APP下载

基于人工神经网络的水力旋流器分离性能预测

2012-12-23韦鲁滨杜长江王月丽

黑龙江科技大学学报 2012年2期
关键词:实验模型

韦鲁滨, 杜长江, 王月丽, 徐 欢

(中国矿业大学 化学与环境工程学院,北京 100083)

基于人工神经网络的水力旋流器分离性能预测

韦鲁滨, 杜长江, 王月丽, 徐 欢

(中国矿业大学 化学与环境工程学院,北京 100083)

水力旋流器分离过程复杂,其性能指标与影响因素之间属于典型的多维非线性关系。以往旋流器分离过程的理论和经验模型大多在特定的简化条件下得到,且预测单一。为了全面预测分离器性能指标,建立了三层BP神经网络模型,通过输入结构参数和操作参数,模拟输出分离粒径、生产能力、底流质量分数等多个分离性能指标。以生产能力为例,分析了神经网络与理论和经验模型计算值的预测精度。结果表明:在各传统预测公式中,庞学诗法的预测精度最高,误差为20.88%,与其相比,BP神经网络的预测误差仅为16.64%,优于其他各模型的预测精度,且能够实现性能指标的全面预测。人工神经网络是预测水力旋流器分离性能的可靠方法。

水力旋流器;BP神经网络;磁铁矿粉;分级性能

0 引言

水力旋流器从传统的磨矿分级,已逐渐扩展到浓缩、脱泥和矿物分选等各方面。它具有结构简单、无动部件、体积小、投资少、效率高等优点,因而广泛应用于选矿、石油、化工等工业领域。尽管水力旋流器结构简单,但旋流器内部流体力学行为并不简单,其物料特性、结构参数、操作参数等因素均影响着旋流器的分离性能,虽然相关学者建立了很多数学模型进行分离性能预测,但大多建立在特定的简化条件下,预测精度不高,且只能预测单一性能指标,难以有效指导实际生产[1]。……

登录APP查看全文

猜你喜欢

实验模型
一半模型
记一次有趣的实验
重尾非线性自回归模型自加权M-估计的渐近分布
做个怪怪长实验
3D打印中的模型分割与打包
NO与NO2相互转化实验的改进
实践十号上的19项实验
FLUKA几何模型到CAD几何模型转换方法初步研究
《实验流体力学》征稿简则
一个相似模型的应用