王欢
- 作品数：5 被引量：6H指数：2
- 供职机构：鞍山钢铁集团公司更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术矿业工程更多>>
- 基于RFMT模型的企业供应商评价被引量：1
- 2017年
- 介绍RFMT模型,并以鞍钢集团矿业公司的采购数据为例,对该公司供应商进行分析评价。
- 王欢祁金才孙为平傅伟康刘如梦李雅婷
- 关键词：供应商评价层次分析
- 基于认知建模预测技术的精矿品位预测
- 2017年
- 对鞍钢集团矿业公司的实际生产情况进行分析论证,提出采用基于认知建模的预测方法,对矿山生产工艺指标、能耗指标进行预测分析,在合理预测的前提下进行决策、控制。以基于核的极限学习机Kernel_ELM为例,阐述了认知建模算法的原理和实现步骤,并进行试验分析,确定算法的有效性。采用Kernel_ELM对精矿品位进行预测,取得了具有生产指导意义的预测结果。
- 王欢祁金才陈鹏孙为平宁君
- 关键词：ELM精矿品位
- 球磨机群监测系统数据采集模块的研究
- 2013年
- 现有大型矿山企业球磨机群的监测多是采用模拟量变送器进行数据采集,虽然基本可满足了实际需求,但也有一些不足之处。基于此现状设计出球磨机群监测系统的数据采集监测模块,该模块具有体积小、使用灵活、操作简便、通用性强、具备网络智能化等特点,是网络智能数据监测及控制的理想装置。
- 何方威王欢徐鑫刘炳宇姜山红尹清芳王春岩
- 核极限学习机在浮选回收率中的研究与应用被引量：2
- 2016年
- 浮选回收率是浮选过程中重要的生产指标。需要通过人工检测得到的浮选回收率,可知性具有较大的时间延迟,使工人不能及时有效地对生产做出相应控制调整。由于浮选过程相当复杂,变量维数高、关联性强、噪声大、检测信号不完备等因素,难以建立较精确的回收率预测模型。然而,人工智能与机器学习技术能在机理不清楚、信息不完备的情况下,对复杂系统建立基于数据驱动的经验模型。因此,本文为提高回收率检测的及时性、有效性,在分析浮选过程相关因素影响的基础上,提出基于核极限学习机建立浮选回收率的预测模型。仿真实验结果表明,该建模方法可有效辨识浮选过程中,输入数据与回收率测量值之间的非线性关系,且具有更高的预测精度与训练性能。
- 王欢徐鑫鲁鹏云张军彭文娟
- 关键词：浮选回收率人工智能
- 基于范数优化极限学习机的矿浆浓度预测被引量：3
- 2016年
- 选矿过程中的矿浆浓度是一个重要的生产工艺参数,一般可以通过预测矿浆浓度来提高生产效率。由于矿浆浓度和其他的生产工艺参数往往非线性相关,这给矿浆浓度的预测带来了很大困难。本文针对此问题,基于极限学习机这一面向神经网络的新颖学习算法,提出了一种矿浆浓度预测新算法。首先,使用相空间重构方法对矿浆浓度数据进行预处理,从一维转换到多维。然后,使用基于L2范数的极限学习机算法(ELM-L2)建立时序预测模型,实现预测功能。围绕来自于某矿厂的真实生产数据进行了实验验证,结果显示,针对大规模的数据样本集,所设计的算法与传统神经网络预测算法相比,训练时间大约减少了30%,而预测精度大约提高了48%。实验结果表明了所设计预测算法的有效性。
- 王欢姜昌伟徐鑫孙为平鲁鹏云张德政
- 关键词：极限学习机相空间重构矿浆浓度
