基于PCA和改进BP神经网络的浮选精矿品位在线预测

摘要：

针对矿物浮选过程精矿品位在线检测困难的问题，提出了一种基于PCA和神经网络的精矿品位在线预测方法。应用数字图像处理技术，从实时获取的泡沫图像中提取泡沫特征，分析各特征与精矿品位之间的关系，利用主成分分析法（Principal Component Analysis，PCA）从泡沫特征中提取主成分，最后采用改进的BP神经网络训练算法，以离线化验得到的精矿品位值为训练目标，建立精矿品位的预测模型。实验结果表明该方法能有效在线预测浮选精矿品位。

关键词： 主成分分析法 改进BP神经网络 在线预测 精矿品位 浮选过程 数字图像处理

作者: 王雅琳 欧文军 阳春华 桂卫华

作者单位: 中南大学信息科学与工程学院,长沙410083

会议类型: 国内会议

会议名称: 第29届中国控制会议

会议地点: 北京

会议语种:中文

页码: 2347-2353

在线出版日期: 2010-07-29（万方平台首次上网日期，不代表论文的发表时间）