搜文檔
認(rèn)證信息
認(rèn)證類型:個(gè)人認(rèn)證
認(rèn)證主體:常**(實(shí)名認(rèn)證)
IP屬地:河北
下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
1、礦物浮選是近年來使用較為廣泛的選礦方法,它通過改變礦粒表面潤濕性的差異實(shí)現(xiàn)有用礦物與無用礦物的區(qū)分,從而提高礦物利用率。但由于氣體及液體運(yùn)動(dòng)的不確定性,浮選過程中氣泡的運(yùn)動(dòng)形式十分復(fù)雜,在實(shí)際應(yīng)用中難以實(shí)現(xiàn)對(duì)其的準(zhǔn)確控制,這不僅會(huì)給操作人員帶來困難,而且會(huì)造成資源的浪費(fèi)。在礦物浮選的背景下,本文以浮選氣泡的基本單元水中氣泡為研究對(duì)象,針對(duì)氣泡的運(yùn)動(dòng)軌跡,提出了一種先去噪后預(yù)測的組合模型。 論文介紹了礦物浮選現(xiàn)階段的國內(nèi)外研究現(xiàn)
2、狀及浮選機(jī)理并對(duì)常用的數(shù)據(jù)處理方法進(jìn)行研究,針對(duì)氣泡運(yùn)動(dòng)軌跡中含有無規(guī)律噪聲的問題提出了一種將改進(jìn)的能量去噪算法與經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)算法相結(jié)合的去噪方法。該方法以數(shù)學(xué)算式的形式規(guī)定了噪聲信號(hào)的范圍,有著較好的去噪效果。同時(shí)針對(duì)EMD算法分解過程中的端點(diǎn)效應(yīng)問題,提出了一種基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)極值修正的端點(diǎn)延拓算法,該算法利用信號(hào)本身的自相關(guān)特性,對(duì)RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行了修正,從而提高了延拓信號(hào)的準(zhǔn)確度,大大改善了
0/150
提交評(píng)論
聯(lián)系客服
本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務(wù)平臺(tái),本站所有文檔下載所得的收益歸上傳人(含作者)所有。眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私,請(qǐng)立即通知眾賞文庫,我們立即給予刪除!
Copyright ? 2013-2023 眾賞文庫版權(quán)所有 違法與不良信息舉報(bào)電話:15067167862
復(fù)制分享文檔地址
http://www.omd.org.cn/shtml/view-1474446.html
復(fù)制
下載本文檔
評(píng)論
0/150
提交評(píng)論