-
题名基于特征融合宽度学习系统的锌浮选过程工况识别
- 1
-
-
作者
林振烈
唐朝晖
袁鹤
张虎
-
机构
深圳市中金岭南有色金属股份有限公司凡口铅锌矿
中南大学自动化学院
长沙学院计算机科学与工程学院
-
出处
《有色金属（选矿部分）》
CAS
北大核心
2023年第3期122-130,143,共10页
-
基金
国家自然科学基金资助项目(62171476、61771492)
国家自然科学基金联合重点基金资助项目(U1701261)。
-
文摘
浮选工况是浮选操作的重要判断依据,如何准确地识别浮选工况对浮选性能的提升有重要意义。基于机器视觉方法是浮选工况识别的主流方法,通常采用大数据技术在浮选工况数据集上建立浮选表层泡沫特征与浮选工况之间的关系模型,工况识别效果与工况数据集密切相关。一旦出现数据集中未包含的新工况,难以获得满意的识别效果。为此,针对当前大部分工况识别方法自适应性不足的问题,以锌精选为例,提出一种基于多特征宽度学习的锌浮选工况识别方法,以增量学习方式自适应新出现的工况。首先,根据多特征的不同特性,构建基于多特征宽度学习的锌精选工况识别模型;然后,在浮选状态变化和精选槽故障导致模型识别准确率降低时,通过拓宽特征层、增强层以及输出层的方式调整网络结构以进行增量学习。试验结果表明,基于多特征宽度学习系统的锌浮选工况识别方法具有良好的工况自适应性能,应用价值良好。
-
关键词
锌浮选
工况识别
机器视觉
宽度学习系统
增量学习
-
Keywords
zinc flotation
working condition recognition
machine vision
width learning system
incremental learning
-
分类号
TD921.2
[矿业工程—选矿]
TP29
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于宽度学习系统的电动汽车用户台区相属辨识
- 2
-
-
作者
李红玲
吴杰康
蔡志宏
王瑞东
-
机构
广东工业大学自动化学院
-
出处
《黑龙江电力》
CAS
2021年第6期496-503,共8页
-
文摘
随着电动汽车不断取代燃油汽车,配电网低压台区相属识别会出现台户关系不匹配、用户数据“假异常”等问题,为解决此问题,提出一种基于宽度学习系统的电动汽车用户台区相属辨识方法。首先,确定电动汽车离/并网时刻和日行程量的概率密度函数,利用拉丁超立方抽样技术对概率密度函数进行抽样,形成考虑电动汽车充电的用户电压模型;然后,搭建台区相户拓扑结构,利用皮尔逊相关系数来剔除非研究台区用户数据;最后,针对纯电动汽车用户和混合用户两种情况,应用宽度学习系统辨识研究台区用户的相属,与支持向量机、线性判别以及最邻近分类算法等辨识方法进行对比。通过实例仿真分析验证所提方法辨识精准,具有普适性且易实现,可适应智慧城市的发展。
-
关键词
电动汽车负荷模型
宽度学习系统
用户电压模型
拉丁超立方抽样
皮尔逊相关系数
-
Keywords
load model of electric vehicle
width learning system
user voltage model
Latin hypercube sampling
Pearson correlation coefficient
-
分类号
U469.72
[机械工程—车辆工程]
TM732
[交通运输工程—载运工具运用工程]
-
