資源描述：
《ANN在浮選中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、捅要基于礦漿和泡沫是理想混合的假設(shè)條件所建立的浮選模型在工業(yè)應(yīng)用中取得了有限的成功。但由于模型自身的復(fù)雜性和假設(shè)條件在工業(yè)系統(tǒng)中很難得到保證，因此，其應(yīng)用前景有限。今年來，作為現(xiàn)代控制理論前沿的智能控制發(fā)展較快，為建立浮選過程非參數(shù)模型創(chuàng)造了條件。本文件人工神經(jīng)元網(wǎng)絡(luò)技術(shù)引入浮選建模過程中，在研究方法上突破了傳統(tǒng)了思維方式的限制，將信息技術(shù)和智能優(yōu)化方法與浮選工藝的研究有機(jī)的結(jié)合起來。本文以鉛鋅礦石工業(yè)浮選鉛粗選為例利用ANN網(wǎng)絡(luò)建立了礦石性質(zhì)與藥劑用量之間的關(guān)系模型，并在實(shí)驗(yàn)室進(jìn)行了仿真試驗(yàn)，仿真結(jié)果表明：模型的輸出能夠以較高的精度逼近樣本數(shù)據(jù)，具有一定的實(shí)用價(jià)值。本文
2、基于上述模型開發(fā)了可供實(shí)驗(yàn)室開路試驗(yàn)用的“浮選藥劑咨詢系統(tǒng)”。本文試用ANN網(wǎng)絡(luò)建立了礦石性質(zhì)、藥劑用量和浮選技術(shù)指標(biāo)之間的關(guān)系模型，并在實(shí)驗(yàn)室進(jìn)行了仿真試驗(yàn)，仿真結(jié)果表明：模型的輸出能夠以較高的精度逼近樣本數(shù)據(jù)，具有一定的實(shí)用價(jià)值。本文基于上述模型開發(fā)了可供實(shí)驗(yàn)室開路試驗(yàn)用的“浮選指標(biāo)預(yù)測系統(tǒng)”。關(guān)鍵詞：浮選；ANN；聚類學(xué)習(xí)算法；預(yù)測AbstractTheflotationmodel．whichbasedontheassumptionthatboththefrothandpulpphasesarecompletelymixed,hasbeenappliedinthei
3、ndustrialprocess．However,owingtothecomplexityofthemodelitselfandtheassumptionthatisnotalwaysinaccordancewiththepracticalprocess，theapplicationislimited．TheIntelligenceControlOc)，asanewbranchofthemoderncontroltheory,hasbeendevelopedrapidlyinrecentyears，providinganewwayofestablishingthenon-
4、parametermodeloftheindustrialflotationprocess．Inthispresentpaper,theauthorin仃oducestheartificialneuralnetworksintothemodelingoftheindustrialflotationprocess，integrationinformationtechnology,intelligentoptimizingmethodtoflotationtechnology．Therelationmodelbetweenorecharacterandreagentscons
5、umptionhasbeenproposedusingtheANNbasedontheindustrialleadrougherflotationoflead&zincore．a(chǎn)ndthesimulationhasbeenconductedinthelaboratorywiththeresultsmatchingthesampledataverywell．TheFlotationProcessIntelligentConsultationSystemofReagentsConsumption,whichissuitableforbatchtest,hasbeendevel
6、oped．Thecorrelativemodelinwhichtheflotationindexdependsontheorecharacterandreagentsconsumptionhasbeenproposed，andthesimulationhasbeenconductedinlaboratorywiththeresultsmatchingthesamplesdateverywell．TheFlotationProcessIntelligentIndexPredictionSystemhasbeendeveloped．KeyWords：Flotation；Art
7、ificialneuralnetworks；theneighbor-elusteringalgorithm：PredictionIl武漢理工大學(xué)碩士學(xué)位論文第1章緒論浮選是一種在選礦工業(yè)中廣泛使用的技術(shù)。早期研究者主要是針對(duì)浮選動(dòng)力學(xué)過程提出浮選動(dòng)力學(xué)模型。浮選動(dòng)力學(xué)模型又分為兩類，即穩(wěn)態(tài)模型和非穩(wěn)態(tài)模型。穩(wěn)態(tài)模型是針對(duì)在特定操作條件下浮選泡沫特性不隨時(shí)間而變化的系統(tǒng)建立的模型，如平衡和連續(xù)浮選模型；相反，非穩(wěn)態(tài)模型是針對(duì)浮選泡沫特性隨時(shí)間而變化的系統(tǒng)建立的模型，如分批浮選模型。上述模型的研究雖然取得了一些進(jìn)展，并不同程度地得
