论文部分内容阅读
针对矿物浮选过程中视觉特征多样性、工况识别在线检测难的问题,提出一种基于NSCT变换多尺度特征和多种群遗传算法(MPGA)优化极限学习机(ELM)参数的识别方法(MPGA-ELM)。利用NSCT变换的多方向、多尺度选择性和各向异性,全面地提取了分解后各频率方向子带的特征;使用多种群遗传算法找到ELM的最优参数,并建立浮选工况识别模型,最后采用铅矿浮选现场数据对模型进行验证。实验结果表明,该识别方法达到91.25%整体识别率,相对于现有方法有所提高。