APP下载

基于虚拟样本生成的铈镨/钕组分含量预测*

2022-07-15陆荣秀赖路璐朱建勇

传感器与微系统 2022年7期
关键词:方法模型

陆荣秀, 赖路璐, 杨 辉, 朱建勇

(1.华东交通大学 电气与自动化工程学院,江西 南昌 330013;2.江西省先进控制与优化重点实验室,江西 南昌 330013)

0 引 言

从共生矿中分离得到的稀土产品是极其重要的战略资源。快速获得萃取槽体中元素组分含量分布,是实现稀土萃取分离过程各关键工艺参数实时调节的关键环节[1]。目前,绝大多数稀土分离企业采取“定时采样、离线实验室化验”的方式获取组分含量[2],不能满足生产现场实时性要求。近几年,很多稀土研究工作者将数学建模中数据驱动建模思想应用于稀土萃取过程的组分含量检测,如文献[2,3]以HSI颜色空间的H,S,I分量为输入,建立基于最小二乘支持向量机(least square support vector machine,LSSVM)的组分含量预测模型,实现稀土元素组分含量的快速测量。

鉴于稀土萃取过程数据获取成本高、数据重复等原因,造成有效过程数据不多,易导致模型预测精度不高、泛化性能不佳[4]等小样本问题[5,6],借鉴矿冶化工过程[7]、石油化工过程[8]等领域研究小样本问题的成功案例,通过合理方法扩充样本数量,利用大数据技术背景下的智能建模方法提高稀土萃取过程模型的预测精度是一条有效途径。

本文以CePr/Nd萃取过程为研究对象,利用随机配置网络(stochastic configuration network,SCN)方法具有收敛速度快、泛化能力较强的优势[9],在建立CePr/Nd溶液图像颜色特征与Nd组分含量关系模型的基础上,采用线性中点插值的方式生成虚拟样本,提出一种基于虚拟样本构造的CePr/Nd取过程组分含量预测方法。通过CePr/Nd萃取生产现场的数据进行实验验证,结果表明该方法以扩增虚拟样本数据集的方式,为基于数据驱动的预测模型提供有效数据,可提高组分含量预测模型的精确性和泛化能力。……

登录APP查看全文

猜你喜欢

方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
学习方法
3D打印中的模型分割与打包
用对方法才能瘦
FLUKA几何模型到CAD几何模型转换方法初步研究
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
一个相似模型的应用