基于SBS-NARX的浮选过程精矿品位软测量

精矿品位是矿物浮选过程中的一项关键工艺指标,但在实际生产中该变量难以在线检测;且该过程非常复杂,具有高度的非线性及不确定性,常用的建模方法精度不够。针对上述问题,设计了一种顺序后向回归(SBS)与非线性自回归(NARX)神经网络结合的软测量算法。算法利用SBS对输入变量进行筛选以降低冗余变量对模型精度的影响,采用NARX神经网络对精矿品位进行预测。工业运行数据的仿真结果表明,该算法可以有效预测精矿品位,并且与其他算法相比,具有一定的优越性。