基于ANN的銅爐渣磨礦參數(shù)對(duì)銅精礦指標(biāo)影響預(yù)測(cè)研究.pdf

1、選礦工藝是一個(gè)非常復(fù)雜的工作過(guò)程，影響選礦結(jié)果的因素很多，原礦濃度、原礦細(xì)度、球磨濃度、球磨細(xì)度、浮選條件等對(duì)精礦品位、回收率等指標(biāo)有很大的影響。這些影響因素和選礦工藝參數(shù)最終指標(biāo)之間存在著錯(cuò)綜復(fù)雜的非線(xiàn)性關(guān)系，是一個(gè)典型的多維非線(xiàn)性系統(tǒng)，很難用傳統(tǒng)的簡(jiǎn)單線(xiàn)性數(shù)學(xué)工具來(lái)進(jìn)行描述。 人工神經(jīng)網(wǎng)絡(luò)是一類(lèi)模擬人類(lèi)神經(jīng)系統(tǒng)的結(jié)構(gòu)，它揭示了樣本數(shù)據(jù)中蘊(yùn)涵的非線(xiàn)性關(guān)系，大量處理單元組成非線(xiàn)性自適應(yīng)動(dòng)態(tài)系統(tǒng)，具有良好的自適應(yīng)性、自組織性及很強(qiáng)

2、的網(wǎng)絡(luò)學(xué)習(xí)、容錯(cuò)、聯(lián)想和抗干擾的能力，可靈活方便的對(duì)多成因的復(fù)雜未知系數(shù)進(jìn)行建模。使用人工神經(jīng)網(wǎng)絡(luò)的數(shù)值特征模式識(shí)別的技術(shù)對(duì)選礦過(guò)程進(jìn)行判斷，解決了傳統(tǒng)方法建立的模型在實(shí)際應(yīng)用中存在的局限性。 鑒于此，論文采用神經(jīng)網(wǎng)絡(luò)這一新技術(shù)建立基于人工神經(jīng)網(wǎng)絡(luò)的銅爐渣磨礦工藝參數(shù)對(duì)銅精礦指標(biāo)影響的預(yù)測(cè)系統(tǒng)。 結(jié)合江西銅業(yè)貴溪冶煉廠(chǎng)實(shí)際生產(chǎn)工藝流程，采用其選礦車(chē)間日生產(chǎn)快報(bào)數(shù)據(jù)，將該工藝流程中的半自磨礦漿濃度、半自磨細(xì)度、球磨濃度、球

3、磨細(xì)度、浮選進(jìn)料濃度、浮選進(jìn)料細(xì)度及原礦品位等7個(gè)參數(shù)作為輸入數(shù)據(jù)，對(duì)銅精礦的精礦品位、尾礦品位、回收率等3項(xiàng)指標(biāo)進(jìn)行預(yù)測(cè)來(lái)建立神經(jīng)網(wǎng)絡(luò)模型。首先進(jìn)行定性分析，以確定所使用的網(wǎng)絡(luò)計(jì)算函數(shù)。通過(guò)同一網(wǎng)絡(luò)模型不同算法條件下建立的網(wǎng)絡(luò)模型定性分析綜合比較，采用網(wǎng)絡(luò)性能比較穩(wěn)定的traingdm算法來(lái)建立網(wǎng)絡(luò)模型。對(duì)所確定的traingdm算法的網(wǎng)絡(luò)模型，進(jìn)行定量研究表明隱含層神經(jīng)元個(gè)數(shù)取13時(shí)網(wǎng)絡(luò)性能最佳，確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型為7-13-3型