基于機器學習模型的選礦過程狀態監測與故障診斷
曹錦標; 鄒國斌; 周俊武 上海藍鳥機電有限公司; 上海200333; 北京礦冶科技集團有限公司礦冶過程自動控制技術國家重點實驗室; 北京102600; 東北大學信息科學與工程學院; 遼寧沈陽110004
關鍵詞：選礦過程 故障診斷 過程監測 機器學習模型 數據驅動模型
摘要：提出并實現一種基于機器學習模型的選礦過程狀態監測和故障診斷方法。基于通用的機器學習方法建立正常工況下的關鍵參數數據驅動模型;監測軟件與DCS系統通信,實時計算目標變量的模型預測值并與實際測量值進行比較,誤差超出設定閾值則進行報警標記;結合工藝專家的經驗選擇模型監測變量并與工況狀態和工藝報警建立多方位聯系,從而實現選礦過程狀態監測和故障診斷。
冶金自動化雜志要求:
{1}論文格式：題目、作者姓名、工作單位（含省、市）、地址及郵編、內容提要、關鍵詞、正文、參考文獻。
{2}稿件為近期本人原創，或與他人合作的原創作品。涉嫌抄襲或著作權糾紛，不予采用。
{3}題名要求以準確、簡明的詞語反映文章中最重要的特定內容。一般使用能充分反映論文主題內容的短語，不必使用具有主、謂、賓結構的完整語句，最好不使用標點符號。
{4}文后參考文獻的著錄格式應嚴格執行國家標準《GB/T 7714——2015信息與參考文獻著錄規則》。
{5}論著文章請加200 字左右的中、英文摘要以及3~8 個中、英文關鍵詞。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
