基于人工神经网络的水力旋流器分离性能预测.pdfVIP

第22卷 第2期 黑 龙 江 科 技 学 院 学 报 Vo1．22 No．2 2012年 3月 JournalofHeilongjiangInstituteofScienceTechnology Mar．20l2 文章编号：1671—0118(2012)02—0l16一o3 基于人工神经网络的水力旋流器分离性能预测 韦鲁滨， 杜长江， 王月丽， 徐 欢 (中国矿业大学 化学与环境工程学院，北京 100083) 摘 要：水力旋流器分离过程复杂，其性能指标与影响因素之间属于典型的多维非线性关系。 以往旋流器分离过程的理论和经验模型大多在特定的简化条件下得到，且预测单一。为了全面预 测分离器性能指标，建立了三层BP神经网络模型，通过输入结构参数和操作参数，模拟输 出分离 粒径、生产能力、底流质量分数等多个分离性能指标。以生产能力为例，分析了神经网络与理论和 经验模型计算值的预测精度。结果表明：在各传统预测公式中，庞学诗法的预测精度最高，误差为 20．88％，与其相比，BP神经网络的预测误差仅为16．64％，优于其他各模型的预测精度，且能够实 现性能指标的全面预测。A~_r-神经网络是预测水力旋流器分离性能的可靠方法。 关键词：水力旋流器；BP神经网络；磁铁矿粉 ；分级性能 中图分类号：TD455 文献标志码 ：A Predictionofartificialneuralnetwork·basedhydrocyclones classificationperformance WEILubin， DUChangjiang， WANGYueli， XUHuan (SchoolofChemicalEnvironmentalEngineering，ChinaUniversityofMiningTechnology，Beijing100083，China) Abstract：Aimedataddressingcomplexseparatingprocessofhydrocyclonewhichsuffersfrom atypi— calmultidimensionalnonlinearrelationshipbetweentheinfluencingfactorsandtheperformanceindexes， compoundedbytheprevioustheoreticalandempiricalmodelsavailableoftenundersimplifyingsomecon— ditionsandlimited inprediction capability，thispaperfeaturesathree—layersBP neuralnetworkmodel capableofpredictingseparatedparticlesize，productioncapacity，theunderflow concentrationandSOon， withthestructureandoperatingparameters，forcomprehensivepredictionoftheseparatorperfomr ancein— dex．Comparisonbetweentheresultsderivedfrom theBPnetworkandthepreviousmodelassociatedwith theproductioncapacityshowsthatBPneuralnetworkboaststhepredictionprecisionof16．64％ ，compa— ringfavourablywith20．88％ ofrPangXueshilaw，thebestofalltraditionalpredictionfomr ula．TheBP neuraltheoreticalmodelprovesareliablewayo