基于鲁棒随机配置网络的赤铁矿磨矿过程数据驱动粒度估计（英文）

作者：代伟^*; 李德鹏; 陈其鑫; 柴天佑

来源：Journal of Central South University (English Edition), 2019, 26(01): 43-62.

• 赤铁矿磨矿过程
• 粒度
• 随机配置网络(SCN)
• 鲁棒技术
• M估计
• 非参数核密度估计(NKDE)

粒度作为赤铁矿磨矿过程的关键生产质量指标,针对其难以实时检测的问题,本文在随机配置网络(Stochastic configuration network,SCN)的基础上,证明了一种基于加权最小二乘的鲁棒SCN(Robust SCN,RSCN)的万能逼近特性,并分别采用Huber损失函数的M估计、四分位距(Inter quartile range, IQR)的M估计和非参数核密度估计(Nonparametric kernel density estimation, NKDE)三个函数计算惩罚权值,从而提出三种RSCN算法,在UCI标准数据集上的实验研究表明了所提算法的有效性。基于RSCN算法建立了数据驱动的赤铁矿磨矿过程粒度模型,取得了良好的估计效果。

• 单位
  东北大学; 流程工业综合自动化国家重点实验室; 中国矿业大学（北京）