前言：尋找寫作靈感？中文期刊網用心挑選的神經網絡技術在選礦行業的應用，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要:神經網絡技術是一門新興的數據挖掘方法，具有多目標、強擬合、自適應等多種優勢。選礦過程包含的流程長、步驟多，涉及的物理化學過程復雜，難以建立精確的數學模型。目前，將神經網絡技術應用于選礦各工藝步驟方面已取得了一些研究成果。今后神經網絡技術將在選礦過程自動化、選礦設備故障診斷專家系統開發、藥劑和選礦效果間的關系研究等領域具有十分廣闊的應用前景。
關鍵詞:神經網絡;磨礦;選礦指標;預測
人工神經網絡(ArtificialNeuralNetwork)，即ANN，簡稱神經網絡，是20世紀80年代興起的人工智能領域的研究熱點。其是由大量簡單的基本單元相互連接，通過數學物理方式并基于信息處理層來實現人腦神經網絡的抽象化，且成功構建出了一種簡化模型的智能網絡系統［1］。其在智能控制、決策優化、多元回歸、復雜非線性擬合方面具有非常大的應用優勢，近年來，隨著計算機技術的突飛猛進，神經網絡技術在各行各業的應用呈現出爆發性的增長趨勢，并在與不同行業的交叉應用過程中取得了令人欣喜的成果，應用較多的主要集中在醫療、軍工、金融等行業［2］。在選礦行業中，應用還比較少，但也有較為成功的應用案例，這一新興技術使得選礦這一傳統的行業煥發了新的活力。
1人工神經網絡(ANN)
人工神經網絡的拓撲結構類型有分層網絡和互聯網絡(反饋網絡)，網絡的學習方法有有教師學習和無教師學習以及增強學習。學習算法的分類有誤差糾正算法、Hebb規則和競爭學習算法等。目前應用較多的網絡類型有BP神經網絡、徑向基函數(RBF)網絡、Hopfield網絡、玻爾茲曼機(BM)網絡、自組織特征映射網絡以及ART網絡等［3］。不同的網絡類型具有不同的特點，在相關的應用領域有其優勢，當然也有其不足，經過多年的應用發展，研究人員開發了對各種網絡的優化方法，在特定的應用條件下取得了較好的效果。在選礦行業應用較多的有BP神經網路、徑向基函數(RBF)網絡等。BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡。
2神經網絡在選礦行業的應用
傳統的選礦工藝流程是一種連續的多步驟的工藝，前期工作包括準備、選別和產品處理等步驟［5］。準備工作一般是破碎、篩分、磨礦和分級，使得有用礦物和脈石礦物分離，為后期的選別工作做好準備。選別過程是選礦的核心工藝步驟，也是最重要的環節，常用的選別方法有浮選、重選、磁選等，其中應用最廣泛的方法就是浮選法。產品處理主要是精礦脫水和尾礦處理。選礦生產過程是一個十分復雜的工業系統流程，生產過程往往具有不確定性、非線性、延遲性、強耦合性及信息不完整性，很難建立精確的數學模型［6］。因此神經網絡處理復雜非線性問題的優勢就顯現出來了。神經網絡在選礦行業的應用目前主要在以下幾個方面:選廠經濟指標的預測、球磨機鋼球磨損程度的預測、磨礦自動控制算法設計、浮選結果的預測、礦漿pH值的預測、礦漿濃度的預測、浮選柱氣含率預測、浮選液位預測、浮選藥劑用量預測、浮選藥劑制度優化、采選廠浸出指標預測［7］等等，以下僅從典型的應用方向加以說明。從本質上看，神經網絡技術是一種數據挖掘的方法，所謂數據挖掘技術就是從大量的數據中發現對人們生產活動或者理論研究有價值的信息［8］。使用神經網絡技術研究相關問題需要大量的可靠數據用來訓練和驗證網絡的可靠性。在選礦行業，數據來源最好是多年積累的生產數據，但因保密、生產記錄不規范或者沒有連續性等原因，實際研究過程中海量的生產數據往往難以獲得，通常也會通過實驗室規模的試驗，以及通過計算機仿真來生產數據，再經過現場試驗來驗證和改進網絡的可靠性。
2．1神經網絡技術在磨礦過程的應用
磨礦是選礦過程中的一個重要環節，磨礦細度會影響選礦流程的諸多技術經濟指標，姚致遠等［9］以某選廠一年的生產數據為基礎，將其分為神經網絡訓練樣本和驗證樣本，使用BP神經網絡技術研究了磨礦細度和選礦回收率之間復雜的非線性關系，利用線性回歸和神經網絡技術相結合的方法建立了磨礦細度、磨浮成本、處理量、回收率和選廠每小時利潤之間的多元回歸數學模型，以選廠利潤最大化為目標確定了最優磨礦細度，經過分析計算后得到結論，優化磨礦細度后每年可為選廠增加400多萬元的利潤。代偉［10］應用BP神經網絡方法建立了磨礦粒度的神經網絡模型，并使用現場數據驗證和實際應用效果印證了此模型的有效性。上述問題的解決充分顯示了神經網絡技術在處理這類機理研究不夠明確的復雜非線性問題上的優越性。在磨礦工藝中，應用最為廣泛的設備是球磨機。因機械撞擊和化學腐蝕等原因，球磨機內的鋼球會隨著磨礦過程而產生一定程度的磨損現象，鋼球的磨損會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程中鋼球相關參數的穩定性一直是此領域的研究重點。而磨礦過程中鋼球的運動軌跡是不確定的，通過實驗也難以觀察，碰撞是隨機的，腐蝕程度也是難以實時測量的，因此從運動和動力學機理上建立磨礦過程中鋼球磨損的精確數學模型是非常困難的，可以說幾乎是不可能的。神經網絡技術的引入為推動這一領域的研究起到了重要的作用。蔡兵兵［11］利用BP神經網絡研究了球磨機內鋼球的損耗情況與給礦粒度之間的關系。分別建立了球磨機鋼球比與磨礦后產品的粒度之間、球磨機鋼球質量與給礦粒度之間的數學關系模型。通過仿真計算非線性擬合后得到兩組模型相關變量對應的映射關系，使得根據實時的給礦粒度就可預測球磨機內鋼球的磨損程度，為在磨礦工藝進程中何時補加何種尺寸、多少數量的鋼球提供了有科學依據的決策參考。不僅降低了工人的工作難度，提高了磨礦效率，更為磨礦過程自動控制提供了技術基礎，對生產工藝升級具有重要意義。滕章等［12］利用BP神經網絡技術建立了磨礦自動化控制系統中的遠程故障診斷專家系統知識庫，該故障診斷系統已在河北某選廠成功應用，大大提高了磨礦設備故障診斷的實時性。神經網絡在專家系統開發領域的應用已經成為了當下一個研究熱點，具有廣闊的發展空間。
2．2神經網絡在選礦指標預測中的應用
運行多年的選礦廠具有海量的生產經營數據，這些選廠就是天然的數據倉庫，而神經網絡本身的訓練需要大量的數據，且可靠的數據越多，訓練出的網絡對數據的擬合能力就越強大，網絡的預測能力也越可靠。如能獲得來源于生產車間的一線資料，通過運用神經網絡的強大擬合能力，對選廠的選礦指標進行預測將是可行的。通過預測選礦指標，不僅能對選廠未來的運營情況進行掌控，還能夠通過對工藝參數的調整，優化生產工藝，提高選礦指標，為企業創造效益，神經網絡在此領域已有成功應用案例。孫福振等［13］根據紅山選礦廠選銅車間近5年的生產數據，利用RBF神經網絡研究了原礦性質(礦石品位)、選礦工藝參數(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)之間的映射關系。通過此方法對生產工藝參數進行優化，將選礦指標銅回收率提高了1．08個百分點，為企業創造了效益。王任遠［14］利用主成分分析與RBF神經網絡相結合的方法建立了浮選精礦品位和回收率的預測模型，并應用到生產實際中，成功實現了選礦指標的預測，降低了勞動強度，改善了生產管理水平，為企業創造了價值。
2．3神經網絡在礦漿pH值預測中的應用
在浮選過程中，礦漿的pH值是非常重要的指標，對浮選的回收率有重要影響，其原因主要是浮選中涉及的復雜且必要的物理化學過程需要在合適的pH條件下才能發生，因此對礦漿pH值的監控是十分必要的。目前生產現場通常是由人工使用pH檢測儀或者使用pH在線監測儀來進行檢測的，人工測試存在主觀隨機性，且測量精度得不到保證，pH在線檢測儀也存在易堵塞和污染等影響實際使用的問題。因此，傳統的選礦工藝中，對pH的監控一直是比較困難的。神經網絡的出現，給解決此問題提供了一種新的技術手段。唐朝暉等［15］根據泡沫外觀與礦漿pH值存在密切聯系，從浮選泡沫的視覺識別方向入手，綜合利用BP神經網絡結構簡單、收斂快與RBF神經網絡對快速輸入的樣本具有更好的適應性的優點，組合成的混合神經網絡，研究泡沫圖像化參數與礦漿pH值之間的非線性映射關系，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神經網絡在礦漿濃度預測中的應用
礦漿濃度對浮選效果也有直接影響，并且也呈現非線性關系。礦漿濃度會影響回收率、藥劑用量、精礦質量、浮選機生產能力、水電消耗、浮選時間等指標。羅璇等［16］利用小波神經網絡模型研究了回收率、藥劑用量、精礦質量與礦漿濃度的非線性關系。采用梯度修正法對網絡的權值和小波基函數加以修正，提高了預測精度，能夠達到礦漿濃度預測的目的。
2．5神經網絡在浮選藥劑制度優化中的應用
浮選藥劑制度的確定是選礦工藝中的一個重要環節，不合適的藥劑制度會產生藥劑的浪費或添加不足，導致選礦過程得不到預期的指標，造成經濟效益下降。傳統的藥劑制度確定方式是基于正交試驗和F檢驗的統計學方法，該方法的缺點是需要的試驗量大。張翼等［17］利用BP神經網絡研究藥劑制度的優化問題。采用單一變量的原則，通過計算機仿真與傳統方法對比的方式，改進了藥劑的添加制度。優化后的藥劑制度不僅提高了選礦效率，還減少了藥劑用量，技術指標和經濟指標都得到了提升，于此同時，相比傳統的F檢驗方法，大大減少了試驗量。劉研妮［18］根據某礦山選銅車間的生產數據，利用BP神經網絡技術開發了選礦指導子模塊，將原礦品位、氧化率以及精礦品位、回收率4個參數作為網絡的輸入端，將選礦過程中使用的藥劑黃藥和2#油作為網絡的輸出端。當給礦條件發生變化時，輸入想要得到的精礦品位和回收率，即可計算出對應的黃藥和2#油的用量，為工況變化下藥劑制度的調整提供了決策支持。經過試驗驗證，所訓練的網絡能夠在一定精度下滿足生產預測的需要。
2．6神經網絡在提升選礦廠經濟指標中的應用
神經網絡技術在最優化問題中也有較好的適應性。選廠的經濟指標種類繁多，影響因素多，部分指標又是完全的離散量，比較適合利用神經網絡的特點解決相關問題。目前，在提升選廠經濟指標的研究方向上，神經網絡也發揮了作用。楊剛等［19］利用BP神經網絡研究了選礦工藝參數與選礦成本之間的非線性關系。利用黃金分割法確定了BP網絡中的隱層節點數，得到了原礦品位、精礦品位、尾礦品位、臺時處理量與選礦成本之間的數學關系。為選礦工藝參數變化時選礦成本的波動情況建立了預測模型，為企業決策提供有效的參考。廖諾等［20］根據鐵礦采選的實際工況，建立了以資源利用率、總的電能消耗和經濟效益為目標，精礦總產量為約束條件，采選品位和投資策略為決策變量的非線性多目標優化數學模型。利用神經網絡技術，制定了最優化資源利用、節能降耗提高經濟效益的策略，取得了滿意的結果。
3結語
選礦是一個比較“古老”的傳統行業，人工作業和經驗主義是這一行業的傳統特點，因選礦過程的復雜性，機理研究方法受到了一定制約。而神經網絡作為一種新興的數據挖掘技術，逐步融入到選礦行業中，在二者的交叉融合過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網絡對解決某些特定的問題具有一定的優勢，但也有其本身的不足。神經網絡在選礦領域的應用還處在比較初級的階段，尚具有廣闊的發展空間。如開發具有高魯棒性、高精度的自動控制方法及設備;研發選礦指導智能專家系統;研究選礦藥劑理化指標與浮選效果間的映射關系等等，這些方向的突破對推動選礦行業的發展具有重大的意義，此領域的研究工作仍任重而道遠。
作者:李超 尚衍波 朱陽戈 羅科華 陽光 單位:北京礦冶科技集團有限公司
