神經網絡在礦物加工中預測應用的研究現狀及展望

郭 銳，劉 丹，杜 鈺，余龍舟

(1.昆明理工大學國土資源工程學院，昆明 650093；2.昆明理工大學省部共建復雜有色金屬資源清潔利用國家重點實驗室，昆明 650093；3.云南阿姆德電氣工程有限公司，昆明 650033)

0 引 言

20世紀90年代,神經網絡開始在礦物加工行業中應用,并在能源消耗、磨礦回路控制、浮選工藝流程、精礦品位回收率、試驗優化研究等方面表現出良好的預測效果。在礦物加工自動化領域中,大部分選礦神經網絡模型采用BP多層前饋模型和RBF徑向基函數神經網絡。神經網絡的特點包括適應性好、可處理含噪信息、魯棒性強等,其依據這些優勢在選礦領域已取得一些應用成果[1]。早期研究者針對礦物加工浮選動力學過程,提出了穩態模型和非穩態模型理論[2]。但是這些模型并不能完全表征浮選過程中復雜的物理化學變化,因為浮選過程包括復雜的溶液與礦物之間物理化學變化作用和礦粒表面的吸附狀態等不可控因素多,導致機理建模質量和使用效果受局限[3]。長期以來,在選礦廠浮選藥劑添加作業中,選礦廠采用手動控制計算機遠程添加現場浮選機藥劑,并通過人工調整劑量，人為操作因素對藥劑添加量影響很大[4]。由于浮選過程中使用的浮選藥劑種類繁多,浮選工藝流程加藥點數量多，礦漿通過多個管道的流量有準確控制的要求。傳統的人工調節方法難以準確，及時、合理地控制選礦藥劑的使用量,從而影響礦指標，也會造成浮選藥劑不必要的使用。……