【技术实现步骤摘要】
一种交叉式细粒滚轴筛的筛分效率机器学习预测方法
[0001]本专利技术涉及筛分
,具体涉及一种交叉式细粒滚轴筛的筛分效率机器学习预测方法
。
技术介绍
[0002]在煤炭加工利用过程中,由于存在原煤质量差
、
加工利用程度低等问题,导致煤炭资源严重浪费和环境污染问题,因此提高煤炭的利用率,发展洁净煤技术已刻不容缓
。
在煤炭行业中,筛分作业在洁净煤技术中占有非常重要的地位,是洁净煤处理过程中的一个关键环节
。
一般的干法筛分设备将会很容易的出现“筛面堵孔”等一系列问题,交叉式细粒滚轴筛是新兴的适用于湿黏细粒煤干法深度筛分的一种筛分设备,因相邻筛轴间的筛片呈现一种交叉的排列方式,在筛分过程中,交叉式细粒滚轴筛的筛片产生相对运动,形成“动态孔”,可以获得“不粘
、
不堵
、
不卡”的筛分效果
。
由于现有的筛分数学模型大都是根据筛分结果进行拟合而得到的,但缺少交叉式细粒滚轴筛相关的筛分数学模型的研究,从而限制了交叉筛的发展
。
技术实现思路
[0003]本专利技术的目的在于提供一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,利用机器学习技术,建立模型,当输入影响因素组合,就可以得到预测的筛分结果,对提高筛分效率提供科学依据
。
[0004]为实现上述目的,本专利技术的一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,包括:
[0005]步骤
1、
从仿 ...
【技术保护点】
【技术特征摘要】
1.
一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,其特征在于,包括:步骤
1、
从仿真和试验中获取交叉式细粒滚轴筛的筛分过程数据,数据包括特征和标签,其中特征为筛轴转速
、
筛面倾角
、
给料量和外水含量,标签为筛分效率;步骤
2、
对交叉式细粒滚轴筛的筛分过程数据进行预处理和特征工程;步骤
3、
数据集按设定比例随机划分为训练集和测试集;步骤
4、
从
Sklearn
库中获取四种不同的机器学习模型,四种机器学习模型为线性回归模型
、
随机森林模型和极端梯度提升模型和支持向量机模型,将训练集输入到四种模型之中进行训练,用测试集对训练之后的模型进行验证,通过验证后的机器学习模型输出对特征变量的影响程度;步骤
5、
通过评价指标对四种不同的机器学习回归模型进行评估,选出最佳的交叉式细粒滚轴筛智能预测模型
。2.
根据权利要求1所述的一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,其特征在于,在步骤1中,所述从仿真和试验中获取交叉式细粒滚轴筛的筛分过程数据的方法为,
(1)
利用
Discrete Element Method
模型对交叉式细粒滚轴筛的筛分过程进行探究,在交叉式细粒滚轴筛样机上进行筛分试验,验证
DEM
模型模拟交叉式细粒滚轴筛的筛分过程可行性;
(2)
利用离散元法分析筛面倾角
、
筛轴转速
、
给料量
、
外水含量对交叉式细粒滚轴筛的筛分效率的影响规律
。3.
根据权利要求1所述的一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,其特征在于,筛分效率的计算公式如下:式中,
η
为筛分效率,%;
Q
下
为筛下物中小于筛孔尺寸的物料质量,
kg
;
Q
上
为筛上物中小于筛孔尺寸的物料质量,
kg
;
Q
总
为总物料中小于筛孔尺寸的物料质量,
kg。4.
根据权利要求1所述的一种交叉式细粒滚轴筛的筛分效率机器学习预测方法,其特征在于,在步骤3中,交叉式细粒滚轴筛的筛分效率数据集按8:2的比例划...
【专利技术属性】
技术研发人员:赵啦啦,徐峰,王忠宾,邹筱瑜,江海深,焦杨,汪维,肖日峰,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。