本發明涉及一種濕法冶金濃密洗滌過程的故障監測與診斷方法,步驟為:確定故障狀態及影響因素,提取故障特征,采集樣本數據;對采集的三維矩陣數據進行預處理,得到二維數據陣;根據二維數據陣,為進行樣本訓練,得到訓練集;將訓練集對SVM分類器進行訓練,得到一個訓練好的基于SVM的濃密機底流管道堵塞故障檢測模型;用得到的檢測模型對測試集進行標簽預測,輔助實際決策和控制,或與實際結果比較,調整支持向量機分類器的參數。本發明利用支持向量機特有的優勢解決小樣本、非線性及高維模式識別問題,可以推廣應用到函數估計等其他機器學習問題中,來輔助實際決策和控制,調整支持向量機分類器的參數,達到較理想的測試結果。
聲明:
“濕法冶金濃密洗滌過程的故障監測與診斷方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)