基于MATLAB/GUI的矿物浮选动力学研究平台设计

以一级动力学模型为基础,结合会泽硫化矿异步浮选新技术的特点推导一种新的浮选模型,称之为分速浮选模型.选择传统浮选模型中的经典一级模型、二级动力学模型和本文推导的分速浮选模型,基于MATIAB/GUI方法设计出了界面友好、操作简单、可视化强的矿物浮选动力学研究平台,实现了矿物浮选数据的快速处理和图形输出,显著提高了工作效率.     

基于BP神经网络的中深孔爆破块度预测

利用神经网络极强的非线性动态处理能力,对开磷集团用沙坝矿中深孔爆破块度进行预测.选取岩体特性、炸药性能、爆破参数作为神经网络的输入层,平均块度和大块率作为输出层,建立神经网络预测模型,进行块度预测.对比神经网络预测和工业试验所得的数据,表明神经网络预测爆破块度能取得良好的效果.该方法对于优化中深孔爆破参数具有重要意义.     

基于人工神经网络的充填浮选柱捕集区气含率特性研究

论述了用人工神经网络的方法对影响充填浮选柱捕集区气含率工艺参数(捕集区高径比、气体加入量和起泡剂用量)进行模拟、训练和预测的过程.结合实验结果讨论了各个影响因素对气含率的作用规律,并用基于实验数据建立的人工神经网络对气含率进行预测分析.所建立的神经网络模型的输出值与实验测量值误差在±5％以内,显示神经网络方法预测分析气含率具有较高的适用性,为充填浮选柱的放大研究提供可行的方法.     

瓮福磷矿浮选加药系统的改造

在选矿厂中,对小流量、腐蚀性的工艺介质进行检测和控制是实现选矿厂工业自动化的一个难题.瓮福磷矿选矿厂浮选工艺加硫酸和加WF-01原设计通过控制电磁阀的每分钟的开启次数和每次的时间间隔来控制添加量,但由于加药不平稳和元件故障频繁,工艺指标无法控制,全部改为手动测量和调节.     

基于Moldflow和BP神经网络的薄壳注塑件预测

基于Moldflow平台,通过正交试验研究了一模两腔薄壳注塑件成型工艺参数对翘曲量的影响。以流动速率、保压压力、保压时间、熔体温度和模具温度五个工艺参数为输入,注塑件翘曲量参数作为输出,在Matlab神经网络工具箱中建立三层BP神经网络;利用Moldflow正交试验所得工艺参数与翘曲量的数据作为训练样本对神经网络进行训练,得到注塑工艺参数与注塑件翘曲量之间的非线性映射关系,并验证该神经网络的泛化能力。结果表明,该神经网络能较好地预测薄壳注塑件翘曲量。     

一种分布式浮选自动加药系统的设计及应用

针对唐山矿选煤厂煤泥浮选系统加药点多、加药量小、加药精度低、场地空间不足等问题,设计了一种分布式浮选自动加药系统,实现对各加药点的药剂量的精准控制,大幅度降低了浮选操作工的劳动强度和药剂消耗,提升了浮选效率和产品的稳定性。     

连续式高效节能梯级恒温浮选加药装置关键技术研究

运用自适应神经模糊控制原理,在参考传统浮选加药恒温设备的基础上,设计出了一款适应性更强、精度更高、方便灵活、移动式的高效节能梯级恒温浮选加药装置,该装置不用上位机电脑,能自动连续混加药,加热速度快,恒温效果好,加药过程药剂定常流动,操作人性化,运行成本低,还可以节约能源,提高浮选指标.     

基于遗传算法优化的BP神经网络预测混凝土抗压强度

针对传统BP神经网络预测能力的不足,采用遗传算法优化的BP神经网络预测混凝土28d抗压强度,并建立了GA-ANN预测模型。一方面对模型输入项进行灰色关联分析,找出对强度影响的重点关联因素;另一方面,研究了模型在不同输入项组合、不同训练组和输出组数、不同网络隐含层节点数的操作条件下,其预测精度有何变化,找出了最优的上述操作条件,减少了预测误差。     

一种优化的橡胶老化性能预测方法

正申请公布号:CN 112989691A申请公布日:2021年6月18日申请人:航天材料及工艺研究所发明人:张欢、许文、赵云峰等本发明介绍了一种优化的橡胶老化性能预测方法。利用优化的BP人工神经网络对应用于复杂环境下的橡胶材料及制品的老化性能进行预测。首先对输入的数据进行整理和筛选;然后确定输入层和输出层的参数,利用BP人工神经网络对输入数据进行训练,优选出隐含层神经元个数和训练函数;之后利用训练的神经网络模型对橡胶材料性能数据进行预测。该方法使用的BP人工神经网络具有良好的自适应性和自学习能力,     

基于内膜解耦控制的选煤厂浮选智能加药控制研究

为改善煤泥浮选性能,提出一种内膜解耦控制方法。针对浮选过程多变量特点,将解耦控制和内膜控制结合,对浮选过程加药量进行优化,以提高系统响应速度和浮选性能。为评估所提方案,在选煤厂浮选加药实际生产场景中,使用该方法进行加药优化,验证了该方法的有效性。结果表明,该方法在控制浮选生产稳定和模型失配方面更具优势。