基于RBF神经网络的WO3浸出率软测量建模

针对目前在钨碱煮浸出过程中,难以实现 WO₃ 浸出率的在线检测,依据钨矿碱煮浸出过程的化学反应机理以及影响浸出率的因素,提出软测量方案,采用人工神经网络建模方法,建立简便快速检测的软测量模型.根据工业现场采集的样本数据,运用 Matlab 工具训练好神经网络软测量模型,结果显示该软测量模型能够反应矿物浸出过程的实际状况,测量相对误差均值小于 0.5 %,能满足工业生产要求.该研究为实现钨浸出率的在线检测提供了一种新的方法.      

基于模糊神经网络的软测量结果评价方法

在许多工业过程中，软测量技术在一些较难测量的变量估计中有很重要的,量到目前为止，对于软测量技术的研究主要集中在建模方法、模糊校正等问题上。本文提出了一种基于模糊神经网络的软测量结果评价方法，通过仿真证明了该方法的有效性。     

基于神经网络的软测量技术及其应用

针对工业过程控制中存在的被控参数测量，控制器参数整定两个方面的实际问题进行研究，利用神经网络对被测参数进行软测量，采用无辨识自适应控制解决PID参数的整定问题，两者结合，给出了一种切实可行的解决问题的方法，并举出了一个实际应用的例子。     

基于RBF网络的稀土萃取过程组分含量软测量

针对稀土萃取分离过程元素组分含量在线检测的难题,提出稀土萃取过程组分含量的RBF神经网络软测量方法.应用K-均值聚类算法确定软测量模型的结构和参数,并开展所提软测量方法在某公司稀土萃取分离过程组分含量监测中的应用实验研究,结果表明,所提出的软测量方法是可行、有效的,能较好地解决稀土萃取过程中元素组分含量的监测.     

基于MATLAB的RBF神经网络的应用

提出了一种用于预转报炉炼钢终点磷含量的智能方法,在该方法中,采用RBFNN方法,对转炉冶炼过程进行建模与仿真。MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。将二者结合起来,解决转炉冶炼中的建模问题,取得了令人满意的结果。     

基于粒子群算法优化BP神经网络的溶浸开采浸出率预测

为了研究溶浸开采过程中浸出率的预测问题,以含锑硫化矿的浸出过程为例,采用经粒子群算法优化的BP神经网络模型预测浸出率。首先分析得出影响矿物浸出率的主要因素,并将已有样本数据进行变量训练,建立BP神经网络预测模型;其次利用粒子群算法优化该模型;最后分别利用BP神经网络模型和PSO-BP神经网络模型预测浸出率,并对比2种模型预测值与实际值的误差精度。研究结果表明:影响含锑硫化矿浸出率的主要因素有温度、时间、液固比、搅拌速度和HCl浓度,且这些因素相互影响,其与浸出率呈现高度非线性关系,采用粒子群算法优化的BP神经网络模型训练精度较高,对浸出率的预测更精确,相比BP神经网络,该模型得出的预测结果与实际值的相对误差以及方差都有明显下降。由此可见,该预测模型对当前矿区溶浸开采的浸出率优化有一定的参考价值。     

钨冶炼渣中铁、锰浸出工艺研究

通过对原料进行XRF、XRD、SEM的分析检测,XRF确定原料中主要组成元素Fe、Mn、Ca,含量大约为23.41 %、7.166 %、15.22 %;XRD表明含量较高的铁化合物晶体和锰化合物晶体主要为Fe₂O₃、NaMn（Mn, Fe）₂（PO₄）₃;SEM表明钨冶炼渣中有结晶物质吸附在大颗粒表面,颗粒形貌、大小相差较大.选择硫酸作为钨冶炼渣的浸出剂,选择性浸出铁、锰,钙元素富集留滤渣中,10 g钨冶炼渣中锰、铁含量的浸出量大约为0.58 g和2.1 g左右.考察了反应温度、固液比、硫酸质量分数和反应时间对铁、锰浸出率的影响,通过正交实验表得到较优工艺条件:反应温度80 ℃、固液比为1:6（g/g）、质量分数为25 %（g/g）与反应时间为90 min.浸出次数为1次.浸出液循环浸出次数1次,可以使铁、锰的浓度提高大约50 %和38 %.浸出过程动力学计算较符合通过产物层的扩散为控制步骤,其中铁浸出速率较快.      

基于MATLAB的RBF神经网络的一种应用

提出了一种用于预报转炉炼钢终点磷含量的智能方法。在该方法中,采用RBFNN方法,对转炉冶炼过程进行建模与仿真。MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷人局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。将二者结合起来,解决转炉冶炼中的建模问题,取得了令人满意的结果。     

基于Matlab的RBF神经网络的一种应用

提出了一种用于预报转炉炼钢终点磷含量的智能方法,在该方法中,采用RBFNN方法,对转炉冶炼过程进行建模与仿真.Matlab中的神经网络工具箱是进行神经网络系统分析与设计的有力工具.RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段.将二者结合起来,解决转炉冶炼中的建模问题,取得了令人满意的结果.     

基于LS-SVM的氧化铝粉流量软测量建模

针对电解铝厂生产过程中氧化铝输送流量无法在线精确计量问题,应用最小二乘支持向量机回归估计方法,建立了氧化铝输送中氧化铝粉流量的软测量模型,并采用实际数据进行仿真.仿真结果表明,该预测模型的估计值与实际分析值吻合较好,从而验证了软测量技术对氧化铝粉流量准确估算的有效性.     

运用BP人工神经网络方法构建碳钢区域土壤腐蚀预测模型

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型.通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性.结果表明:含水量、空气容量、pH、Cl^-含量、SO₄^2-含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率.     

基于BP神经网络的钢水温度预定模型

针对目前钢水温度预定方法存在不足,在分析钢水温度预定原理的基础上,在邯钢邯宝炼钢厂建立了基于BP神经网络的精炼终点目标温度和转炉终点目标温度的动态预定模型。利用邯宝炼钢厂的历史生产数据对模型进行了训练和测试,并进行了现场应用试验。结果表明,预定模型对转炉和精炼终点目标温度进行了优化,应用预定模型后,LF开始温度命中率提高到75%,中间包温度命中率提高到96.7%。     

添加增浸剂提高金浸出率试验

通过添加少量的增浸剂,可提高氰化浸出速度和金的浸出率。试验结果表明加入少量增浸剂,金矿石的堆浸（池浸）金浸出率可提高5％。     

Artificial neural network based modeling of liquid membranes for separation of dysprosium

In recent years,the liquid membrane process has been widely investigated to remove rare earth metals.However,transport modeling of this process requires the accurate values of several parameters,which are difficult to measure.Thus,the accurate simulation of this process is a challenging task.In this study,the artificial neural network(ANN) based approach is used to model the liquid membrane process for removing dysprosium.Experimental results from a previous study were used to train the ANN.Init...     

基于神经网络的树脂基摩擦材料摩擦因数的预测模型

为了预测不同成分的树脂基摩擦材料的摩擦性能，建立了摩擦材料成分与摩擦因数之间的人工神经网络（ANN）预测模型。用收集到的30种不同组分的摩擦材料在100℃时的摩擦因数数据作为训练样本对网络进行训练，然后进行拟合，结果表明，网络拟合值与实验数据吻合很好。最后利用该模型对不同成分的4种摩擦材料进行摩擦因数的预测，并研究单一成分对树脂基摩擦材料因数的影响。结果表明，预测值与实测数据基本相符，100℃时预测的摩擦因数最小值μmin.p。与实验中实测的摩擦因数最小值μmin.m的相对误差小于13％，相应的摩擦因数最大值μmin.p与μmin.m的相对误差小于9％。     

氨浸法在湿法炼锌中的优点及展望

介绍了氨浸法在湿法炼锌中的优点及展望,分析了氨浸法具有原料适应性广,工艺流程短,净化负担轻,环境污染小,产品品种多,投资少等特点,并展望了该法在21世纪的应用前景,对传统湿法炼锌工艺提出新的挑战。     

基于人工神经网络的CSP热轧板带力学性能预报

建立了BP神经网络力学性能预报模型.神经网络模型经过训练,得到的预报结果与实际测量的数据相比较表明:BP神经网络预报产品的力学性能精度较高,具有良好的推广价值.     

一浸氰渣再磨提高金浸出率的生产实践

介绍了罗山选冶厂对原流程一浸氰渣进行再磨的技术改造实践。改造后的二磨二浸流程 ,金的浸出率比原流程提高了 1 0 % ,达到 98 4 %以上 ,年多创效益超过 3 0 0万元。     

基于神经网络理论的安全预评价方法

文中应用人工神经网络理论的学习、联想、记忆和非线性并行分布处理功能，建立了基于神经网络理论的安全预评价方法。该方法对于非线性评价问题，共预评价结果精度高，具有较强的可判性，为安全预评价提供了一种新方法。