基于Matlab和粒子群算法的磨矿技术效率预测模型

论文摘要

研究了磨矿时间、干矿质量分数和充填率对锡石多金属硫化矿磨矿技术效率的影响.结果表明,在最优的磨矿参数条件下,即磨矿时间为8 min、干矿质量分数为65%、充填率为42%时,锡石和硫化矿二元结构所对应的磨矿技术效率最佳.通过Matlab的广义回归神经网络(GRNN)计算程序建立了一种磨矿技术效率预测模型,利用粒子群算法对模型参数进行优化,并通过试验验证了模型的适用性和可靠性.

论文目录

• 1 试验和讨论
•   1.1 原料矿物组成和成分
•   1.2 试验方法
•   1.3 试验结果与分析
•     1.3.1 磨矿时间对锡石和硫化矿磨矿技术效率的影响
•     1.3.2 干矿质量分数对锡石和硫化矿磨矿技术效率的影响
•     1.3.3 充填率对锡石和硫化矿磨矿技术效率的影响
• 2 粒子群算法优化GRNN回归模型
•   2.1 GRNN回归模型
•   2.2 粒子群算法
• 3 基于GRNN-粒子群算法的磨矿技术效率模型预测与验证
•   3.1 基于GRNN-粒子群算法的预测模型学习样本
•   3.2 模型预测与验证试验
• 4 结论

文章来源

类型: 期刊论文

作者: 周文涛,韩跃新,李艳军,杨金林

关键词: 锡石多金属硫化矿,磨矿优化,磨矿技术效率,粒子群算法,模型优化

来源: 东北大学学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 矿业工程

单位: 东北大学资源与土木工程学院,广西大学资源环境与材料学院

基金: 国家自然科学基金资助项目(51741401,51264001,51874105,51734005)

分类号: TD921.4

页码: 548-551+556

总页数: 5

文件大小: 1829K

下载量: 281