【摘要】：磨礦過程是選礦工藝中很重要的一環(huán),磨礦產(chǎn)品的粒度是磨礦工藝的一個(gè)重要指標(biāo),粒度檢測(cè)的方法較多,為適應(yīng)選礦自動(dòng)化發(fā)展的需求,發(fā)展出了多種較為先進(jìn)的粒度檢測(cè)方法技術(shù),如激光檢測(cè)、超聲檢測(cè)、圖像識(shí)別、軟測(cè)量法等。但由于這些方法存在一些局限性或不足,這些方法均未在工業(yè)上大規(guī)模應(yīng)用,因此也制約了選礦自動(dòng)化水平的提高。針對(duì)目前國(guó)內(nèi)在粒度檢測(cè)方面的這一現(xiàn)狀,本文對(duì)磷礦磨礦過程中的粒度自動(dòng)檢測(cè)技術(shù)進(jìn)行研究,提出了一種基于光散射的磷礦粒度分析檢測(cè)方法,此方法結(jié)合激光檢測(cè)和人工神經(jīng)網(wǎng)絡(luò),利用激光檢測(cè)磷礦礦漿在不同濃度下的透射光強(qiáng)度,得到樣品透射光強(qiáng)和濃度的曲線,并從曲線中提取光散射特征參數(shù),采用人工神經(jīng)網(wǎng)絡(luò)建立特征點(diǎn)與樣品粒度分布之間的反演模型。圍繞該問題,本文針對(duì)如下幾點(diǎn)進(jìn)行了研究:(1)首先針對(duì)磷礦漿的光散射,分析相關(guān)的理論,探討了一定粒度分布的磷礦樣品在不同濃度下透射光強(qiáng)與粒度分布之間存在關(guān)系。(2)針對(duì)實(shí)際需要,設(shè)計(jì)相關(guān)的數(shù)據(jù)采集裝置。對(duì)數(shù)據(jù)采集裝置的光源、光電探測(cè)器、AD轉(zhuǎn)換模塊和循環(huán)泵進(jìn)行了選擇,確定使用650nm波長(zhǎng)的激光、硅光電探測(cè)器、24位高精度AD轉(zhuǎn)換器和隔膜泵;對(duì)于攪拌槽和測(cè)試皿,采用AnsysFluent軟件來對(duì)其中的礦漿流態(tài)進(jìn)行模擬,最終設(shè)計(jì)出較為合適的攪拌槽和測(cè)試皿。(3)利用本文所述的數(shù)據(jù)采集裝置對(duì)宜昌地區(qū)的不同粒度分布的磷礦漿在低濃度不同濃度下的光散射強(qiáng)度進(jìn)行了實(shí)驗(yàn),確定了不同粒度分布的磷礦樣品濃度-透射光強(qiáng)度曲線所存在的差異性。(4)利用BP人工神經(jīng)網(wǎng)絡(luò)建立濃度-透射光強(qiáng)度曲線特征參數(shù)與粒度分布之間的反演模型,并用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證神經(jīng)網(wǎng)絡(luò)建立的模型的精確性。根據(jù)上訴研究?jī)?nèi)容得出以下結(jié)果:(1)采用神經(jīng)網(wǎng)絡(luò)建立的模型較好預(yù)測(cè)了粒度分布,因此確認(rèn)磷礦樣品不同濃度下透射光強(qiáng)曲線與粒度分布之間存在關(guān)系。(2)利用BP神經(jīng)網(wǎng)絡(luò)建立的粒度反演模型可以較好的通過光散射特征值反推出樣品的粒度分布。
【圖文】：

光散射模型圖

圖 2-3 Frounhofer 單縫衍射Fig. 2-3 Frounhofer single slit diffraction：2sinλBC = aθ =±m，剩下一個(gè)半波帶中的衍射光線未
【學(xué)位授予單位】：武漢工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TD921.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

3 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

4 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

5 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

6 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

7 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

8 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U，

本文編號(hào)：2631550