-
题名基于神经网络的碎磨流程数学建模方法研究
- 1
-
-
作者
姜志宏
刘秋萍
-
机构
江西理工大学机电工程学院
颗粒技术江西省重点实验室
-
出处
《金属矿山》
北大核心
2025年第6期188-194,共7页
-
基金
国家自然科学基金项目(编号:52364025)。
-
文摘
在选矿工艺中,碎磨流程是关键的物料准备阶段。针对传统碎磨流程数学模型建模方法中未考虑设备本征参数问题,在破碎阶段采用技术成熟的矩阵模型,同时利用神经网络的多特征融合能力,对磨矿流程中的设备结构特征和给料粒级分布进行处理,建立神经网络-矩阵混合模型(Back Propagation-Matrix Model,BP-MM)。以碎磨制样短流程为例,基于破碎实验数据构建颚式破碎机、对辊破碎机的矩阵模型,利用神经网络方法构建融合磨盘间隙参数的盘式碎磨机BP神经网络模型,搭建碎磨制样短流程的BP-MM混合模型。以平均绝对误差、均方根误差和决定系数为评价指标,将BP-MM混合模型的预测结果与JKSimmet仿真结果进行对比。结果表明,BP-MM混合模型预测误差控制在3%以内,当磨盘间隙为0.1 mm时,碎磨制样短流程磨矿产品粒度≤0.15 mm。BP-MM混合模型建模方法可处理多特征与多参数融合的输入数据,有效提高建模精度和预测性能,为碎磨流程控制优化提供新思路。
-
关键词
碎磨流程
矩阵模型
神经网络
粒度分布
-
Keywords
crushing and grinding process
matrix model
neural network
particle size distribution
-
分类号
TD183
[矿业工程—矿山地质测量]
TD921
[矿业工程—选矿]
-
-
题名基于球磨机振动特性的矿山装备教学实验设计
- 2
-
-
作者
罗小燕
何赛赛
徐华志
杨丽荣
-
机构
江西理工大学机电工程学院
-
出处
《实验技术与管理》
2025年第8期195-200,共6页
-
基金
国家自然科学基金项目(52364025)
江西省教育厅科技项目(GJJ200827)
+1 种基金
江西省教学改革研究课题(JXJG-24-7-11)
江西省研究生创新专项资金项目(YC2023-S651)。
-
文摘
为了让学生快速了解球磨机的运行特性,满足矿山装备智能化科教要求,依托国家自然科学基金项目设计了球磨机振动特性研究型教学实验,包括球磨机信号采集装置搭建、特征提取方法及深度学习算法应用等。按照填充率和料球比设置了16组实验,通过信号分析和深度学习工具提取信号特征,结合深度学习算法,选用公开的ResNet-34架构作为球磨机负荷识别模型,实验结果显示负荷识别准确率达到89.63%,满足实验教学要求。该实验设计让学生摆脱了纯理论学习的局限,成功将抽象的球磨机工作原理与实际的振动特性分析紧密结合,不仅有助于学生掌握信号采集、信号处理及深度学习算法等前沿技术,增强学生在工程实践中的创新能力,同时能促进科学研究与实验教学相结合的实验教学改革,契合绿色、智慧矿山对复合型人才的培养要求。
-
关键词
教学实验设计
矿山装备
振动特性
负荷识别
深度学习
-
Keywords
teaching experiment design
mining equipment
vibration characteristic
load identification
deep learning
-
分类号
TD453
[矿业工程]
-
