洗煤浮选压滤系统改造

通过对洗煤现状的分析,阐述了洗煤浮选、压滤系统改造的必要性。采取新增压滤机、刮板机、更换精煤压滤机等措施进行改造,改造后运行效果良好,洗煤水实现闭路循环,减少了环境污染,提高了精煤收得率,降低了生产成本。     

Application of Artificial Neural Networks to Predict Pressure Oxidative Leaching of Molybdenite Concentrate in Nitric Acid Media

This study is concerned with investigation of pressure oxidative leaching of entire molybdenum of a molybdenite concentrate. Effects of oxygen pressure, stirring speed, pulp density, acid concentration, and temperature on the leaching rate of molybdenum were studied. A three-layer feed-forward artificial neural network was applied to model the effect of the abovementioned parameters on the leaching ability. The leaching efficiency was considered as a target value for modeling. The quantified leaching efficiencies obtained by applying different parameters demonstrated a good agreement with neural network predictions.     

人工神经网络在矿石体重回归中的应用

在矿石储量计算过程中，准确计算矿石体重是影响矿体储量的一个重要因素。将人工神经网络理论引入矿石体重回归之中，并利用部分实际数据进行了传统线性回归方法与ＢＰ神经网络的对比研究。研究结果表明，神经网络方法完全可用于矿石体重回归分析之中     

人工神经网络在设备诊断中的应用研究

简述国内外在设备诊断中应用人工神经网络(Artificial Neural Networks-ANN)的发展状况,阐述人工神经网络在设备振动诊断领域的应用方法,现场使用表明人工神经网络对于设备故障的识别及诊断具有较好的应用前景.     

人工神经网络解析分光光度法同时测定钨和钼

用单纯形法优化了钨、钼－二溴羟基苯基荧光酮－ＣＴＭＡＢ显色体系的实验条件。应用三层ＡＮＮ－ＢＰ网络解析钨和钼的吸收光谱,分光光度法同时测定了钨和钼并与偏最小二乘法、因子分析、Ｐ－矩阵法、卡尔曼滤波、主成分回归等化学计量学方法的解析结果进行了比较,表明神经网络方法优于其它方法。使用改进的ＢＰ算法,避免了神经网络学习过程中可能产生的麻痹现象。提出了目标向量的简单变换方法及便于网络参数选择的收敛评价函数。     

Application of Statistical and Machine Learning Techniques for Laboratory-Scale Pressure Filtration: Modeling and Analysis of Cake Moisture

This study deals with the modeling and analysis of the pressure filtration process using statistical and machine learning techniques. The effects of externally controllable process-influencing factors such as pressure, pH, temperature, solids concentration, filtration time, air-blow time, and cake thickness on filtration performance, measured in terms of cake moisture, were modeled. A 9-factor regression model based on an exhaustive search algorithm and a 7-6-1 artificial neural network (ANN) model based on a resilient backpropagation algorithm were developed and gave R² values of 0.84 and 0.94, respectively. Relative importance of input variables was analyzed using novel methods such as added-variable plots based on the regression model and Olden’s method based on the ANN model. Results from both methods established a negative correlation for pressure, solids concentration, filtration time, temperature, and air-blow time and a positive correlation for cake thickness and pH. Analysis from regression and ANN models indicated pH to be the most significant process-influencing factor. Even though both models served as good interpretable models, the ANN model outperformed the regression model in terms of predictive capability, with an R² value of 0.965 compared with the regression model’s 0.750 for the test dataset.     

人工神经网络方法在Osprey过程中的应用

以BP反传理论为基础,建立了对Osprey过程的前向多层神经网络,并对其进行测试.利用这一方法研究了Osprey过程中部分参数对孔隙度的影响.结果证明该网络较好地实现了学习和预测.     

Study of Properties of Intermetallic Compounds of Rare Earth Metals by Artificial Neural Networks

ＹａｎＬｕ－Ｍｉｎｇ；（严六明）；ＺｈａｎＱｉａｎ－Ｂａｏ；（詹千宝）；ＱｉｎＰｅｉ；（钦佩）；ＣｈｅｎＮｉａｎ－Ｙｉ；（陈念贻）（ＳｈａｎｇｈａｉＩｎｓｔｉｔｕｔｅｏｆＭｅｔａｌｌｕｒｇｙ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｓｈａｎｇｈａｉ２０００５０...     

人工神经网络在钢铁工业中的应用

人工神经网络因其具有较强的非线性问题处理能力且容错性强，能实现实时性应用及在线响应而得以钢铁工业中应用，本文叙述了其应用现状，分析了人工神经网络模型的优势及局限性，讨论了应用中存在的问题及未来的应用方向。     

神经网络技术在淬火控冷中的应用

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施,淬火过程的核心就是控制钢板的冷却速度.针对传统的淬火控冷模型的固有缺陷,为了满足扩展钢种、规格及淬火温度高精度的要求,利用神经网络技术建立了神经网络淬火控冷温度预报模型,该模型与回归数学模型相结合,完成淬火控冷现场控制.应用结果证明,该综合模型极大地提高了钢板淬火冷却的控制精度,提高了产品的成材率.     

神经网络在奥氏体钢设计中的应用

采用人工神经网络分别对奥氏体钢的相变临界点Ｍｓ、Ｍｅｓ，力学性能和化学成分间的关系建立了非线性网络模型，并通过试验数据验证了这些模型的正确性。此方法不同于以线性回归为基础来推导得到经验公式。它具有容错性好，通用性强等优点，神经网络的应用为材料的设计与应用提供了一种较为可靠的新途径。     

bp神经网络在钢铁工业中的应用

BP神经网络是近年来发展起来的一种模仿人脑神经网络行为特征,进行分布式并行信息处理的算法数学模型,在钢铁工业中有着广泛的应用前景.据此,介绍了BP(Back propagation)神经网络的基本工作原理、特点及其网络结构和工作方式等,主要针对BP神经网络在钢铁工业中的应用进行了概述,并指出了其局限性及发展前景.     

基于神经元网络和粒子群优化算法的轧制工艺—性能优化

为了达到厚板生产中的强度和屈强比等性能指标,本文在用神经元网络对屈服强度和抗拉强度建模的基础上,结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明,本模型能有效地优化厚板生产过程的工艺参数,从而为优化工艺或柔性化生产工艺的设计提供指导。     

基于神经元网络和粒子群优化算法的轧制工艺一性能优化

为了达到厚板生产中的强度和屈强比等性能指标，本文在用神经元网络对屈服强度和抗拉强度建模的基础上，结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明，本模型能有效地优化厚板生产过程的工艺参数，从而为优化工艺或柔性化生产工艺的设计提供指导。     

基于神经网络的中厚板轧机轧制力模型

 以4200轧机大规模测试得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了该轧机轧制力的预测模型。通过对该网络隐层神经元个数的调整,提高了收敛速度,使轧制力的预测精度大为提高。     

基于人工神经网络的热轧带钢热流密度预测

采用BP神经网络与数学模型相结合的方法对热带精轧机组机架间水冷区带钢热流密度进行预测，进而优化了机架间冷却的数学模型。结果表明，利用BP神经网络得出的带钢热流密度计算的终轧温度与实测值的标准差比原来仅用数学模型的传统算法减少了14．08％，故该方法具有较好的在线应用前景。     

人工神经网络在转炉炉衬红外监测中的应用

本文提出了运用神经网络技术,通过拍摄转炉炉表被监测部位的红外热图像,经过计算机图像处理后,提取图像特征,并检测对应的炉内的蚀损状况,分别作为神经网络模型训练样本的输入和输出。训练好的神经网络系统即可用来监测转炉的炉衬蚀损状况。     

人工神经网络在钢铁材料力学性能预测方面的应用

人工神经网络模型特别适用于非线性系统。具有较好的学习精度和概括能力。已成功应用于钢铁材料力学性能的预测。使用人工神经网络模型，通过输入合金元素、组织、生产工艺参数可预测钢铁材料的抗拉强度、延伸率、韧性、疲劳和蠕变性能。概要叙述了人工神经网络在预测板材、球墨铸铁的常温力学性能，合金结构钢的淬透性。高速钢、不锈耐热钢的热强度以及微合金钢热扭转性能方面的应用。     

贝叶斯神经网络在蒸气管网预测中的应用

蒸气管网是具有典型大时滞特点的非线性网络系统结构,提高管网运行预测能力,对管网的安全高效运行有很好的指导意义。贝叶斯神经网络具有良好的泛化能力和准确计算能力,在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。实例验证表明,模型计算结果和泛化能力均有良好表现,优于传统BP算法计算性能,可提高企业蒸气管网运行管理水平,对流程工业节能减排建设有一定的帮助。     

Application of Artificial Neural Network to Predicting Hardenability of Gear Steel

The demand for high quality gear steel has rap-idlyincreasedin recent years with the steady devel-opment of automobile ,agricultural machine and me-chanical manufacture industries[1]. In general , thegear steel is difficult to distort after heat treat mentbecause of its large width of hardenability band andso the life of gear is reduced[2].Stability of hardena-bilityis an i mportant index in producing gear steel .They directly affect mechanical properties of auto-mobile gear . The control of h…