典型文献
基于PSO优化T-S模糊神经网络的磨矿粒度预测
文献摘要：
选矿厂二段磨矿粒度是影响精品矿位和回收率的关键因素.本文针对目前选矿厂无法对磨矿粒度进行实时检测的问题,结合二段磨矿过程,使用基于粒子群算法(PSO)优化T-S模糊神经网络的方法,建立二段磨矿粒度软测量模型;并采集选矿厂实际生产数据,进行模型对比试验.结果表明:PSO优化T-S模糊神经网络的模型命中率为94％,平均相对误差为0.005 4,模型性能明显优于T-S模糊神经网络模型和RBF神经网络模型;优化模型能有效解决二段磨矿粒度与变量间的模糊性问题,且预测精度较高,满足选矿厂对二段磨矿粒度实时检测的要求.本文研究成果可为二段磨矿粒度软测量建模提供新策略.
文献关键词：
球磨机;磨矿粒度;软测量模型;粒子群算法;T-S模糊神经网络
中图分类号：
作者姓名：
黎芬芳;崔桂梅
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头014010
文献出处：
引用格式：
[1]黎芬芳;崔桂梅-.基于PSO优化T-S模糊神经网络的磨矿粒度预测)[J].烧结球团,2022(04):64-70
A类：
B类：
PSO,模糊神经网络,磨矿粒度,粒度预测,选矿厂,二段磨矿,实时检测,磨矿过程,粒子群算法,软测量模型,生产数据,模型对比,命中率,平均相对误差,模型性能,RBF,模糊性,软测量建模,球磨机
AB值：
0.173885
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
