预测技术在矿物加工中的研究进展.pdf

预测技术在矿物加工中的研究进展.pdf

ID:52273785

大小:586.13 KB

页数:7页

时间:2020-03-26

预测技术在矿物加工中的研究进展.pdf_第1页
预测技术在矿物加工中的研究进展.pdf_第2页
预测技术在矿物加工中的研究进展.pdf_第3页
预测技术在矿物加工中的研究进展.pdf_第4页
预测技术在矿物加工中的研究进展.pdf_第5页
资源描述:

《预测技术在矿物加工中的研究进展.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第l期矿产综合利用No.12015年2月MultipurposeUtilizationofMineralResourcesFeb.20l5预测技术在矿物加工中的研究进展侯凯,童雄,谢贤,王晓,邓政斌,吕昊子,韩彬(省部共建复杂有色金属资源清洁利用国家重点实验室,昆明理工大学国土资源工程学院,云南省金属矿尾矿资源二次利用工程研究中心,云南昆明650093)摘要:对近年来国内选矿自动化领域的预测控制技术进行综述,讨论了其在浮选、物理分选、磨矿和浸出作业中的研究和应用现状,以期促进选矿优化和选矿自动化的进一步发展。关键词:神经网络;预测模型;选矿自动化;浮选

2、;浸mdoi:10.3969/j.issn.1000—6532.2015.01.002中图分类号:TD989文献标志码:A文章编号:1000—6532(2015)01—0007—07预测控制是20世纪80年代发展起来的一类了广泛的应用。与此同时,许多研究者逐渐认识到,新型的计算机控制算法,采用多步预测、滚动优化和选矿过程与化学反应过程存在着区别,这是因为选反馈校正等控制策略,因而具有控制效果好、鲁棒性别物料的性质不均匀、不同的浮选设备、化学环境、强、对模型精确性要求不高的优点,适用于控制不易操作条件等都会对选别作业产生影响,生产和试验建立精确数字模型且

3、比较复杂的工业生产过程¨。中所观察到的现象实际是那些具有不同性质的矿粒最初,预测控制主要应用于化工、石油、电力等部门,的选别行为的综合结果。70年代以来,人们针对T随后,延伸到了其他工业行业。在矿物加_I领域,数业生产过程的复杂性,试图结合过程控制的特点寻学建模、计算机技术、图像技术等先进技术的融人,求各种对模型要求低、控制品质好,便于在线实现的使选矿这一古老的学科焕发出新的活力,并产生了计算机控制模式与算法,预测控制在这种背景下应一系列的分析、处理技术和模型,部分研究成果成功运而生,选矿作业的计算机实时预测也成为了可能。应用于选矿生产实践。预测控制在

4、国外研究较早,1.2必然性我国近年来也开始了这一领域的研究。选矿中的在线监测对选矿厂选矿指标有着很大的影响,通过对选矿作业各环节的实时监测,可以有1预测技术在选矿应用的可行性和必效获得不同时段的选别指标,从而对指标分析后及要性时调整工艺参数,优化选别结果.对选矿作业而言,1.1可行性由于原矿性质、给矿及各段处理量波动以及各种内在选矿过程中,试验现象与产品质量之间存在外因素的干扰,使得选矿作业具有不稳定性和复杂着诸多联系。如:在浮选作业中,有经验的工人凭借性,获取这些信息至关重要。选厂传统的在线监测观察浮选泡沫特征,就可大致判断精矿品位,进而主要有两种形

5、式:工人经验判别和选厂分析化验机调节生产操作,以保证浮选过程在最优条件下进行。构间断采样化验。人_T判别存在劳动强度大,精确60年代以来,电子计算机给选矿、冶金行业带来了度低,主观因素干扰较大等缺陷;离线分析结果滞后巨大的冲击J,大量与计算机相关的先进技术得到于生产过程3—4个小时,从而无法对生产进行实时收稿日期:2014—05—21基金项目:国家科技支撑计划项目(No.2012BABIOB07);云南省校人才培养项目(KKSY201221138)作者简介:侯凯(1990一),男,硕士研究生,主要从事矿产综合利用及尾矿资源开发。通讯作者:谢贤(1981

6、一),男,讲师,主要从事有色金属分选理论与_T艺研究。·8·矿产综合利用控制,而计算机的“智能化”可以很好地解决这一问200m浮选机作业流程上得到应用。题。随着社会发展与科技进步,选矿的精细化、自动王雅琳等⋯提了一种基于PCA和改进的BP化、无尾化分选将是未来发展的趋势,通过对选矿作神经网络的精矿品位在线预测方法。应用数字图像业的预测控制,可以保证选别作业在最优条件下运处理技术获得实时的泡沫图像特征,通过分析确定行,实现精细化分选,提高资源利用率,减少劳动强各个特征与精矿品位之间的关系,再利用PCA分析度,是实现未来发展目标的重要手段。法提取主成分,解

7、决了多特征之问的相关性问题,且减低了神经网络的输入维数,最后采用改进的BP2国内研究进展神经网络训练算法,以离线化验得到的精矿品位值2.1在浮选中的应用为训练目标,建立起精矿品位的预测模型。仿真实在矿物加T行业中,浮选是最重要、应用最广泛验表明,PCA-改进BP神经网络具有较好的预测精的矿物分离富集工艺,也是矿物分离中最不稳定的度和泛化能力,可有效对精矿品位进行在线预测。r:艺过程。浮选泡沫图像中包含有丰富的视觉信纯机理模型所得到的预测值不仪不能反映实际息,他们与操作变量和产品质量有着密不可分的关输出的趋势,而且与实际值的误差越来越大,这是由系j。在浮

8、选预测作业中,一般需用到数字图像采于机理模型是在分批浮选的基础上采集到的数据所集和处理技术获得

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。