水力旋流器溢流粒度軟測量方法的研究.pdf

1、水力旋流器是利用離心力場分離不同粒度混合物的高效分離設(shè)備，在選礦過程中得到了廣泛的應(yīng)用，而水力旋流器溢流粒度則是衡量其工況的一個(gè)重要參數(shù)。測定水力旋流器的溢流粒度分布，將其返回到控制回路，保證旋流器粒度組成的最佳化，可以提高金屬回收率、降低能耗、增加處理量。
　　由于水力旋流器內(nèi)流場的復(fù)雜性，影響因數(shù)和指標(biāo)參數(shù)之間的關(guān)系是一個(gè)典型的多維非線性系統(tǒng)，很難用簡單的線性數(shù)學(xué)工具來描述，因而很難提出一個(gè)系統(tǒng)完整的、簡單準(zhǔn)確同時(shí)又具有一定深

2、度廣度的通式。因此，建立準(zhǔn)確的模型有一定的難度。
　　本論文是在對磨礦分級工藝、水力旋流器的數(shù)學(xué)模型和工作原理進(jìn)行深入分析的基礎(chǔ)之上，選取軟測量模型所需要的輔助變量，建立了基于BP神經(jīng)網(wǎng)絡(luò)的水力旋流器溢流粒度分布的軟測量模型。針對BP算法容易陷入局部極小和收斂速度慢的問題，本文利用具有全局搜索能力的群集智能優(yōu)化方法—粒子群優(yōu)化算法(PSO)，進(jìn)行優(yōu)化得出接近全局極小的BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值，在此基礎(chǔ)上采用BP算法來對問題進(jìn)行建

3、模，以此來提高神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果。對于粒子群優(yōu)化算法(PSO)的早熟現(xiàn)象，采用一種非線性調(diào)整慣性權(quán)重思想的PSO算法，并對算法進(jìn)行了性能測試，測試表明:非線性遞減權(quán)重PSO算法收斂速度快、搜索精度有了提高。為了檢驗(yàn)PSO-BP算法的效果，本文對M-G混沌時(shí)間序列的預(yù)測問題進(jìn)行了仿真實(shí)驗(yàn)，其結(jié)果表明，采用非線性遞減權(quán)重的算法在一定程度上改善了神經(jīng)網(wǎng)絡(luò)的泛化能力。
　　最后，對建立好的軟測量模型進(jìn)行了仿真，從模型的預(yù)測效果可以看出，本文