一种基于混合神经网络的浮选ｐＨ值预测模型

2012年06月27日15:39:12 本网站我要评论(2)字号：T | T | T

关键字：应用

唐朝晖，杜金芳，陈　青
中南大学信息科学与工程学院，湖南长沙

摘　　　要：矿物浮选过程中，矿浆ｐＨ值作为影响浮选效果的一个重要因素，是实现浮选过程监视及优化控制的一个重要参量。目前的ｐＨ值测定仪存在交叉污染、测量滞后等问题，难以获得实时准确的ｐＨ值。为使浮选运行在较优状态，在泡沫图像特征提取的基础上，提出一种基于自适应遗传混合神经网络的预测模型，该模型首先利用主元分析（ＰＣＡ）方法对提取的多个图像特征进行降维，然后采用自适应遗传混合神经网络（ＡＧＡＨＮＮ）建立ｐＨ值预测模型。较后将该模型应用于浮选现场，预测结果能够实时跟踪实际值，根据预测值实时调整工况条件，改善了浮选效果，提高了浮选效率。

关　键　词：矿物浮选；泡沫图像；预测模型；主元分析（ＰＣＡ）；自适应遗传混合神经网络

１　引　言
矿物浮选是在特定工艺条件下，根据矿物表面物理化学性质的差异，从矿石中分离有用矿物的一种选矿方法［１］。在浮选过程中，矿浆的ｐＨ值直接影响矿粒表面的亲水性，电性，浮选药剂解离为有效离子的程度及矿物的可浮性，是影响浮选效果的重要因素。目前多数选矿企业使用ｐＨ值测定仪测定矿浆的ｐＨ值。这种仪器，测定前需对仪器进行标定，所需时间长，受温度影响大，另外，现场需要一次测量多个ｐＨ值，仪器示数稳定需要较长时间，且每次测量完，必须用清水将探头清洗干净，否则由于交叉污染导致测量结果不准确。同时测定仪极易受环境（温度、压力、液位等）影响，环境条件变化太大时，可能导致测定仪失灵。这种方法耗时，浪费人力，且具有滞后性，无法长期、连续、稳定地进行测量。现有的ｐＨ在线分析仪，易受腐蚀，且易被矿浆堵塞，测量结果也不准确，不适合现场生产使用，所以研究ｐＨ值预测模型对实时调整浮选工况，保持浮选在较优状态下运行具有非常重要的意义。

登录网站后可下载文件

一种基于混合神经网络的浮选ｐＨ值预测模型

相关阅读: