声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 过程预测建模方法
1.2.1 机理建模方法
1.2.2 数据驱动建模方法
1.2.3 集成建模方法
1.3 国内外研究现状
1.3.1 浮选过程机理建模研究现状
1.3.2 浮选过程精矿品位传统预测方法研究现状
1.3.3 图像特征在工业指标预测中的应用现状
1.4 论文的主要内容和结构安排
第二章 精矿品位的机理预测模型研究
2.1 浮选机理
2.1.1 浮选原理
2.1.2 浮选工艺
2.2 精矿品位与回收率的关系
2.3 回收率的机理模型
2.3.1 泡沫回收率
2.3.2 收集回收率
2.3.3 总的回收率
2.4 精矿品位的机理预测模型
2.5 本章小结
第三章 泡沫图像特征的获取及其数据预处理
3.1 图像获取系统的搭建
3.2 泡沫图像特征的获取方法
3.2.1 颜色特征
3.2.2 纹理特征
3.2.3 速度特征
3.2.4 结构特征
3.2.5 承载率
3.3 图像特征数据预处理
3.3.1 异常值剔除
3.3.2 小波降噪
3.4 本章小结
第四章 基于泡沫图像特征的BS-PLS精矿品位预测模型
4.1 样条变换
4.1.1 插值理论
4.1.2 样条函数
4.2 偏最小二乘回归理论
4.2.1 基本原理
4.2.2 计算方法推导
4.2.3 交叉有效性
4.3 BS-PLS预测模型建模思路及其步骤
4.3.1 建模思路
4.3.2 建模步骤
4.4 模型仿真
4.4.1 模型输入
4.4.2 数值仿真
4.5 本章小结
第五章 基于信息熵集成的精矿品位预测模型
5.1 机理模型和BS-PLS模型存在的问题
5.2 基于信息熵的集成预测模型
5.2.1 信息熵概念及集成模型的结构
5.2.2 基于信息熵集成预测模型实现步骤
5.3 模型仿真
5.4 三种模型的评价
5.5 模型更新与修正
5.6 本章小结
第六章 总结与展望
参考文献
致谢
攻读硕士学位期间主要的研究成果