期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于厚尾噪声分布的重介质分选密度辨识
1
作者
梁旭
贺亚飞
王宇
《选煤技术》
CAS
2024年第3期17-23,共7页
为解决重介质选煤过程中分选密度识别易受厚尾噪声污染的问题,建立了ARX分选密度辨识模型,并利用学生式t分布建模了密度辨识系统中的厚尾噪声,而后采用期望最大化(EM)算法将厚尾噪声识别问题公式化,最后通过仿真模拟对密度及厚尾噪声辨...
为解决重介质选煤过程中分选密度识别易受厚尾噪声污染的问题,建立了ARX分选密度辨识模型,并利用学生式t分布建模了密度辨识系统中的厚尾噪声,而后采用期望最大化(EM)算法将厚尾噪声识别问题公式化,最后通过仿真模拟对密度及厚尾噪声辨识模型进行了验证。结果表明:用于厚尾噪声识别的EM算法与传统极大似然估计算法(MLE)相比,可有效处理隐含变量或数据丢失问题,相应偏差范数(BN)和方差范数(VN)也均低于后者,具有更佳的鲁棒性;所估计的模型参数在有限次数迭代下即可收敛于真实值附近,算法处理厚尾噪声有效。研究结果可一定程度上提升重介质选煤过程中重悬浮液密度自动检测的准确性。
展开更多
关键词
重介质选煤
分选密度辨识
厚尾噪声污染
ARX模型
学生式t分布
期望最大化算法
鲁棒性
下载PDF
职称材料
题名
基于厚尾噪声分布的重介质分选密度辨识
1
作者
梁旭
贺亚飞
王宇
机构
陕西小保当矿业有限公司
出处
《选煤技术》
CAS
2024年第3期17-23,共7页
文摘
为解决重介质选煤过程中分选密度识别易受厚尾噪声污染的问题,建立了ARX分选密度辨识模型,并利用学生式t分布建模了密度辨识系统中的厚尾噪声,而后采用期望最大化(EM)算法将厚尾噪声识别问题公式化,最后通过仿真模拟对密度及厚尾噪声辨识模型进行了验证。结果表明:用于厚尾噪声识别的EM算法与传统极大似然估计算法(MLE)相比,可有效处理隐含变量或数据丢失问题,相应偏差范数(BN)和方差范数(VN)也均低于后者,具有更佳的鲁棒性;所估计的模型参数在有限次数迭代下即可收敛于真实值附近,算法处理厚尾噪声有效。研究结果可一定程度上提升重介质选煤过程中重悬浮液密度自动检测的准确性。
关键词
重介质选煤
分选密度辨识
厚尾噪声污染
ARX模型
学生式t分布
期望最大化算法
鲁棒性
Keywords
heavy medium separation of coal
separation density identification
heavy-tailed noise contamination
ARX model
student′s t distribution
expectation maximization algorithm
robustness
分类号
TD948.9 [矿业工程—选矿]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于厚尾噪声分布的重介质分选密度辨识
梁旭
贺亚飞
王宇
《选煤技术》
CAS
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部