基于神經(jīng)網(wǎng)絡(luò)的內(nèi)蒙古某鐵礦選廠球磨作業(yè)優(yōu)化研究

發(fā)布時間：2020-03-29 02:16

【摘要】：球磨作業(yè)利用磨礦介質(zhì)高頻次沖擊礦石使其粒度減小,為后續(xù)分選作業(yè)提供尺寸適宜、解離度高的給礦。內(nèi)蒙古某鐵礦選廠中磨礦作業(yè)是選廠中電耗最高的環(huán)節(jié),花費極大。一般的技術(shù)改造,如優(yōu)化介質(zhì)級配等,已不能進一步降低能耗,因此,本研究擬建立噸礦能耗與球磨作業(yè)操作參數(shù)的預(yù)測模型,找到最優(yōu)生產(chǎn)條件,進而節(jié)能增效�？紤]到球磨作業(yè)中因素耦合性強、響應(yīng)慢的特點,難以建立準確的數(shù)學(xué)模型,因此考慮用神經(jīng)網(wǎng)絡(luò)構(gòu)建模型,以球磨作業(yè)中介質(zhì)填充率、磨機轉(zhuǎn)速率、礦漿濃度、料球比作為輸入,以噸礦電耗作為輸出。此后,充分論證BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)在本研究中的適用性,最終優(yōu)選了RBF神經(jīng)網(wǎng)絡(luò)作為建模的框架。針對該鐵礦成份復(fù)雜、給礦波動大以及因工況動態(tài)時變導(dǎo)致的辨識能力低等問題,采用粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),避免由人工經(jīng)驗選擇結(jié)構(gòu)參數(shù)的盲目性,之后用標準數(shù)據(jù)集檢驗并校正,使模型擬合誤差由54.6%減小到32.9%,±50KWh內(nèi)的樣本點數(shù)由7個增到13個,能夠精確、快速的擬合該鐵礦球磨作業(yè)能耗。從現(xiàn)場采集105組有代表性的數(shù)據(jù)供預(yù)測模型學(xué)習(xí),建立了給礦硬度(可磨度)、操作條件組合、噸礦能耗間的神經(jīng)網(wǎng)絡(luò)。將訓(xùn)練后的預(yù)測模型應(yīng)用,在給礦硬度波動的情況下,該模型能及時給出相應(yīng)的最優(yōu)條件組合,指導(dǎo)生產(chǎn)。最終結(jié)果顯示:球磨作業(yè)噸電耗降低2%左右,同時減少了“過負荷”、“欠負荷”等問題的發(fā)生。本研究為實現(xiàn)該鐵礦的節(jié)能降耗提供了新的途徑。本研究的思路、建模方法對其他過程作業(yè)優(yōu)化也有一定的借鑒意義。
【圖文】：