前言：尋找寫(xiě)作靈感？中文期刊網(wǎng)用心挑選的神經(jīng)網(wǎng)絡(luò)技術(shù)在選礦行業(yè)的應(yīng)用，希望能為您的閱讀和創(chuàng)作帶來(lái)靈感，歡迎大家閱讀并分享。

摘要:神經(jīng)網(wǎng)絡(luò)技術(shù)是一門新興的數(shù)據(jù)挖掘方法，具有多目標(biāo)、強(qiáng)擬合、自適應(yīng)等多種優(yōu)勢(shì)。選礦過(guò)程包含的流程長(zhǎng)、步驟多，涉及的物理化學(xué)過(guò)程復(fù)雜，難以建立精確的數(shù)學(xué)模型。目前，將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于選礦各工藝步驟方面已取得了一些研究成果。今后神經(jīng)網(wǎng)絡(luò)技術(shù)將在選礦過(guò)程自動(dòng)化、選礦設(shè)備故障診斷專家系統(tǒng)開(kāi)發(fā)、藥劑和選礦效果間的關(guān)系研究等領(lǐng)域具有十分廣闊的應(yīng)用前景。

關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);磨礦;選礦指標(biāo);預(yù)測(cè)

人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork)，即ANN，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是20世紀(jì)80年代興起的人工智能領(lǐng)域的研究熱點(diǎn)。其是由大量簡(jiǎn)單的基本單元相互連接，通過(guò)數(shù)學(xué)物理方式并基于信息處理層來(lái)實(shí)現(xiàn)人腦神經(jīng)網(wǎng)絡(luò)的抽象化，且成功構(gòu)建出了一種簡(jiǎn)化模型的智能網(wǎng)絡(luò)系統(tǒng)［1］。其在智能控制、決策優(yōu)化、多元回歸、復(fù)雜非線性擬合方面具有非常大的應(yīng)用優(yōu)勢(shì)，近年來(lái)，隨著計(jì)算機(jī)技術(shù)的突飛猛進(jìn)，神經(jīng)網(wǎng)絡(luò)技術(shù)在各行各業(yè)的應(yīng)用呈現(xiàn)出爆發(fā)性的增長(zhǎng)趨勢(shì)，并在與不同行業(yè)的交叉應(yīng)用過(guò)程中取得了令人欣喜的成果，應(yīng)用較多的主要集中在醫(yī)療、軍工、金融等行業(yè)［2］。在選礦行業(yè)中，應(yīng)用還比較少，但也有較為成功的應(yīng)用案例，這一新興技術(shù)使得選礦這一傳統(tǒng)的行業(yè)煥發(fā)了新的活力。

1人工神經(jīng)網(wǎng)絡(luò)(ANN)

人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)類型有分層網(wǎng)絡(luò)和互聯(lián)網(wǎng)絡(luò)(反饋網(wǎng)絡(luò))，網(wǎng)絡(luò)的學(xué)習(xí)方法有有教師學(xué)習(xí)和無(wú)教師學(xué)習(xí)以及增強(qiáng)學(xué)習(xí)。學(xué)習(xí)算法的分類有誤差糾正算法、Hebb規(guī)則和競(jìng)爭(zhēng)學(xué)習(xí)算法等。目前應(yīng)用較多的網(wǎng)絡(luò)類型有BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)(RBF)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、玻爾茲曼機(jī)(BM)網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)以及ART網(wǎng)絡(luò)等［3］。不同的網(wǎng)絡(luò)類型具有不同的特點(diǎn)，在相關(guān)的應(yīng)用領(lǐng)域有其優(yōu)勢(shì)，當(dāng)然也有其不足，經(jīng)過(guò)多年的應(yīng)用發(fā)展，研究人員開(kāi)發(fā)了對(duì)各種網(wǎng)絡(luò)的優(yōu)化方法，在特定的應(yīng)用條件下取得了較好的效果。在選礦行業(yè)應(yīng)用較多的有BP神經(jīng)網(wǎng)路、徑向基函數(shù)(RBF)網(wǎng)絡(luò)等。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。

2神經(jīng)網(wǎng)絡(luò)在選礦行業(yè)的應(yīng)用

傳統(tǒng)的選礦工藝流程是一種連續(xù)的多步驟的工藝，前期工作包括準(zhǔn)備、選別和產(chǎn)品處理等步驟［5］。準(zhǔn)備工作一般是破碎、篩分、磨礦和分級(jí)，使得有用礦物和脈石礦物分離，為后期的選別工作做好準(zhǔn)備。選別過(guò)程是選礦的核心工藝步驟，也是最重要的環(huán)節(jié)，常用的選別方法有浮選、重選、磁選等，其中應(yīng)用最廣泛的方法就是浮選法。產(chǎn)品處理主要是精礦脫水和尾礦處理。選礦生產(chǎn)過(guò)程是一個(gè)十分復(fù)雜的工業(yè)系統(tǒng)流程，生產(chǎn)過(guò)程往往具有不確定性、非線性、延遲性、強(qiáng)耦合性及信息不完整性，很難建立精確的數(shù)學(xué)模型［6］。因此神經(jīng)網(wǎng)絡(luò)處理復(fù)雜非線性問(wèn)題的優(yōu)勢(shì)就顯現(xiàn)出來(lái)了。神經(jīng)網(wǎng)絡(luò)在選礦行業(yè)的應(yīng)用目前主要在以下幾個(gè)方面:選廠經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)、球磨機(jī)鋼球磨損程度的預(yù)測(cè)、磨礦自動(dòng)控制算法設(shè)計(jì)、浮選結(jié)果的預(yù)測(cè)、礦漿pH值的預(yù)測(cè)、礦漿濃度的預(yù)測(cè)、浮選柱氣含率預(yù)測(cè)、浮選液位預(yù)測(cè)、浮選藥劑用量預(yù)測(cè)、浮選藥劑制度優(yōu)化、采選廠浸出指標(biāo)預(yù)測(cè)［7］等等，以下僅從典型的應(yīng)用方向加以說(shuō)明。從本質(zhì)上看，神經(jīng)網(wǎng)絡(luò)技術(shù)是一種數(shù)據(jù)挖掘的方法，所謂數(shù)據(jù)挖掘技術(shù)就是從大量的數(shù)據(jù)中發(fā)現(xiàn)對(duì)人們生產(chǎn)活動(dòng)或者理論研究有價(jià)值的信息［8］。使用神經(jīng)網(wǎng)絡(luò)技術(shù)研究相關(guān)問(wèn)題需要大量的可靠數(shù)據(jù)用來(lái)訓(xùn)練和驗(yàn)證網(wǎng)絡(luò)的可靠性。在選礦行業(yè)，數(shù)據(jù)來(lái)源最好是多年積累的生產(chǎn)數(shù)據(jù)，但因保密、生產(chǎn)記錄不規(guī)范或者沒(méi)有連續(xù)性等原因，實(shí)際研究過(guò)程中海量的生產(chǎn)數(shù)據(jù)往往難以獲得，通常也會(huì)通過(guò)實(shí)驗(yàn)室規(guī)模的試驗(yàn)，以及通過(guò)計(jì)算機(jī)仿真來(lái)生產(chǎn)數(shù)據(jù)，再經(jīng)過(guò)現(xiàn)場(chǎng)試驗(yàn)來(lái)驗(yàn)證和改進(jìn)網(wǎng)絡(luò)的可靠性。

2．1神經(jīng)網(wǎng)絡(luò)技術(shù)在磨礦過(guò)程的應(yīng)用

磨礦是選礦過(guò)程中的一個(gè)重要環(huán)節(jié)，磨礦細(xì)度會(huì)影響選礦流程的諸多技術(shù)經(jīng)濟(jì)指標(biāo)，姚致遠(yuǎn)等［9］以某選廠一年的生產(chǎn)數(shù)據(jù)為基礎(chǔ)，將其分為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和驗(yàn)證樣本，使用BP神經(jīng)網(wǎng)絡(luò)技術(shù)研究了磨礦細(xì)度和選礦回收率之間復(fù)雜的非線性關(guān)系，利用線性回歸和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的方法建立了磨礦細(xì)度、磨浮成本、處理量、回收率和選廠每小時(shí)利潤(rùn)之間的多元回歸數(shù)學(xué)模型，以選廠利潤(rùn)最大化為目標(biāo)確定了最優(yōu)磨礦細(xì)度，經(jīng)過(guò)分析計(jì)算后得到結(jié)論，優(yōu)化磨礦細(xì)度后每年可為選廠增加400多萬(wàn)元的利潤(rùn)。代偉［10］應(yīng)用BP神經(jīng)網(wǎng)絡(luò)方法建立了磨礦粒度的神經(jīng)網(wǎng)絡(luò)模型，并使用現(xiàn)場(chǎng)數(shù)據(jù)驗(yàn)證和實(shí)際應(yīng)用效果印證了此模型的有效性。上述問(wèn)題的解決充分顯示了神經(jīng)網(wǎng)絡(luò)技術(shù)在處理這類機(jī)理研究不夠明確的復(fù)雜非線性問(wèn)題上的優(yōu)越性。在磨礦工藝中，應(yīng)用最為廣泛的設(shè)備是球磨機(jī)。因機(jī)械撞擊和化學(xué)腐蝕等原因，球磨機(jī)內(nèi)的鋼球會(huì)隨著磨礦過(guò)程而產(chǎn)生一定程度的磨損現(xiàn)象，鋼球的磨損會(huì)改變鋼球的配比和裝球率，從而降低磨礦效率，如何保持磨礦工藝過(guò)程中鋼球相關(guān)參數(shù)的穩(wěn)定性一直是此領(lǐng)域的研究重點(diǎn)。而磨礦過(guò)程中鋼球的運(yùn)動(dòng)軌跡是不確定的，通過(guò)實(shí)驗(yàn)也難以觀察，碰撞是隨機(jī)的，腐蝕程度也是難以實(shí)時(shí)測(cè)量的，因此從運(yùn)動(dòng)和動(dòng)力學(xué)機(jī)理上建立磨礦過(guò)程中鋼球磨損的精確數(shù)學(xué)模型是非常困難的，可以說(shuō)幾乎是不可能的。神經(jīng)網(wǎng)絡(luò)技術(shù)的引入為推動(dòng)這一領(lǐng)域的研究起到了重要的作用。蔡兵兵［11］利用BP神經(jīng)網(wǎng)絡(luò)研究了球磨機(jī)內(nèi)鋼球的損耗情況與給礦粒度之間的關(guān)系。分別建立了球磨機(jī)鋼球比與磨礦后產(chǎn)品的粒度之間、球磨機(jī)鋼球質(zhì)量與給礦粒度之間的數(shù)學(xué)關(guān)系模型。通過(guò)仿真計(jì)算非線性擬合后得到兩組模型相關(guān)變量對(duì)應(yīng)的映射關(guān)系，使得根據(jù)實(shí)時(shí)的給礦粒度就可預(yù)測(cè)球磨機(jī)內(nèi)鋼球的磨損程度，為在磨礦工藝進(jìn)程中何時(shí)補(bǔ)加何種尺寸、多少數(shù)量的鋼球提供了有科學(xué)依據(jù)的決策參考。不僅降低了工人的工作難度，提高了磨礦效率，更為磨礦過(guò)程自動(dòng)控制提供了技術(shù)基礎(chǔ)，對(duì)生產(chǎn)工藝升級(jí)具有重要意義。滕章等［12］利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)建立了磨礦自動(dòng)化控制系統(tǒng)中的遠(yuǎn)程故障診斷專家系統(tǒng)知識(shí)庫(kù)，該故障診斷系統(tǒng)已在河北某選廠成功應(yīng)用，大大提高了磨礦設(shè)備故障診斷的實(shí)時(shí)性。神經(jīng)網(wǎng)絡(luò)在專家系統(tǒng)開(kāi)發(fā)領(lǐng)域的應(yīng)用已經(jīng)成為了當(dāng)下一個(gè)研究熱點(diǎn)，具有廣闊的發(fā)展空間。

2．2神經(jīng)網(wǎng)絡(luò)在選礦指標(biāo)預(yù)測(cè)中的應(yīng)用

運(yùn)行多年的選礦廠具有海量的生產(chǎn)經(jīng)營(yíng)數(shù)據(jù)，這些選廠就是天然的數(shù)據(jù)倉(cāng)庫(kù)，而神經(jīng)網(wǎng)絡(luò)本身的訓(xùn)練需要大量的數(shù)據(jù)，且可靠的數(shù)據(jù)越多，訓(xùn)練出的網(wǎng)絡(luò)對(duì)數(shù)據(jù)的擬合能力就越強(qiáng)大，網(wǎng)絡(luò)的預(yù)測(cè)能力也越可靠。如能獲得來(lái)源于生產(chǎn)車間的一線資料，通過(guò)運(yùn)用神經(jīng)網(wǎng)絡(luò)的強(qiáng)大擬合能力，對(duì)選廠的選礦指標(biāo)進(jìn)行預(yù)測(cè)將是可行的。通過(guò)預(yù)測(cè)選礦指標(biāo)，不僅能對(duì)選廠未來(lái)的運(yùn)營(yíng)情況進(jìn)行掌控，還能夠通過(guò)對(duì)工藝參數(shù)的調(diào)整，優(yōu)化生產(chǎn)工藝，提高選礦指標(biāo)，為企業(yè)創(chuàng)造效益，神經(jīng)網(wǎng)絡(luò)在此領(lǐng)域已有成功應(yīng)用案例。孫福振等［13］根據(jù)紅山選礦廠選銅車間近5年的生產(chǎn)數(shù)據(jù)，利用RBF神經(jīng)網(wǎng)絡(luò)研究了原礦性質(zhì)(礦石品位)、選礦工藝參數(shù)(黃藥單耗、松醇油單耗、鋼球單耗)與選礦效果(回收率和精礦品位)之間的映射關(guān)系。通過(guò)此方法對(duì)生產(chǎn)工藝參數(shù)進(jìn)行優(yōu)化，將選礦指標(biāo)銅回收率提高了1．08個(gè)百分點(diǎn)，為企業(yè)創(chuàng)造了效益。王任遠(yuǎn)［14］利用主成分分析與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法建立了浮選精礦品位和回收率的預(yù)測(cè)模型，并應(yīng)用到生產(chǎn)實(shí)際中，成功實(shí)現(xiàn)了選礦指標(biāo)的預(yù)測(cè)，降低了勞動(dòng)強(qiáng)度，改善了生產(chǎn)管理水平，為企業(yè)創(chuàng)造了價(jià)值。

2．3神經(jīng)網(wǎng)絡(luò)在礦漿pH值預(yù)測(cè)中的應(yīng)用

在浮選過(guò)程中，礦漿的pH值是非常重要的指標(biāo)，對(duì)浮選的回收率有重要影響，其原因主要是浮選中涉及的復(fù)雜且必要的物理化學(xué)過(guò)程需要在合適的pH條件下才能發(fā)生，因此對(duì)礦漿pH值的監(jiān)控是十分必要的。目前生產(chǎn)現(xiàn)場(chǎng)通常是由人工使用pH檢測(cè)儀或者使用pH在線監(jiān)測(cè)儀來(lái)進(jìn)行檢測(cè)的，人工測(cè)試存在主觀隨機(jī)性，且測(cè)量精度得不到保證，pH在線檢測(cè)儀也存在易堵塞和污染等影響實(shí)際使用的問(wèn)題。因此，傳統(tǒng)的選礦工藝中，對(duì)pH的監(jiān)控一直是比較困難的。神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，給解決此問(wèn)題提供了一種新的技術(shù)手段。唐朝暉等［15］根據(jù)泡沫外觀與礦漿pH值存在密切聯(lián)系，從浮選泡沫的視覺(jué)識(shí)別方向入手，綜合利用BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、收斂快與RBF神經(jīng)網(wǎng)絡(luò)對(duì)快速輸入的樣本具有更好的適應(yīng)性的優(yōu)點(diǎn)，組合成的混合神經(jīng)網(wǎng)絡(luò)，研究泡沫圖像化參數(shù)與礦漿pH值之間的非線性映射關(guān)系，提出了一種礦漿pH值控制的方法，證明該方法具有較好的精確性和魯棒性。

2．4神經(jīng)網(wǎng)絡(luò)在礦漿濃度預(yù)測(cè)中的應(yīng)用

礦漿濃度對(duì)浮選效果也有直接影響，并且也呈現(xiàn)非線性關(guān)系。礦漿濃度會(huì)影響回收率、藥劑用量、精礦質(zhì)量、浮選機(jī)生產(chǎn)能力、水電消耗、浮選時(shí)間等指標(biāo)。羅璇等［16］利用小波神經(jīng)網(wǎng)絡(luò)模型研究了回收率、藥劑用量、精礦質(zhì)量與礦漿濃度的非線性關(guān)系。采用梯度修正法對(duì)網(wǎng)絡(luò)的權(quán)值和小波基函數(shù)加以修正，提高了預(yù)測(cè)精度，能夠達(dá)到礦漿濃度預(yù)測(cè)的目的。

2．5神經(jīng)網(wǎng)絡(luò)在浮選藥劑制度優(yōu)化中的應(yīng)用

浮選藥劑制度的確定是選礦工藝中的一個(gè)重要環(huán)節(jié)，不合適的藥劑制度會(huì)產(chǎn)生藥劑的浪費(fèi)或添加不足，導(dǎo)致選礦過(guò)程得不到預(yù)期的指標(biāo)，造成經(jīng)濟(jì)效益下降。傳統(tǒng)的藥劑制度確定方式是基于正交試驗(yàn)和F檢驗(yàn)的統(tǒng)計(jì)學(xué)方法，該方法的缺點(diǎn)是需要的試驗(yàn)量大。張翼等［17］利用BP神經(jīng)網(wǎng)絡(luò)研究藥劑制度的優(yōu)化問(wèn)題。采用單一變量的原則，通過(guò)計(jì)算機(jī)仿真與傳統(tǒng)方法對(duì)比的方式，改進(jìn)了藥劑的添加制度。優(yōu)化后的藥劑制度不僅提高了選礦效率，還減少了藥劑用量，技術(shù)指標(biāo)和經(jīng)濟(jì)指標(biāo)都得到了提升，于此同時(shí)，相比傳統(tǒng)的F檢驗(yàn)方法，大大減少了試驗(yàn)量。劉研妮［18］根據(jù)某礦山選銅車間的生產(chǎn)數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)發(fā)了選礦指導(dǎo)子模塊，將原礦品位、氧化率以及精礦品位、回收率4個(gè)參數(shù)作為網(wǎng)絡(luò)的輸入端，將選礦過(guò)程中使用的藥劑黃藥和2#油作為網(wǎng)絡(luò)的輸出端。當(dāng)給礦條件發(fā)生變化時(shí)，輸入想要得到的精礦品位和回收率，即可計(jì)算出對(duì)應(yīng)的黃藥和2#油的用量，為工況變化下藥劑制度的調(diào)整提供了決策支持。經(jīng)過(guò)試驗(yàn)驗(yàn)證，所訓(xùn)練的網(wǎng)絡(luò)能夠在一定精度下滿足生產(chǎn)預(yù)測(cè)的需要。

2．6神經(jīng)網(wǎng)絡(luò)在提升選礦廠經(jīng)濟(jì)指標(biāo)中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)技術(shù)在最優(yōu)化問(wèn)題中也有較好的適應(yīng)性。選廠的經(jīng)濟(jì)指標(biāo)種類繁多，影響因素多，部分指標(biāo)又是完全的離散量，比較適合利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)解決相關(guān)問(wèn)題。目前，在提升選廠經(jīng)濟(jì)指標(biāo)的研究方向上，神經(jīng)網(wǎng)絡(luò)也發(fā)揮了作用。楊剛等［19］利用BP神經(jīng)網(wǎng)絡(luò)研究了選礦工藝參數(shù)與選礦成本之間的非線性關(guān)系。利用黃金分割法確定了BP網(wǎng)絡(luò)中的隱層節(jié)點(diǎn)數(shù)，得到了原礦品位、精礦品位、尾礦品位、臺(tái)時(shí)處理量與選礦成本之間的數(shù)學(xué)關(guān)系。為選礦工藝參數(shù)變化時(shí)選礦成本的波動(dòng)情況建立了預(yù)測(cè)模型，為企業(yè)決策提供有效的參考。廖諾等［20］根據(jù)鐵礦采選的實(shí)際工況，建立了以資源利用率、總的電能消耗和經(jīng)濟(jì)效益為目標(biāo)，精礦總產(chǎn)量為約束條件，采選品位和投資策略為決策變量的非線性多目標(biāo)優(yōu)化數(shù)學(xué)模型。利用神經(jīng)網(wǎng)絡(luò)技術(shù)，制定了最優(yōu)化資源利用、節(jié)能降耗提高經(jīng)濟(jì)效益的策略，取得了滿意的結(jié)果。

3結(jié)語(yǔ)

選礦是一個(gè)比較“古老”的傳統(tǒng)行業(yè)，人工作業(yè)和經(jīng)驗(yàn)主義是這一行業(yè)的傳統(tǒng)特點(diǎn)，因選礦過(guò)程的復(fù)雜性，機(jī)理研究方法受到了一定制約。而神經(jīng)網(wǎng)絡(luò)作為一種新興的數(shù)據(jù)挖掘技術(shù)，逐步融入到選礦行業(yè)中，在二者的交叉融合過(guò)程中衍生出了新的研究方法和研究方向。本文所列舉的一些研究成果證明神經(jīng)網(wǎng)絡(luò)對(duì)解決某些特定的問(wèn)題具有一定的優(yōu)勢(shì)，但也有其本身的不足。神經(jīng)網(wǎng)絡(luò)在選礦領(lǐng)域的應(yīng)用還處在比較初級(jí)的階段，尚具有廣闊的發(fā)展空間。如開(kāi)發(fā)具有高魯棒性、高精度的自動(dòng)控制方法及設(shè)備;研發(fā)選礦指導(dǎo)智能專家系統(tǒng);研究選礦藥劑理化指標(biāo)與浮選效果間的映射關(guān)系等等，這些方向的突破對(duì)推動(dòng)選礦行業(yè)的發(fā)展具有重大的意義，此領(lǐng)域的研究工作仍任重而道遠(yuǎn)。

作者:李超 尚衍波 朱陽(yáng)戈 羅科華 陽(yáng)光 單位:北京礦冶科技集團(tuán)有限公司