科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统磁铁矿磁选方法由于磁感应强度受限，导致大粒度矿石的分选精度低。针对粒度大于20 mm的磁铁矿石，对其磁感应信号进行分析，建立了一种改进的一维卷积神经网络(1D-CNN)磁铁矿石识别分类模型。首先，将采集的磁感应信号去除直流分量；其次，将该信号作为1D-CNN模型的输入，通过卷积层与池化层自适应地提取信号特征；最后，输出层利用Softmax逻辑回归实现磁铁矿石磁感应信号的分类。将该模型与经典1D-CNN进行了对比研究，并采用混淆矩阵评估该模型的特征识别效果。试验结果表明，该模型识别准确率达到了94%、收敛速度提升约28%。
-
单位机电工程学院; 江西理工大学
