發(fā)布時(shí)間：2018-03-04 12:08

  本文選題：磨礦分級(jí)過(guò)程　切入點(diǎn)：粒度　出處：《河北工業(yè)大學(xué)》2015年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：磨礦分級(jí)生產(chǎn)過(guò)程是整個(gè)選礦流程中的重要環(huán)節(jié)。通過(guò)磨礦分級(jí)生產(chǎn)過(guò)程對(duì)礦石進(jìn)行研磨和分級(jí),使有用礦物與脈石礦物進(jìn)行單體解離,為后續(xù)的選別作業(yè)創(chuàng)造條件。本文以典型兩段式磨礦分級(jí)生產(chǎn)流程為研究對(duì)象,采用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對(duì)磨礦控制器進(jìn)行設(shè)計(jì),并在磨礦優(yōu)化虛擬設(shè)備上進(jìn)行仿真實(shí)驗(yàn)。本文的主要內(nèi)容如下:首先對(duì)近年來(lái)國(guó)內(nèi)外磨礦控制研究發(fā)展歷程與應(yīng)用現(xiàn)狀進(jìn)行了總結(jié),對(duì)磨礦分級(jí)生產(chǎn)過(guò)程的工藝特點(diǎn)以及控制難點(diǎn)進(jìn)行了分析。然后通過(guò)對(duì)磨礦流程中各參變量的研究,總結(jié)歸納出相關(guān)控制規(guī)律,確定以磨礦粒度為最終的控制指標(biāo),將給礦量、一段球磨機(jī)入口加水量、螺旋分級(jí)機(jī)加水量以及旋給流量作為其控制變量,以神經(jīng)網(wǎng)絡(luò)對(duì)磨礦系統(tǒng)進(jìn)行辨識(shí),建立數(shù)學(xué)模型。針對(duì)典型兩段式磨礦系統(tǒng)中機(jī)理復(fù)雜、影響因素多等諸多難點(diǎn)問(wèn)題,采用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對(duì)磨礦控制器進(jìn)行設(shè)計(jì),通過(guò)利用模糊控制對(duì)模糊信息的處理能力和神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力很好地解決了磨礦控制中非線性、強(qiáng)耦合等問(wèn)題。補(bǔ)償模糊神經(jīng)元的引入,能使網(wǎng)絡(luò)從初始正確定義的模糊規(guī)則或者初始錯(cuò)誤定義的模糊規(guī)則進(jìn)行訓(xùn)練,使其具有更高的容錯(cuò)性,系統(tǒng)更穩(wěn)定。通過(guò)MATLAB軟件對(duì)其進(jìn)行仿真驗(yàn)證,結(jié)果表明礦石粒度被很好地控制在設(shè)定值附近,證明了補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)對(duì)磨礦控制的有效性和實(shí)用性。最后將補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)控制算法加載到磨礦優(yōu)化虛擬設(shè)備上進(jìn)行半實(shí)物仿真驗(yàn)證,得到的磨礦粒度趨勢(shì)圖基本滿(mǎn)意,取得了很好的控制效果。
[Abstract]:Grinding and grading production process is an important link in the whole process of mineral processing. By grinding and classifying ore, the useful minerals are separated from gangue minerals by monomer dissociation. In this paper, the typical two-stage grinding classification production process is taken as the research object, and the compensatory fuzzy neural network is used to design the grinding controller. The main contents of this paper are as follows: firstly, the history and application of grinding control research at home and abroad in recent years are summarized. The technological characteristics and control difficulties of grinding classification production process are analyzed. Then through the study of the parameters in the grinding process, the relevant control rules are summarized, and the final control index of grinding granularity is determined, and the ore quantity will be given. In this paper, the inlet water quantity of the first stage ball mill, the water quantity of the spiral classifier and the rotating feed flow rate are taken as the control variables. The neural network is used to identify the grinding system and the mathematical model is established. The mechanism of the typical two-stage grinding system is complex. Many difficult problems, such as many influencing factors, are used to design the grinding controller using compensatory fuzzy neural network. By using the ability of fuzzy control to deal with fuzzy information and the powerful learning ability of neural network, the nonlinear and strong coupling problems in grinding control are well solved. The network can be trained from the original correctly defined fuzzy rules or the initial misdefined fuzzy rules, which makes the network more fault-tolerant and more stable. The simulation results are verified by MATLAB software. The results show that the ore size is well controlled near the set value. The effectiveness and practicability of the compensatory fuzzy neural network for grinding control are proved. Finally, the compensatory fuzzy neural network control algorithm is loaded into the grinding optimization virtual equipment for hardware-in-the-loop simulation, and the obtained grinding particle size trend diagram is basically satisfactory. Good control effect has been achieved.
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TD453;TP273

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王爽;朱棟華;王家凱;;模糊神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用[J];江蘇環(huán)境科技;2007年S2期

2 李恒嵬;;模糊神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀綜述[J];遼寧科技學(xué)院學(xué)報(bào);2010年02期

3 宋彬彬;;模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用[J];煤炭技術(shù);2012年07期

4 劉平,程翼宇;辨識(shí)藥物定量構(gòu)效關(guān)系的模糊神經(jīng)網(wǎng)絡(luò)方法研究[J];高等學(xué)校化學(xué)學(xué)報(bào);2000年10期

5 孫增圻;模糊神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)建模與控制中的應(yīng)用[J];南京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年04期

6 肖文暉,劉亞斌,王思存;燃?xì)庑r(shí)負(fù)荷的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J];煤氣與熱力;2002年01期

7 劉軍;崔紅;龐中華;李桂麗;;基于綜合算法的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)建模方法[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

8 付家才;石娟;唐旭華;;基于陰陽(yáng)調(diào)和的模糊神經(jīng)網(wǎng)絡(luò)[J];黑龍江科技學(xué)院學(xué)報(bào);2007年03期

9 路永輝;馬翠紅;;小波模糊神經(jīng)網(wǎng)絡(luò)在高爐爐溫預(yù)測(cè)中的應(yīng)用[J];四川冶金;2008年06期

10 劉燦;;模糊神經(jīng)網(wǎng)絡(luò)及其在醫(yī)學(xué)診斷中的應(yīng)用[J];化學(xué)工程與裝備;2010年02期

相關(guān)會(huì)議論文 前10條

1 李仁發(fā);乜崇義;;一種用模糊神經(jīng)網(wǎng)絡(luò)建立模糊模型的新方法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1996年

2 舒賽剛;任雪梅;陳杰;;模糊神經(jīng)網(wǎng)絡(luò)在混沌預(yù)測(cè)中的應(yīng)用[A];第二十屆中國(guó)控制會(huì)議論文集（下）[C];2001年

3 張劍輝;彭力;林行辛;;變結(jié)構(gòu)的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的研究[A];第二十三屆中國(guó)控制會(huì)議論文集（上冊(cè)）[C];2004年

4 林雄;張福金;黃槐仁;劉煜;;進(jìn)化模糊神經(jīng)網(wǎng)絡(luò)在時(shí)序預(yù)測(cè)的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

5 謝維信;錢(qián)濤;;模糊神經(jīng)網(wǎng)絡(luò)研究述評(píng)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 陳一飛;李懷;;模糊神經(jīng)網(wǎng)絡(luò)在室內(nèi)采光控制中的應(yīng)用[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

7 榮莉莉;;模糊神經(jīng)網(wǎng)絡(luò)在項(xiàng)目評(píng)價(jià)系統(tǒng)中的應(yīng)用[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集第5卷[C];1999年

8 孫增圻;;模糊神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)建模與控制中的應(yīng)用[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

9 馬海峰;李晨光;唐濤;;基于模糊神經(jīng)網(wǎng)絡(luò)的列車(chē)運(yùn)行安全控制[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

10 王孫安;杜海峰;;基于相平面的模糊神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[A];第一屆全國(guó)流體動(dòng)力及控制工程學(xué)術(shù)會(huì)議論文集[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 何春梅;模糊神經(jīng)網(wǎng)絡(luò)的性能及其學(xué)習(xí)算法研究[D];南京理工大學(xué);2010年

2 李龍;模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及收斂性研究[D];大連理工大學(xué);2010年

3 翟東海;加乘型模糊神經(jīng)網(wǎng)絡(luò)理論和應(yīng)用的研究[D];西南交通大學(xué);2003年

4 楊潔;模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂性與閾值可去性[D];大連理工大學(xué);2006年

5 艾芳菊;模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化研究[D];中國(guó)科學(xué)院研究生院（成都計(jì)算機(jī)應(yīng)用研究所）;2006年

6 王振雷;模糊神經(jīng)網(wǎng)絡(luò)理論及其在復(fù)雜系統(tǒng)中的應(yīng)用研究[D];東北大學(xué);2002年

7 孫海蓉;模糊神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[D];華北電力大學(xué)（河北）;2006年

8 周志堅(jiān);基于遺傳算法的神經(jīng)模糊技術(shù)應(yīng)用研究[D];華南理工大學(xué);1999年

9 朱喜林;模糊神經(jīng)網(wǎng)絡(luò)選擇機(jī)械加工參數(shù)的應(yīng)用研究[D];吉林大學(xué);2006年

10 陳向堅(jiān);微型飛行器姿態(tài)的智能控制方法研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2012年

相關(guān)碩士學(xué)位論文 前10條

1 曹甄;基于模糊神經(jīng)網(wǎng)絡(luò)的橋梁狀態(tài)評(píng)價(jià)[D];天津大學(xué);2009年

2 程冰;模糊神經(jīng)網(wǎng)絡(luò)研究[D];廣東工業(yè)大學(xué);2005年

3 王玉紅;基于模糊神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)級(jí)研究[D];哈爾濱工程大學(xué);2006年

4 王雪苗;模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用研究[D];大連理工大學(xué);2006年

5 馬秀會(huì);模糊神經(jīng)網(wǎng)絡(luò)研究綜述[D];吉林大學(xué);2008年

6 徐坤哲;基于區(qū)間二型TSK模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的時(shí)間序列預(yù)測(cè)及應(yīng)用研究[D];渤海大學(xué);2015年

7 游鑫;基于相似日和動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];江西理工大學(xué);2015年

8 王榮;基于模糊神經(jīng)網(wǎng)絡(luò)的鍋爐汽包水位控制系統(tǒng)研究[D];新疆大學(xué);2015年

9 方盼;一類(lèi)模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)辨識(shí)和結(jié)構(gòu)優(yōu)化[D];大連理工大學(xué);2015年

10 胡婷;基于模糊神經(jīng)網(wǎng)絡(luò)的輸油管網(wǎng)泄漏檢測(cè)技術(shù)研究[D];東北大學(xué);2013年

，

本文編號(hào)：1565578