论文部分内容阅读
以磨矿过程的关键工艺指标(磨矿粒度和磨机排矿率)为预测对象，提出一种基于小波神经网络的自适应软测量建模方法。通过对磨矿过程工艺的分析选取了软测量模型的辅助变量，利用混合蛙跳算法对小波神经网络软测量模型的结构参数(小波函数伸缩因子，平移因子以及网络连接权重)进行优化，实现软测量模型输入输出变量之间的非线性映射；并采用模型迁移思想及输入输出修正规划方法实现软测量模型的重构以解决输入矿石品位改变这一动态工况下的模型自适应校正问题。仿真结果表明该模型能够显著提高磨矿过程中经济技术指标预测的精度和鲁棒性，可以满足磨矿生产过程的实时控制要求。