加强磨矿浮选工艺操作提高浮选指标

通过铜矿峪选厂采用不同磨矿浮选工艺操作条件，处理不同矿石，提高浮选指标的生产实践，阐述了合适的磨矿浮选工艺操作条件对提高浮选指标的作用。     

神经网络在矿石可选性预测专家系统中的应用

讨论了基于符号的知识处理系统的不足及神经网络应用于知识处理上的优点。提出了用神经网络建立矿石可选性预测专家系统的设计方法，给出了神经网络矿石可选性预测专家系统的结构，论述了系统实现中的一些技术问题。     

微泡浮选柱控制专家系统的开发与应用

开发浮选柱控制专家系统,利用其对浮选柱关键参数一液位高度、气体表观速度、精矿淋洗水及矿浆表观速度进行调节,实现了浮选柱自动稳定控制.利用工控计算机、PLC及其扩展模块、超声波-浮球联动液位计及相关检测仪器,对气体表观速度、精矿淋洗水进行开环控制.对浮选柱的液位高度、矿浆表观速度和尾矿流量实施闭环控制.工业生产实践表明,该专家系统稳定性好,应用于微泡浮选柱,可动态监控和调节浮选柱工作参数,有效提高浮选柱工作效率,作业回收率提高了1.58%,精矿产品质量更加稳定,同时实现了浮选柱操作的自动化与智能化.     

基于人工神经网络的选矿指标预报专家系统

针对国内多数铁矿山矿石来源复杂、选矿技术指标难于准确预测的问题，本文提出通过建立人工神经网络模型，构筑选矿指标预报专家系统，进而优化供矿结构的方法。通过编制相应的计算机程序，用实例检验证明了模型和方法的可靠性和实用性。     

神经网络专家系统在矿业中的应用

主要介绍了杂合智能技术在矿业中的应用，如ANN与ES、GA与ANN、GA与ES等。当务之急是建立矿山系统的广义杂合智能模型，在此基础上，开发出一系列矿业智能开发工具及平台。     

浮选指标与浮选泡沫数字图像关系研究

在实验室采集了大量黄铜矿浮选的泡沫图像,并对浮选泡沫图像进行了预处理;采用数字图像分析技术分析了泡沫图像及其灰度直方图,提取了浮选泡沫图像灰度直方图的统计纹理特征参数;采用径向基神经网络建立了黄铜矿浮选指标与泡沫灰度直方图统计纹理特征参数的关系模型。仿真实验证明,所建立的模型有较高的精度。     

工业型浮选回路自动控制的流体动力学特性和选矿指标研究

工业浮选回路由5排平行的粗选浮选机组成，每排由9台容积为42．5m^3的浮选机构成。用一个可连续测量局部充气量的简单装置直接测定浮选机单位横截面气体流速，其值范围为0．8～1．2cm/s。用一个矿浆取样器测定了矿浆的含气量，其值为15％～20％。用UCT气泡尺寸分析仪测定了气泡的尺寸分布，将测定出的平均气泡尺寸与矿浆－泡沫界面附近观察到气泡尺寸分布进行了比较。观察到的平均气泡Santer尺寸为0．9～1．1mm。用放射性示踪法测定了液相和固相的有效停留时间（RTD）。结果表明，固体的RTD比液体的短5％。也测定了不同粒级不可浮矿物RTD。对各列每一台浮选机顶部到底部矿浆的品位、浓度、各粒级的产率分布进行了测定，并对不同矿浆深度处的粒度分布和混合情况进行了全面地对比。考查了用强制充气和调节液面高度对各列浮选机动力学的影响。因此，建立了工业化浮选机精矿产率与富集比之间有用的关系模型，该模型可用于控制目的。     

应用新药剂提高铜浮选指标的生产实践

总结了胡家峪矿选矿厂1998年10月到2001年6月应用不同药剂组合提高铜浮选指标的生产实践并对新药剂MOS－2和DY－1在铜浮选中的特性进行了分析。     

煤层突出危险性预测的神经网络专家系统

提出了煤层突出危险性预测的神经网络专家系统的结构，介绍了知识的获取、推理过程及知识的表示和设计方法，实例分析表明，神经网络专家系统适合于预测煤层突出这一极其复杂的动力现象。     

采用数字图像处理的浮选专家管理系统

该文献介绍了为铜精选工艺的控制和管理开发的ＡＣＥＦＬＯＴ－－一个实时分析浮选泡沫的动力学特征的系统，该系统使用图像处理技术来测量泡沫在浮选槽表面形成的几种物理参数，这包括一个探测浮选故障和低指标状态操作的专家系统，该专家系统能为控制提出正确的校正操作指令。     

基于神经网络的矿山企业智能诊断专家系统

当企业拥有了数量庞大的生产经营数据后，如何方便、快捷地从这些数据中发现企业经营中存在的瓶颈，是矿山企业智能诊断研究所要解决的问题，为此本文研究了人工神经网络技术与专家系统的集成用于矿山企业生产经营中知识模式的发现，利用神经网络极强的学习能力，进行诊断知识的获取和诊断推理，模拟专家发现企业故障的因果关系。     

基于RBF网络的浮选过程技术指标智能预测系统的研究

利用ZJWNNC标准函数建立了浮选过程技术指标与矿浆性质、药剂用量之间的关系模型 ,并对该模型进行了仿真试验。仿真结果表明 ,模型输出能以较高精度逼近样本数据。基于上述模型开发了西林铅锌矿浮选过程技术指标智能预测系统 ,并进行了工业试验。工业试验的结果表明 ,该系统能够以较高的精度预测浮选过程作业回收率和精矿品位。该系统的成功开发为浮选过程的优化控制奠定了基础。     

基于RBF网络的浮选技术指标预报模型的研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后 ,利用ZJWNNC标准函数建立了浮选技术指标预报模型 ,并对该模型进行了仿真试验。仿真结果表明 ,模型精度较高 ,具有一定的实用价值 ,为下一阶段开发浮选技术指标智能预测系统奠定基础。     

基于BP神经网络的地下水水位预测

基于BP网络模型 ,对地下水水位变化规律进行了定量预测。网络模型由三层构成 :输入层、隐含层、输出层。节点单元以及各层间的连接强度决定了BP网络的执行情况。实验结果表明 ,BP神经网络是一种较为有效的预测方法     

AOS2000分析仪专家系统的研究与应用

以国产化工业型ＰＣ计算机替代从芬兰引进的库里厄３０载流Ｘ荧光分析仪的ＡＯＰ计算机;自行设计研制了比原ＡＯＰ计算机的操作管理系统功能更强、更适应中国国情的“ＡＯＳ２０００分析仪专家系统”。不仅具有ＡＯＰ系统原有的管理功能和分析仪的分析精度,还有自己的特色,且全面汉化,操作简单。成功地应用于凡口铅锌矿选矿厂的两台载流Ｘ荧光分析仪系统。     

APPLICATION OF EXPERT SYSTEM BASED ON NEURAL NETWORK IN MINING THE GENTLE INCLINED THICK SEAM

This paper presents a new method for the correct selection of mining methods and prediction of main technological and economic indexes of the face in the gentle inclined thick seams with the application of the artificial neural network theory and the expert system. The theory analysis and calculating results indicate that the method is reliable, practical and precise. This method has strongly capabilities of self-study and non-linear dynamic data process. It is expected to be widely applied in the policy decision and prediction of mining technology in coal mine.     

一种用神经网络建立加热炉模型的方法

加热炉是一个复杂的被控对象,通过神经网络建立加热炉模型,用实际数据对所建加热炉模型进行仿真。结果表明:用该方法所建加热炉模型精度很高,最大绝对误差小于5℃,最大相对误差小于0 4%,在允许误差范围内达到了实际应用的要求。     

基于模糊神经网络的磨矿分级智能控制系统的研究

针对磨矿分级系统的特点,采用模糊逻辑与神经网络相结合的方法设计了基于模糊神经网络的磨矿分级智能控制系统。仿结果表明：系统搜索速度快,控制精度较高,不依赖被控对象,具有较强的抗干扰能力、自学习和自适应能力。     

基于内嵌CLIPS的井巷硐室支护设计专家系统

井巷、硐室支护设计专家系统对于设计合理的支护方案．保证硐室稳定性具有重要意义。本文研究了将CLIPS与VC^ 集成开发支护设计专家系统的方法．介绍了用数据库存储规则、CLIPS推理引擎嵌入、输入输出转换及图形输出等关键技术。本系统应用于南芬露天矿290平硐的支护设计中，取得良好的效果。     

巷道掘进支护计算机辅助决策系统研究

为了克服个人决策进行支护时的不合理，实现专家的集体决策，本文采用面向对象的计算机编程技术和可视化的设计方法，利用人工智能等科学开发了井巷掘进支护设计的智能专家系统，其中包括决策系统的总体设计思路、知识库的建立、推理机制的调试等，并将神经网络技术应用到专家系统中。将该系统应用于某巷道支护设计方案的决策，其运行结果比较令人满意。