基于极限学习机的爆破参数综合优选

为了合理选择川口钨矿变更采矿方法后采场的回采爆破参数,运用传统经验公式计算出爆破参数取值范围,根据极限学习机(ELM)理论,以矿岩容重、弹性模量、抗压强度等6个因素作为输入因子,以排距、孔底距、炸药单耗3个指标作为输出因子,并利用国内应用较成功的上向扇形中深孔崩矿的7个矿山情况为学习、训练样本,建立矿山回采爆破参数优化预测模型。综合经验公式和预测模型的结果,确定采区爆破参数:炮孔排距为1.3 m,孔底距为1.8 m,炸药单耗为0.5 kg/t。优选爆破参数适应本采区工程条件,爆破效果好,震动影响小。     

基于人工智能神经网络的浮选回收率软测量模型研究

在浮选流程中,回收率是一项重要的工艺指标,目前主要通过离线人工化验的方式获取,少量的企业通过在线仪表测量。人工化验具有2-3小时的时间延迟,而在线测量仪表价格高昂,导致工人不能及时有效地得到回收率实时数据,从而对工艺做出相应的调整。人工智能神经网络具有容错能力强、鲁棒性好等优点,本文在分析浮选工艺中多个影响因素的基础上,提出了基于人工智能神经网络的浮选回收率的软测量模型。该模型可以有效克服浮选过程变量耦合性强、工艺复杂等等因素。通过仿真验证,该模型的输出与实际样本数据误差很小,可有效对浮选回收率进行软测量。     

基于极限学习机的煤矿瓦斯涌出量预测研究

为有效挖掘煤矿瓦斯涌出量数据的非线性特征,及时消除煤矿瓦斯安全风险,降低瓦斯灾害的发生概率,建立了以极限学习机算法为核心的煤矿瓦斯涌出量预测模型.同时,为验证其鲁棒性及优越性,引入BP神经网络模型进行对比分析.研究结果表明,基于ELM的煤矿瓦斯涌出量预测模型能够对煤矿瓦斯涌出量数据特征进行良好的描述,且各项对比指标均优...     

提高金浮选回收率的研究

针对矿石性质 ,采用 3 8号捕收剂与丁基铵黑药 3∶2配成混合捕收剂 ,松醇油作起泡剂 ,磨矿细度 -74μm 66.66% ,工艺流程为一次粗选、一次精选、一次扫选或一次粗选、两次精选、一次扫选 ,获得金精矿产率大于3 .3 2 % ,品位大于 65 .70 g/t,回收率大于 93 .48% ,实现提高金浮选回收率的目的。     

美国明塔克矿用浮选柱改善浮选回收率

明塔克矿为生产优质低硅自熔性球团，采用了浮选降硅。粗浮选泡沫曾用Derrick细筛回收－500目的细粒铁，但效果欠佳，故改用浮选柱取代细筛。与细筛相比，铁精矿产率提高24％，质量有所提高，全厂铁回收率提高了1．25％。介绍了影响浮选柱生产的控制因素，阐述了在流程中采用计算机控制的加法器箱装置，合理控制从浮选柱精矿分配到最终精矿的矿量，实现初步优化生产。     

基于改进极限学习机的煤与瓦斯突出预测研究

为提高煤与瓦斯突出预测的准确率和效率,提出了一种基于数据预处理的多策略改进烟花算法(IFWA)优化极限学习机(ELM)的煤与瓦斯突出预测模型。首先,针对于非线性多维特征数据,使用灰色关联度分析(GRA)进行特征选取,利用主成分分析(PCA)进行特征约简,将数据预处理后的数据指标作为模型的输入;其次,引入引力搜索算子和混合变异策略改进烟花算法(FWA)易陷入局部最优的问题;最后,利用IFWA对ELM的输入层到隐含层的权重和偏差进行优化,构建最优的煤与瓦斯突出风险预测模型。结果表明,IFWA-ELM模型的RMSE和R²可达0.074, 0.968,与ELM、GA-ELM、PSO-ELM和FWA-ELM模型相比均有所提升,IFWA-ELM模型对煤与瓦斯突出危险等级预测的准确率可达100%,具有更好的收敛速度和预测精度。研究成果可为煤矿瓦斯突出多数据融合预测提供可靠的理论依据。     

提高乌山混合段铜钼回收率的浮选工艺研究

摘 要：乌山铜钼矿属于大型低品位铜钼矿床,近年来一直通过各种研究手段提高一段铜钼的回收率,最终研究发现通过中矿再选的这种方式可以有效的提高铜钼的回收率,即开出浮选流程中的精一底流+扫一泡沫进行单独再选,而且中矿再选的这种方式,不仅可以提高铜钼回收率,还能甩掉干扰浮选指标的细泥,提高混合精矿的品质,进而可能优化铜钼分离指标。通过一系列的试验研究,最终钼回收率提高3%-5%,铜根据不同矿性略有不同程度的提高。     

浮选作业浓度对锌选矿回收率的影响

探索研究了锌浮选作业浓度对选锌回收率的影响,试验结果表明,提高锌循环浮选作业浓度对提高锌的回收率是有利的。针对浮铅尾矿矿浆样,将铅尾矿浆样浓缩至浓度为45.16%,锌回收率可达96.46%;而当铅尾矿浆浓度为32.07%时,锌回收率仅为91.57%,锌精矿中锌的回收率增加了4.92%。针对原矿综合样,在铅尾矿浆不浓缩情况下,锌回收率为90.07%;而若将铅尾矿浓缩至浓度为45%左右,锌回收率为91.39%,锌精矿中锌的回收率增加了1.32%。     

控制矿浆电位提高铜浮选回收率的研究

根据矿浆电位与铜浮选回收率的关系,利用矿浆电位控制剂对电位的调控作用,对铜浮选指标进行了试验研究,研究结果表明,使用矿浆电位控制剂,在铜精矿品位提高2．85％,的情况下,使铜浮选回收率提高4．44％。     

提高某铅锌矿浮选回收率试验研究及实践

某铅锌多金属硫化矿中含有方铅矿、闪锌矿、黄铁矿、磁黄铁矿、银矿物、毒砂等。为提高资源利用率,加强回收有用矿物,采用优先浮选工艺流程,在铅浮选作业中,采用选择性组合药剂(硫酸锌+亚硫酸钠+DMDC)作为锌闪矿、黄铁矿、磁黄铁矿和毒砂抑制剂,采用选择性组合药剂(SK9011+乙硫氮)作为方铅矿、银矿物的捕收剂。在锌浮作业中采用石灰抑制黄铁矿、磁黄铁矿和毒砂,硫酸铜活化闪锌矿,丁基黄药为捕收剂,实现了锌硫矿物有效分选。在硫浮选作业中采用硫酸铜活化黄铁矿、磁黄铁矿,丁基黄药为捕收剂,使黄铁矿和磁黄铁矿有效回收。工业应用期间,铅回收率提高了3.03个百分点,银回收率提高了4.78个百分点,锌回收率提高了1.24个百分点;获得硫精矿硫品位46.07%,硫回收率73.06%。     

基于极限学习机的采煤机功率预测算法研究

为减少对领域专家的过分依赖,实现企业专家经验知识的继承,面向采煤机方案设计中总体技术参数的确定过程,结合采煤机条件属性与决策属性间的映射关系,提出了基于极限学习机的采煤机功率预测模型。采用遗传算法选定最佳隐层神经元个数,利用递进方式比选确定激励函数,随机产生输入权值及隐元偏置,由此计算隐层节点输出矩阵、隐层与输出层连接权重,进而完成建模与优化。模型可根据用户输入的不同原始设计条件输出采煤机功率的预测值。选用某煤机企业的实例数据进行算例分析,将其与基于支持向量机回归预测模型进行对比,实验结果表明,ELM模型可实现600 ms内完成单次功率预测,预测值与真实值平均相对误差在2.5%以内。其预测精度优于SVM模型,且在学习速度方面优势明显,推理效率显著提高。     

XJM-S45型浮选机的研制与工业应用

介绍了XJM-S45型浮选机关键参数的确定与优化设计及其双排刮泡、同风道充气加药、内外法兰联合连接等结构特点。XJM-S45型浮选机(两室)在大阳泉选煤厂的工业应用结果表明,该机设计合理,性能优良,较好地满足了该厂的生产需求,矿浆入料量在850～1 200 m3/h,单位容积矿浆处理量达9.4～12.2 m3/(m3.h),达到了设计预期。     

基于范数优化超限学习机的矿浆浓度预测

选矿过程中的矿浆浓度是一个重要的生产工艺参数,一般可以通过预测矿浆浓度来提高生产效率。由于矿浆浓度和其他的生产工艺参数往往非线性相关,这给矿浆浓度的预测带来了很大困难。本文针对此问题,基于超限学习机这一面向神经网络的新颖学习算法,提出了一种矿浆浓度预测新算法。首先,使用相空间重构方法对矿浆浓度数据进行预处理,从一维转换到多维。然后,使用基于L2范数的超限学习机算法（ELM-L2）建立时序预测模型,实现预测功能。围绕来自于某矿厂的真实生产数据进行了实验验证,结果显示,针对大规模的数据样本集,所设计的算法与传统神经网络预测算法相比,训练时间大约减少了30%,而预测精度大约提高了48%。实验结果表明了所设计预测算法的有效性。     

难浮煤泥浮选速率试验研究

针对主导粒级为细粒级的难浮煤泥,进行了窄粒度级和全粒度级的浮选速度试验。结果表明：浮选速度由快到慢的粒级依次为0.125～0.074、0.250～0.125、〈0.074、0.500～0.250、〉0.500 mm。粗粒级煤粒因其质量大、脱附概率高、部分连生体表面疏水性较差,需在高能量输入条件下,通过较长时间的矿化作用...     

XJM-S系列浮选机的研发及展望

浮选是目前细粒煤泥处理最有效、应用最广泛的方法.XJM-S系列浮选机在我国煤泥浮选设备中占有率最高,达70％以上.为使选煤同仁全面了解XJM-S系列浮选机技术特色、应用及发展,简述了 XJM-S系列浮选机的工作原理、设计思路及其结构特点,回顾了该设备的研发历程,介绍了指导大型设备参数设计的放大准则,以及采用流场数值模拟...     

磁力浮选机在云南高硫铜矿选矿中的应用

云南某高硫铜矿是一种含铜和含硫都很高的铜矿,其中铜平均品位为5.86%,硫主要以磁黄铁矿形式存在,且磁黄铁矿含量占原矿的30.8%左右。试验中选用磁力浮选机应用于此铜矿的浮选,最终获得铜精矿品位28.46%,回收率97.72%的良好指标。     

基于在线自适应极限学习机的矿山排土场滑坡预警模型

排土场滑坡是矿山的重大灾害之一,严重威胁着矿山的安全生产,矿山排土场受地质、人为、自然等多种因素的影响,采用单一指标难以准确和有效地预测滑坡变形趋势和安全稳定性,针对此问题本文提出了基于自适应极限学习机的矿山排土场滑坡预警模型。通过将岩土内摩擦角、坡角、坡高、容重、孔隙水压力系数和内聚力等指标作为输入单元,以稳定系数作为输出单元,对已有的数据进行训练和测试,应用效果表明该方法的理论计算结果与工程实际状况基本一致,具有良好的适应能力,对提高矿山排土场滑坡预警能力和准确性有着一定的借鉴意义。     

煤用喷射式浮选机在望峰岗选煤厂的应用

介绍了装有新型充气搅拌装置的FJC20-4A型煤用喷射式浮选机的工作原理、充气性能以及在望峰岗选煤厂的应用情况。应用情况表明,该新型浸没式充气搅拌装置的可靠性较好。     

基于极限学习机的矿井突水水源快速识别模型

在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。     

大洋多金属硫化物浮选尾矿综合回收研究

本文主要针对中国大洋多金属硫化物勘探合同区某一区域的多金属硫化物浮选尾矿开展综合回收工艺研究,查明影响主要金属回收因素,确定主要参数,为综合回收浮选尾矿中的有价金属提供技术基础。初始酸浓度达到1~1.5mol/L,液固比为3~4:1,浸出温度为80~90℃时,浮选尾矿中的铜浸出率可达到97%以上,铁的浸出率70%左右,而镁的浸出率在10%以下。