摇床“控制参数—精矿边界坐标”关系模型构建研究

摘要

为提高摇床生产效率和自动化水平，开发了一种基于精矿带边界位置的自适应调节系统。通过实验室分选试验，系统采集了床面坡度、横向冲洗水量、冲程和冲次4项关键控制参数与精矿边界坐标的映射关系数据。采用CNN-GRU-Attention混合神经网络模型对“控制参数—精矿边界”关系进行回归分析，其中CNN用于提取空间特征，GRU用于捕捉时序依赖，Attention机制则用于强化关键特征权重。特别引入麻雀搜索算法（SSA）实现超参数自适应寻优，构建了高精度关系模型。实验表明，经SSA优化的CNN-GRU-Attention模型在R²、RMSE、MAE和MAPE等指标上显著优于CNN-GRU、CNN-LSTM等对比模型。该系统为选矿摇床的智能控制提供了有效的技术方案，具有推广应用价值。

关键词

选矿摇床 / CNN-GRU-Attention / 控制参数 / 回归分析 / 摇床自动化 / 深度学习