主动半监督RVFLN方法在重介质选煤过程的应用
胡金成
中煤科工集团常州研究院有限公司,江苏常州 213015;天地(常州)自动化股份有限公司,江苏常州 213015
摘要：实际选煤过程中一些关键质量参数往往依靠人工化验,使得感知数据稀疏,即标签数据较少.建立数据驱动技术的选煤产品质量软测量模型需要采用半监督学习(SSL)方法.然而,SSL对提高模型质量比较有限,容易导致建立的数据驱动模型存在较大误差.本文充分分析样本信息度、样本代表性与过程非线性对建模精度的重要性,将随机向量函数链接网络(RVFLN)与基于多样性评价指标的主动学习(AL)策略相结合,提出一种主动半监督随机向量函数链接网络(ASS-RVFLN)的选煤灰分软测量建模方法.所提方法首先通过回归问题进行试验研究,验证了在获得较好模型性能时能够有效减少标注负担;然后应用于煤炭工业重介质选煤过程中的灰分估计,表明其有效性与工业应用的潜力.
关键词：选煤过程半监督学习随机向量函数链接网络主动学习软测量建模
分类号：TP18(自动化基础理论)
资助基金：江苏省高等学校自然科学研究面上基金项目(20KJB440001)中煤科工集团常州研究院科研项目(2018ZX001-06)中煤科工集团常州研究院科研项目(2021GY2010)天地科技股份有限公司科技创新创业资金专项项目(2020-TD-ZD010)
论文发表日期：2022-11-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1232-1240 )
英文信息