ANN应用于选矿

风靡全球

ANN应用于选矿

随着科学技术的发展,对工程问题研究的要求越来越高。传统的工作方法在选矿工作中越来越不能满足实际的需要,尤其在处理大量数据时更是如此。随着计算机应用在各领域的推广及建模技术的普及,对选厂的管理与技术提出了新的要求。如果我们能够应用现代的技术,运用某种方法对选矿经济指标进行很好的预测,就可以大大的优化工艺参数和产品方案,合理配矿,以提高选厂的经济效益与资源回收率。

ANN引入选矿建模,主要用于依据选矿实验数据及某一时

段的选矿厂的部分技术经济指标的检测数据建模。应用ANN可建立一些复杂的多维非线性选矿厂模型,弥补了传统数理统计方法的不足。但总的看来,目前基于ANN的选矿建模研究,特别是国内研究,仍处于初级阶段。ANN在选矿领域的应用主要有水力旋流器、磨矿回路、浮选回路、碳金浸出过程、实验研究等。北京科技大学的刘晓爽等117],应用RBF网络设计出神经网络故障诊断系统,并对磨矿设备进行模拟验证,结果表明网络的应用是成功的。芬兰的,介绍了用神经网络分析法对选厂给矿类型进行在线分类的专家系统。此专家系统的主要特点是,不同类型给矿可在选厂分类,并可采用不同的控制策略。除了分类以外,专家系统还设有一个能确定给矿类型的信息数据库。自学习数据库可扫描过程历史数据,并为正在处理的矿石类型推荐出最好的处理方法。该系统己经在芬兰奥托昆普公司的希土拉矿进行了试验。建立了一个由遗传算法和BP网络组成的组合模型GA一ANN,将该组合模型用于对选矿厂的实测数据预测建模的初步研究,结果表明:其预测效果好于传统的BP网络和采用“早终止”技术的改进BP网络。

采用人工神经网络和遗传算法两种智能化方法对矿石品位进行了估值,结果表明,智能化方法是一种有效的估值方法,具有非常广阔的应用前景。结合选矿厂磨矿分级作业的实际工矿,提出了基于RBP网络的粒度软测量的设计方法。仿真和实际试验结果表明,该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题。

5 ]* q; o0 e4 c5 Q9 f( y