螺旋分级过程数学模型研究及应用.pdfVIP

230 2010．46(4) ComputerEngineeringandApplications计算机工程与应用 螺旋分级过程数学模型研究及应用 刘军霞，阳春华，王雅琳 LIU Jun—xia，YANG Chun—hua，WANG Ya—lin 中南大学 信息科学与工程学院，长沙 410083 SchoolofInformation Scienceand Engineering，CentralSouth University，Changsha 410083，China E-mail：liujunxiamail@163．com L1U Jun—xia，YANG Chun—hua，WANG Ya-lin．Research and appficafion for spiraldassificafion process mathematic mode1．ComputerEngineeringandApplications，2010，46(4)：230—232． Abstract：The process ofgrinding circuitismultivariableand non—linear，the mathematicmodelsbased on thelinearregression arehardtosatisfytherequestingofaccuracy．Thefastdevelopingneuralnetworkstechniquecanbuildahighprecisionmodelfor the non—linear reflection of variables．Based on the elementary mathematic models about spiral classifier machine，this paper establishesthemathematicmodelofthespiralclassifierbyaRadialBaseFunction (RBF)neuralnetwork．Geneticalgorithm is used tooptimizethe RBF．With theactualprocessdata from agrindingcircuitofa mineralfactory，theresultofsimulation shows thatthe accuracysatisfiesthe craftrequest． Keywords：spiralclassifier；mathematicmodel；RadialBaseFunction(RBF)neuralnetwork；geneticalgorihtm 摘 要：磨矿分级过程具有多变量、非线性等特点，基于多元回归理论的数学模型难以满足精度要求，迅速发展的神经网络技术可 以建立高精度的变量间的非线性映射模型。在 已有螺旋分级机基本模型的基础上，利用RBF神经网络建立螺旋分级机的数学模 型，并用遗传算法对神经网络进行优化。用某选矿厂两段磨矿分级回路的实际生产数据进行 了仿真实验，仿真结果表明，模型精度 满足工艺要 求。 关键词：螺旋分级机；数学模型；径向基函数神经网络；遗传算法 DOI：10．37786．issn．1002—8331．2010．04．072 文章编号：1002—8331(2010)40—0230—03 文献标识码：A 中图分类号：TP18 1 引言 前，利用回归方法建立模型已经难以达到模型预测精度的要求。 螺旋分级机广泛应用于金属选矿流程中对矿浆进行粒度 迅速发展的人工神经网络具有很强的并行处理、自适应 、 分级，它结构简单、操作方便、工作平稳可靠 ，在我国大多数选 自组织、容错性和非线性映射能力，为复杂工业过程建模提供 矿厂中，主要采用螺旋分级机与磨机构成磨矿一分级回路。因 了有效途径。 此，研究螺旋分级机的数学模型，对工业生产过程的分析 、模 结合磨矿一分级过程多变量、非线性的特点，采用RBF神 拟、优化和控制具有重要的实际意义。 经网络 和遗传算法(GA)相结合 的方法，提出了采用实数 螺旋分级机数学模型的系统研究是从 20世纪80年代初 编码遗传算法训练RBF