水中氣泡上升軌跡預(yù)測(cè)方法研究.pdf

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(rùn)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(cè)的組合模型。
　　論文介紹了礦物浮選現(xiàn)階段的國(guó)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(cè)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