改进的模拟退火算法在原料矿混匀优化中的应用

运用改进的模拟退火算法对钢铁原料矿的混匀进行了优化计算，计算结果符合实际生产情况，表明改进的模拟退火算法是一种切实可行的优化方法，该算法为原料矿混匀问题的优化求解提供了新的思路。     

蚁群算法在原料矿粉混匀优化中的应用

建立了钢铁原料矿粉混匀数学模型,采用MATLAB语言,分别用蚁群算法和改进型算法编制仿真计算程序,对原料矿混匀配比进行了优化计算。仿真结果表明,改进型蚁群算法比基本型算法的寻优能力强,而且优化计算结果可以直接用于生产,为钢铁原料矿粉混匀优化提供了定量依据。蚁群算法为钢铁原料矿粉混匀配料问题的优化求解提供了新的思路。     

机械化混匀料场的优化设计

在马钢股份有限公司第二烧结厂混匀料场的设计中，通过认真分析计算及结合其它专业知识进行系统考虑优化设计，大胆地突破传统的工艺布置模式，既充分满足了混匀料场的各项功能，又大量节约了投资。这些优化的因素，可以为提高机械化混匀料场设计的合理性、经济性提供有价值的参考     

神经网络在采煤沉陷区水系治理方案中的应用

在采煤沉陷区水系治理方案优选中,采用Hopfield神经网络求解优化问题原理,将方案优选问题映射到Hopfield神经网络,建立能量函数模型,求解能量达到最小值时的置换矩阵,由置换矩阵得到方案优选排序,决策者参考方案优选排序结果确定拟采用的水系治理方法。     

混匀堆取料机桥梁结构计算

混匀堆取料机,适用于原料的预均化,是水泥、煤炭等散状原料理想的均化设备,广泛应用于冶金、煤炭、电力等部门.但由于它的使用条件、环境和功能不同,作为非标设备的混匀堆取料机的主要结构构件桥梁的设计就不同,经常需要针对每台设备的应用特点进行桥梁的重新设计.这里根据混匀堆取料机桥梁结构的形式和特点,利用有限元法和解析法对其进行结构强度、刚度、稳定性的计算,分析桥梁的整体受力情况,进行设备优化,为今后桥梁结构的设计提供一种理论校核方法.     

矿石混匀和破碎现状,完善及提高矿石混匀和破碎效率的主要途径

一、矿石和精矿的混匀提高供给用户的商品质量是采选企业的主要任务之一。选矿前原料混匀是公认的改善矿物原料质量的方法。它可以提高数质量加工指标,稳定生产工艺,减少设备停产时间,降低产品成本,提高劳动生产率。原料混匀作业对选厂生产优化具有重要意义。通过研究的结果和生产经验都证明,选矿前提高原料的物质组成和粒度的均匀性,可以提高生产工艺指标和技术经济指标。同样,精矿混匀对烧结和高炉作业指标也有改     

基于Hopfiled神经网络进行机械系统优化的研究

在巧妙构造齿轮减速箱系统优化目标条件和约束条件的基础上 ,利用Hopfield神经网络对此系统进行了振动方面优化 ,获得了其优化设计计算公式 ,基本达到了减少系统的振动、延长系统工作时间的目的。     

基于Hopfield神经网络的自动聚类图象分割算法研究

 竞争Hopfield神经网络（Competitive Hopfield Neural Network）,简称CHNN。它是一种融入优胜者全取（winner-takes-all-WTA）学习机制的Hopfield神经网络,它具有收敛速度快的特点。本文在此基础上,容入邻域相关信息,构造能量函数,用CHNN极小化该能量函数,从而在不需要预先知道分割类数的情况下,实现了自动确定聚类数目并给出聚类中心。这种分割方法不仅能自动确定聚类数,而且具有收敛速度快、抗噪能力强等优点。     

工程结构优化设计中的神经网络方法

分析人工神经网络适用与工程结构优化的主要特征，建立结构优化设计的神经网络方法流程，讨论了人工神经网络在结构优化中的应用；给出了十杆桁架的动力优化实例。算例表明，神经网络求解结构优化问题，避免了不必要的结构分析，减少了计算花费，提高了收敛速度。     

基于Hopfield神经网络的煤矿变压器励磁涌流识别

为更好地解决煤矿变压器励磁涌流使差动保护错误动作的问题,从变压器励磁涌流和内部故障时的电流信号着手,应用快速傅立叶变换算法得到各次谐波电流含量,构成特征向量作为Hopfield神经网络的输入样本,从而对变压器励磁涌流进行识别。Hopfield神经网络可以对其进行正确地区分,有效地保证变压器差动保护的正确动作。     

基于人工神经网络系统的选矿指导子模块的构建-----2015年6月份增刊

由于影响选矿流程及选矿指标的因素较多,且因果关系往往呈非线性关系,使传统的数学建模方法难以利用。本文基于矿物工艺矿物学参数实现计算机自动识别和初步计算的基础上,提出了建立基于BP神经网络的选矿指导专家系统来解决这一问题,对选矿子模块进行了构建。重点研究了5个重要环节：子模块的基本结构、基本感知单元和多层感知器的构建、输入与输出的合理转变以及神经网络的功能构架。通过这几个方面的探讨和研究,最终建立了实用性很强的基于人工神经网络系统的选矿指导子模块并将其预测指标与实际选厂指标进行了对比,结果表明,该遗传神经网络具有较高的预测精度。此子模块可用来预测选矿流程或选矿试验的基础数据及产品指标,为优化选矿工艺流程奠定基础。     

基于智能计算的铁矿石消费预测

为了提高铁矿石消费量的预测精度,采用一种基于智能计算的时间序列预测方法。该方法首先对粒子群算法进行改进,然后利用它的全局寻优能力优化RBF神经网络的关键参数,最后了建立铁矿石的消费预测模型。实验结果表明：与其他预测方法相比,该方法预测精度较高,为铁矿石消费预测提供了一种新途径。     

矿块品位计算的神经网络方法

针对露天生产矿山分层矿块品位的计算，运用误差反向传播算法的人工神经网络方法建立了矿块品位计算的B—P神经网络模型，应用该模型对某露天矿1080m水平的矿块品位进行了计算，结果表明B—P网络模型用于矿块品位计算具有客观性和实用性。     

露天矿配矿优化方法研究

针对露天矿山规划与矿石质量管理的配矿需求, 在爆堆品位分布预测的基础上, 利用0-1整数规划模型, 研究了露天矿配矿的优化方法, 进而将其嵌入到DIMINE软件中, 并以某水泥灰岩矿配矿设计为例, 验证该技术的性能。结果表明, 该露天矿配矿优化方法应用简单、配矿效率高、效果好, 可有效提高企业的经济效益, 对于指导矿山企业的有效生产与决策具有重要的意义。     

矿石质量智能控制系统的开发与应用

针对露天金属矿山的供矿质量不稳定的现状，响应智能矿山发展的需求，研发了具有地形生成与配矿计算集合的矿石质量智能控制系统。系统的地形生成功能采用C++语言编制，利用Open GL可视化平台完成区域骨架构建、地形填充，实现开采现状模型品位更新及矿量统计，从而为矿石质量控制提供基础。根据矿石质量优化需求，以多目标函数描述配矿问题，构建数学模型，采用遗传算法求解，得到优化方案后将其显示于三维模型系统中，在优化矿石质量的基础上达到矿山数字化、智能化管理，对于大中型露天金属矿山具有重要的现实意义。     

石灰石矿山优化开采理论与计算方法的研究

根据石灰石矿山的地质实际情况，以样品长度为权重，建立了地质样本的加权标准偏差理论与计算方法，并正确地结合矿山地质模型建立了单元标准偏差的估值原理和计算方法，同时根据矿山生产的实际需要，建立了复合标准偏差理论和计算方法，这些方法的有机结合，构成了分析评价矿山质量波动情况的理论系统，具有重要的理论价值和实用价值；该文建立的迭代优化配矿方法，用模拟开采掌握采矿技术的要求，用线性规划方法控制矿石质量波动，     

基于Hopfield神经网络的矿井通风系统分析

矿井通风系统的工作性能对煤矿安全影响较大,保证通风系统效率十分必要。介绍通风机的基本参数和参数计算公式,利用Hopfield神经网络对通风系统进行研究分析,设置PID调节参数,并利用Matlab对优化后的通风系统进行仿真分析,结果显示基于神经网络控制的通风机在风压、风量、风门开闭等方面控制效果良好。     

基于进化算法MOEA/D-AU的露天矿多金属多目标智能配矿研究

针对露天矿的多金属多目标配矿问题,提出了基于多目标进化算法的配矿优化方法。根据矿山实际情况,以生产成本、矿石品位偏差和矿石岩性配比偏差最小为优化目标建立了露天矿配矿优化模型;在基于分解的多目标进化算法（MOEA/D）的基础上,对算法的更新过程进行了改进,利用种群与权重向量之间的空间位置关系提出了基于角度的更新策略,使算法在求解多目标问题时更好地平衡种群的多样性与收敛性;由于对选矿因素考虑不充分,无法有效提高矿石的综合回收率,本文建立了融合氧化率及有害物质参数的综合回收率随机森林预测模型,通过预测模型对算法得到的多组配矿结果进行筛选,获得一组更加贴合矿山实际情况的配矿计划。最后以国内某大型钼钨铜矿为例进行仿真实验,实验结果表明：该配矿计划在解决多金属多目标配矿问题时能够有效提高矿石综合利用率和企业经济效益。     

Application of image processing and radial basis neural network techniques for ore sorting and ore classification

Ore sorting is a useful tool to remove gangue material from the ore of bigger size ranges. The radical development in the area of artificial intelligence allows speedy processing the full color digital images for the preferred investigations. In this paper a novel approach to classify the ores for ferromanganese metallurgical plant feed has been proposed based on the visual texture of the ore particles (Mn, Fe, and Al₂O₃ rich) and radial basis neural network. The visual texture of ore particles vary with the mineral contents. This information can be quantified by using image processing technique in RGB color space and, first and second-order statistical analysis. Commonly used Hartlic’s textural features was calculated and presented as neural network inputs along with red, green and blue color values for 5 × 5 pixel size windowpanes extracted from three separate images. Results obtained show encouraging accuracy to apply the approach to develop an expert system for on line ore quality monitoring to control the ore blending in the feed ore circuits as well as separating gangue minerals present in the feed ores. Matlab^® 7.0 was used for visual textural analysis and neural network classification.     

配矿优化技术研究现状及发展趋势

梳理了国内外配矿优化技术的理论成果,系统地分析了单一目标和多目标规划智能配矿优化技术在矿山生产配矿中的应用情况及效果,突出了系统规划方法和现代信息技术对提高配矿效果和效率的显著作用。针对矿山生产的约束条件复杂多变、矿山生产需求日益多样化和矿山企业可持续发展的战略目标,指出配矿优化技术将朝着多目标非线性规划、中长期动态配矿规划和提高配矿效率和可靠性的控制技术等3个方向发展。