基于AFSA-SimpleMKL对振动筛建模及筛机优化

摘要

针对目前振动筛筛分性能差及筛分理论不完善,亟待建立筛机参数与筛分效率间综合数学模型来指导振动筛的设计.基于离散单元法(Discrete Element Method,DEM)的筛分仿真实验解决筛分过程的复杂性和筛分数据难获得等问题,用可调参数的振动筛对仿真实验进行验证.筛分效率与筛分参数之间的数学关系是一个复杂的非线性问题,由于传统的回归算法对筛分数学模型预测精度低,利用能有效解决小样本问题和基于统计学理论的简单多核支持向量机(Simple Multiple Kernel Learning,SimpleMKL)对仿真实验获得的数据建立回归模型.但其模型是多极值且不可微分的多参数大规模计算问题,借用鲁棒性强和全局收敛性好的人工鱼群优化算法(Artificial Fish Swarm Algorithm,AFSA)对由SimpleMKL建立的筛分回归模型进行参数寻优,得出筛机振动和结构参数:振幅为2.5 mm,振动频率为22 Hz,振动方向角为50°,筛孔大小为0.9 mm,筛丝直径为0.4 mm,筛面倾角为21.6°.提高了振动筛的筛分效率,为振动筛的设计和制造提供了新思路.