基于PSO优化T-S模糊神经网络的磨矿粒度预测

作     者：黎芬芳 崔桂梅 LI Fenfang;CUI Guimei

作者机构：内蒙古科技大学信息工程学院内蒙古包头014010 

出 版 物：《烧结球团》 (Sintering and Pelletizing)

年 卷 期：2022年第47卷第4期

页      面：64-70页

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 0806[工学-冶金工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(61763039) 

主　　题：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 

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。