Maximum Likelihood Estimation for an SAG Mill Model Utilizing Physical Available Measurements-Reference-Cited by-同舟云学术

Maximum Likelihood Estimation for an SAG Mill Model Utilizing Physical Available Measurements

Published:2024 Issue: Volume:12 Page:60883-60895
ISSN:2169-3536
Container-title:IEEE Access
language:
Short-container-title:IEEE Access

Author:

Cedeño Angel L.¹^ORCID,Coronel María²^ORCID,Orellana Rafael³^ORCID,Varas Patricio¹,Carvajal Rodrigo⁴^ORCID,Godoy Boris I.⁵^ORCID,Agüero Juan C.¹^ORCID

Affiliation:

1. Departamento de Electrónica, Universidad Técnica Federico Santa María, Valparaíso, Chile

2. Departamento de Electricidad, Universidad Tecnológica Metropolitana, Santiago, Chile

3. Departamento de Ingenieria Eléctrica, Universidad de Santiago de Chile (USACH), Santiago, Chile

4. Escuela de Ingenieria Eléctrica, Pontificia Universidad Católica de Valparaíso, Valparaíso, Chile

5. Metropolitan College, Boston University, Boston, MA, USA

Funder

Agencia Nacional de Investigación y Desarrollo (ANID)-Fondecyt

ANID-Basal Project

Electrical Energy Technologies Research Center

Proyecto Dirección de Investigación Científica y Tecnológica (DICYT) Regular

Vicerrectoría de Investigación, Innovación y Creación, Universidad de Santiago de Chile

Publisher

Institute of Electrical and Electronics Engineers (IEEE)

Link

http://xplorestaging.ieee.org/ielx7/6287639/10380310/10508589.pdf?arnumber=10508589

Reference46 articles.

1. Grinding of mineral mixtures in high-pressure grinding rolls

2. Approximate EM algorithms for parameter and state estimation in nonlinear stochastic models;Agüero

3. Dual time–frequency domain system identification

4. Inferential measurement of SAG mill parameters III: inferential models

5. Inferential measurement of SAG mill parameters II: state estimation