洋;樊玉萍;马晓敏;董宪姝;金伟;王大卫-.基于ISSA-LSTM的浓缩池溢流浓度预测)[J].工矿自动化,2022(11):63-72

溢流浓度预测,螺旋捕食策略,Rastrigin

ISSA,煤泥水,智能加药,监测方式,絮凝剂,调节滞后,改进麻雀搜索算法,长短期记忆,多参数,多策略,Tent,混沌映射,初始化,种群多样性,收敛速度,局部开发,全局搜索,搜索能力,萤火虫扰动策略,局部最优,超参数,在线监测,Ackley,测试函数,全局寻优,寻优性能,粒子群优化,PSO,鲸鱼优化算法,WOA,改进策略,升起,算法寻优,欠拟合,过拟合,最小二乘支持向量机,LSSVM,数据预处理,降噪,比降,选煤智能化

0.21158