量子电子学报

作者：张奇,张占胜,陈彤,张鹏,齐立峰,孙兰香,

单位：( 1 沈阳化工大学, 辽宁 沈阳, 110142; 2 中国科学院沈阳自动化研究所机器人学国家重点实验室, 辽宁 沈阳, 110016; 3 中国科学院网络化控制系统重点实验室, 辽宁 沈阳, 110016; 4 中国科学院机器人与智能制造创新研究院, 辽宁 沈阳, 110169; 5 辽宁辽河实验室, 辽宁 沈阳, 110169; 6 中国科学院大学, 北京 100049 )

关键词：光谱学,激光诱导击穿光谱,铁矿浆,特征筛选,支持向量机,铁品位,

基金：国家自然科学基金 (62173321)

浮选是选矿过程中的重要一步, 浮选过程中矿浆品位是选矿工艺需要实时掌握的重要指标。实验室开发了基于激光诱导击穿光谱的在线矿浆成分分析仪SIA-LIBSlurry, 可以通过采集光谱数据对浮选过程中矿浆的各元素含量进行实时测量。但铁矿浆光谱数据维度较高, 数据间强烈的多重共线性和非线性问题增加了建模的复杂度。为了解决该问题, 本工作比较了两种变量选择算法: 竞争性自适应重加权算法(CARS)和连续投影算法(SPA), 并结合支持向量机回归(SVR)建立定量分析模型。研究结果表明: 全谱6116个变量建立的SVR模型精度较低, 预测均方根误差为1.45%; CARS筛选出的231个变量建立的CARS-SVR模型的预测能力有所提高, 预测均方根误差为1.09%; SPA筛选出的12个变量建模, SPA-SVR模型取得了最佳预测效果, 预测均方根误差降到了0.97%。说明SPA-SVR模型具有较高的预测准确率, 有助于提高SIA-LIBSlurry分析仪在线监测的准确性。

来源：2024年第3期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2024年第3期