基于神经网络的内蒙古某铁矿选厂球磨作业优化研究

发布时间：2020-03-29 02:16

【摘要】：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。
【图文】：

某铁矿球磨作业磨矿过程各影响因素间关系

球磨作业能耗模型示意图
【学位授予单位】：内蒙古科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD951;TP183

【参考文献】

相关期刊论文 前10条

1 韩良云;陆金桂;;神经网络球磨机出力软测量模型的建立[J];动力工程学报;2015年11期

2 贾艳;耿伟利;;阶段磨选工艺在白云鄂博磁铁矿选矿中的应用[J];地质找矿论丛;2013年04期

3 刘全军;姜美光;;碎矿与磨矿技术发展及现状[J];云南冶金;2012年05期

4 郭云峰;王运民;杨锋;;基于改进LS-SVM的球磨机制粉出力软测量建模[J];微计算机信息;2012年08期

5 马天雨;桂卫华;王雅琳;阳春华;;磨矿分级过程动态优化控制[J];控制与决策;2012年02期

6 王至超;张化祥;;支持向量回归参数调节及应用研究[J];计算机工程与设计;2011年08期

7 张韵辉;赵宇红;;基于神经网络的球磨机出力软测量模型研究[J];工业控制计算机;2011年07期

8 孙杰;韩艳;段勇;崔宝侠;;基于改进的PSO算法的球磨机PID神经网络控制系统[J];工矿自动化;2011年05期

9 王佳;徐蔚鸿;;基于动量粒子群的混合核SVM参数优化方法[J];计算机应用;2011年02期

10 汤健;赵立杰;岳恒;柴天佑;;湿式球磨机筒体振动信号分析及负荷软测量[J];东北大学学报(自然科学版);2010年11期

相关博士学位论文 前1条

1 罗春梅;球磨机节能降耗新途径机理及应用研究[D];昆明理工大学;2009年

相关硕士学位论文 前4条

1 贺敏;迁移学习在湿式球磨机负荷参数软测量中的研究与应用[D];太原理工大学;2018年

2 王清;磨矿过程溢流粒度软测量研究[D];东北大学;2009年

3 吴e，

本文编号：2605278