摘要
本发明提供一种旋流器的溢流粒度优化控制方法。该方法包括:获取数据集;预处理数据集;搭建GDGMM‑RBF神经网络预测模型;实时采集旋流器溢流粒度实际值,设置旋流器溢流粒度设定值,引入动态调整因子,计算旋流器溢流粒度的参考轨迹;计算控制增量;使用改进增量式PID控制器对旋流器压力和旋流器给矿浓度进行控制,得到新的旋流器压力、旋流器给矿浓度和旋流器的溢流粒度;得到新的旋流器溢流粒度的预测值;通过对比旋流器溢流粒度的实际值与新的旋流器的溢流粒度的预测值的差异,构建误差补偿机制;运用自适应梯度下降法更新模型参数;进行迭代优化。本发明显著提升模型对非线性、时变工况的适应性,解决传统方法因机理模型偏差导致的控制滞后问题。
技术关键词
RBF神经网络
优化控制方法
旋流器溢流粒度
梯度下降法
表达式
数学
GMM算法
神经网络模型
GMM模型
雅可比矩阵
神经网络预测模型
误差
贝叶斯信息准则
因子
动态
压力
控制回路
更新模型参数
系统为您推荐了相关专利信息
无缝切换方法
换流站
无功控制器
HVDC系统
电压无功
深度强化学习模型
低空航空器
静态障碍物
冲突解脱方法
无人机