浮选尾煤灰分是煤炭浮选过程中的重要指标.针对传统检测方法实时性差的问题,提出了一种基于近红外图像的浮选尾煤灰分在线检测方法.根据图像矩确定了 6 个特征,皮尔逊相关系数分析表明,大部分特征与灰分呈良好的线性或二次关系.选择多项式回归(PR)、特征选择后的多项式回归(PRFS)和基于粒子群优化的支持向量机(PSO-SVM)3 种方法对灰分预测建模,采集煤样进行训练并验证.结果表明,特征选择后的多项式回归模型表现最佳,其均方根误差 RMSE 达到2.588,决定系数R2 达到 0.980,可为浮选智能化提供指导.
NETL
NSTL
万方数据
