关键词:
浓密机
稳定放砂
粒子群
支持向量机
优化
摘要:
为提高充填效率,实现尾砂仓储浓密机的连续稳定放砂,结合矿山的实际情况以及静态、动态絮凝沉降的试验结果,采用粒子群算法(PSO)优化支持向量机(SVM)回归分析方法,建立了放砂稳定性预测模型,并利用混合加点法更新预测模型,通过寻优算法确定出最优参数,实现尾砂仓储浓密机放砂稳定性预测。以东辛庄铁矿为例,完成了基于PSO-SVM的浓密机结构参数及放砂参数的最优方案,并进行工业试验验证。结果表明,泥层高度以及泥层高度、放砂浓度、浓密时间的联合作用对放砂稳定性的影响最大,PSO-SVM预测模型预测放砂稳定性的精度较好,相对误差为1.36%。研究结果能为浓密机外形参数和放砂参数的选择提供理论依据,能有效提高浓密机的放砂稳定性。