[发明专利]基于改进SVM的淘洗机精矿品位在线预测方法及系统

说明书

本发明公开了一种基于改进SVM的淘洗机精矿品位在线预测方法及系统，该方法包括以下步骤：S1、采集淘洗机的运行参数并进行数据预处理；S2、改进粒子群优化算法；S3、建立支持向量机的淘洗机精矿品位预测模型；S4、利用改进的粒子群优化算法优化支持向量机的参数，建立改进支持向量机的淘洗机精矿品位预测模型；S5、利用预处理后的数据训练改进支持向量机的淘洗机精矿品位预测模型，训练完成之后进行淘洗机精矿品位预测。本发明将机器学习的技术应用于预测淘洗机精矿品位上，通过以多方面改进粒子群算法的方法，并支持向量机的方法，对选矿厂的淘洗机数据进行选矿质量在线预测，提高和保证淘洗机选矿工作状态的准确性和稳定性。

技术领域

本发明属于淘洗机选矿技术领域，具体涉及一种基于改进SVM的淘洗机精矿品位在线预测方法及系统。

背景技术

矿冶行业是目前我国国民经济的支柱产业，而选矿对矿冶行业的发展起着至关重要的作用。近年来我国的铁矿石面临考验，采选品位较低，经选矿机选出的精铁矿品位也与国外差距颇大。因此如何提升选矿效率，提高选矿品位，改进工艺方法成为了当下选矿业的重点。

淘洗机作为选矿中非常重要的部分，能够对最后选矿品位的提升起很大作用。淘洗机在磁场和水力的作用下，对铁矿石进行分选，矿石主要受到磁力、漂洗水冲力、矿石之间的摩擦力和重力等作用力。由于磁性较强的矿粒和磁性较弱的矿粒在磁场中受力不同，磁性较强的会被吸附在齿板上，随着分选箱继续转动，而磁性较弱的则被冲矿漂洗水冲掉而成为尾矿。

目前，淘洗机精矿品位检测基本都是选矿结束后，才对精矿品位进行化学检测，故无法对选矿进行在线检测，导致生产工艺不能在线调控，造成生产效率低，精矿品位不稳定的情况。进行在线检测后能够对淘洗机选矿进行实时指导，对淘洗机精矿品位的提高和稳定具有实用意义。由于通常使用精矿品位、精矿产量等对淘洗机选矿质量进行评价，故可以根据淘洗机的运行数据，对精矿品位进行预测。

发明内容

为解决上述技术问题，本发明提供一种基于改进SVM的淘洗机精矿品位在线预测方法及系统，避开传统人工判断的不利影响，实现淘洗机精矿品位在线预测，提高和保证淘洗机选矿工作状态的准确性和稳定性。

本发明提供的技术方案如下：

一种基于改进SVM的淘洗机精矿品位在线预测方法，包括以下步骤：

S1、采集淘洗机的运行参数并进行数据预处理；

S2、改进粒子群优化算法；

S3、建立支持向量机的淘洗机精矿品位预测模型；

S4、利用改进的粒子群优化算法优化支持向量机的参数，建立改进支持向量机的淘洗机精矿品位预测模型；

S5、利用预处理后的数据训练改进支持向量机的淘洗机精矿品位预测模型，训练完成之后进行淘洗机精矿品位预测。

优选地，采集淘洗机的运行参数具体为：采集淘洗机不同时间的给矿品位、底流浓度、精矿品位和精矿回收率。

优选地，数据预处理具体包括：

S11、对数据进行数据清洗、去除异常值和补缺损失值；

S12、对数据做相关性分析，选出具有相关性的输入特征。

优选地，改进粒子群优化算法具体包括：改进惯性因子、改进加速因子、改进位置更新。

优选地，惯性因子ω改进公式为：

式中，ω_max是最大权重值，ω_min是最小权重值，t为迭代次数，T_max为最大迭代次数。