浮选工艺指标KPCA-ELM软测量模型及应用

摘要

精矿品位和尾矿品位是浮选过程重要的工艺技术指标，其难以实现在线检测，且与过程控制变量具有强非线性、不确定性等综合复杂特性，难以直接采用精确的数学模型描述，主要依靠人工化验分析。人工采样化验周期较长，难以满足控制要求，使得浮选精矿品位偏低，尾矿品位偏高，因此建立浮选品位指标的软测量方法受到工业界广泛关注。在分析浮选过程工艺指标相关影响因素的基础上，建立一种基于主元分析KPCA和极限学习机ELM的软测量模型。为了消除离群点对软测量模型精度的影响，采用基于稳健位置估计的方法识别离群点，利用核主元分析对软测量模型的输入数据进行降维，提取非线性主元，然后用极限学习机进行建模。该建模方法已成功应用于中国西北某选矿厂浮选车间，工业应用结果表明该方法有很高的预报精度，对生产有一定的指导意义。