本文主要研究内容
作者李博（2019）在《基于神经网络的内蒙古某铁矿选厂球磨作业优化研究》一文中研究指出：球磨作业利用磨矿介质高频次冲击矿石使其粒度减小,为后续分选作业提供尺寸适宜、解离度高的给矿。内蒙古某铁矿选厂中磨矿作业是选厂中电耗最高的环节,花费极大。一般的技术改造,如优化介质级配等,已不能进一步降低能耗,因此,本研究拟建立吨矿能耗与球磨作业操作参数的预测模型,找到最优生产条件,进而节能增效。考虑到球磨作业中因素耦合性强、响应慢的特点,难以建立准确的数学模型,因此考虑用神经网络构建模型,以球磨作业中介质填充率、磨机转速率、矿浆浓度、料球比作为输入,以吨矿电耗作为输出。此后,充分论证BP神经网络和RBF神经网络在本研究中的适用性,最终优选了RBF神经网络作为建模的框架。针对该铁矿成份复杂、给矿波动大以及因工况动态时变导致的辨识能力低等问题,采用粒子群算法优化RBF神经网络结构参数,避免由人工经验选择结构参数的盲目性,之后用标准数据集检验并校正,使模型拟合误差由54.6%减小到32.9%,±50KWh内的样本点数由7个增到13个,能够精确、快速的拟合该铁矿球磨作业能耗。从现场采集105组有代表性的数据供预测模型学习,建立了给矿硬度(可磨度)、操作条件组合、吨矿能耗间的神经网络。将训练后的预测模型应用,在给矿硬度波动的情况下,该模型能及时给出相应的最优条件组合,指导生产。最终结果显示:球磨作业吨电耗降低2%左右,同时减少了“过负荷”、“欠负荷”等问题的发生。本研究为实现该铁矿的节能降耗提供了新的途径。本研究的思路、建模方法对其他过程作业优化也有一定的借鉴意义。
Abstract
qiu mo zuo ye li yong mo kuang jie zhi gao pin ci chong ji kuang dan shi ji li du jian xiao ,wei hou xu fen shua zuo ye di gong che cun kuo yi 、jie li du gao de gei kuang 。nei meng gu mou tie kuang shua an zhong mo kuang zuo ye shi shua an zhong dian hao zui gao de huan jie ,hua fei ji da 。yi ban de ji shu gai zao ,ru you hua jie zhi ji pei deng ,yi bu neng jin yi bu jiang di neng hao ,yin ci ,ben yan jiu ni jian li dun kuang neng hao yu qiu mo zuo ye cao zuo can shu de yu ce mo xing ,zhao dao zui you sheng chan tiao jian ,jin er jie neng zeng xiao 。kao lv dao qiu mo zuo ye zhong yin su ou ge xing jiang 、xiang ying man de te dian ,nan yi jian li zhun que de shu xue mo xing ,yin ci kao lv yong shen jing wang lao gou jian mo xing ,yi qiu mo zuo ye zhong jie zhi tian chong lv 、mo ji zhuai su lv 、kuang jiang nong du 、liao qiu bi zuo wei shu ru ,yi dun kuang dian hao zuo wei shu chu 。ci hou ,chong fen lun zheng BPshen jing wang lao he RBFshen jing wang lao zai ben yan jiu zhong de kuo yong xing ,zui zhong you shua le RBFshen jing wang lao zuo wei jian mo de kuang jia 。zhen dui gai tie kuang cheng fen fu za 、gei kuang bo dong da yi ji yin gong kuang dong tai shi bian dao zhi de bian shi neng li di deng wen ti ,cai yong li zi qun suan fa you hua RBFshen jing wang lao jie gou can shu ,bi mian you ren gong jing yan shua ze jie gou can shu de mang mu xing ,zhi hou yong biao zhun shu ju ji jian yan bing jiao zheng ,shi mo xing ni ge wu cha you 54.6%jian xiao dao 32.9%,±50KWhnei de yang ben dian shu you 7ge zeng dao 13ge ,neng gou jing que 、kuai su de ni ge gai tie kuang qiu mo zuo ye neng hao 。cong xian chang cai ji 105zu you dai biao xing de shu ju gong yu ce mo xing xue xi ,jian li le gei kuang ying du (ke mo du )、cao zuo tiao jian zu ge 、dun kuang neng hao jian de shen jing wang lao 。jiang xun lian hou de yu ce mo xing ying yong ,zai gei kuang ying du bo dong de qing kuang xia ,gai mo xing neng ji shi gei chu xiang ying de zui you tiao jian zu ge ,zhi dao sheng chan 。zui zhong jie guo xian shi :qiu mo zuo ye dun dian hao jiang di 2%zuo you ,tong shi jian shao le “guo fu he ”、“qian fu he ”deng wen ti de fa sheng 。ben yan jiu wei shi xian gai tie kuang de jie neng jiang hao di gong le xin de tu jing 。ben yan jiu de sai lu 、jian mo fang fa dui ji ta guo cheng zuo ye you hua ye you yi ding de jie jian yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自内蒙古科技大学的李博，发表于刊物内蒙古科技大学2019-10-08论文，是一篇关于球磨作业论文,节能降耗论文,神经网络论文,粒子群算法论文,内蒙古科技大学2019-10-08论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自内蒙古科技大学2019-10-08论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：球磨作业论文; 节能降耗论文; 神经网络论文; 粒子群算法论文; 内蒙古科技大学2019-10-08论文;