基于正交试验和BP人工神经网络的浮选药剂制度优化.pdf

2 0 1 8 年第2 期有色金属 选矿部分 9 9 d o i 1 0 ．3 9 6 9 ／j ．i s s n ．1 6 7 1 - 9 4 9 2 ．2 0 1 8 ．0 2 ．0 2 1 基于正交试验和B P 人工神经网络 的浮选药剂制度优化 张翼，王旭东 武汉工程大学资源与土木工程学院，武汉4 3 0 0 7 4 摘要探索了人工神经网络在浮选药剂制度优化中的应用。研究通过浮选药剂三因素三水平正交试验采集 具有一定代表性的实验数据，然后采用B P 人工神经网络，建立了输入为p H 值调整剂碳酸钠的用量、抑制剂硅酸钠的 用量和捕收剂的用量，输出为选矿效率的B P 人工神经网络模型，并通过样本检验模型的准确性。试验结果F 检验确 定的药剂制度为p H 值调整剂用量4k g ／t 、抑制剂用量3k g ／t 、捕收剂用量1k g ／t ，选矿效率为1 9 ．7 5 ％，B P 人工神经网 络确定的药剂制度为p H 值调整剂用量4k g ／t 、抑制剂用量2 ．3k g ／t 、捕收剂用0 ．9k g ／t ，选矿效率为1 9 ．4 7 ％，两种药 剂制度的选矿效率差别很小，但B P 网络确定的药剂制度药剂用量更少。结果表明利用B P 人工神经网络可用于浮选 药剂制度的优化，可减少试验量，可通过建立模型找出更优的药剂制度，同时结合正交试验减少人工神经网络的学习 样本数量，增加样本代表性，优化神经网络的学习过程。 关键词浮选；正交试验；B P 神经网络 中图分类号T D 9 2 3文献标志码A文章编号1 6 7 1 - 9 4 9 2 2 0 1 8 0 2 - 0 0 9 9 - 0 4 O p t i m i z a t i o no fF l o t a t i o nP h a r m a c yS y s t e mB a s e do nO r t h o g o n a iT e s t a n dB PA r t i f i c i a lN e u r a lN e t w o r k z H A N GK ．W A N GX u d o n g C o l l e g eo fR e s o u r c e sa n dC i v i lE n g i n e e r i n g ，W u h a nl m t 如u t eo fT e c h n o l o g y ，W u h a n4 3 0 0 7 4 ，C h i n a A b s t r a c t T h i ss t u d ya i m st oe x p l o r et h ea p p l i c a t i o no f A r t i f i c i a lN e u r a lN e t w o r ki nt h eo p t i m i z a t i o no f f l o t a t i o nr e a g e n ts y s t e m ．I nt h i sp a p e r ，f r i s t ，ar e p r e s e n t a t i v ee x p e r i m e n t a ld a t aw e r ec o l l e c t e db yt h r e e - f a c t o rt h r e e l e v e lo r t h o g o n a lt e s t ，t h a nu s e dB Pa r t i f i c i a ln e u r a ln e t w o r kt oe s t a b l i s haA r t i f i c i a ln e u r a ln e t w o r km o d e l ，w h i c h i n p u ti st h ea m o u n to fs o d i u ms i l i c a t ei n h i b i t o r ，t h ea m o u n to fi n h i b i t o rs o d i u ms i l i c a t e ，t h ea m o u n to fc o l l e c t o r ， a n do u t p u ti sm i n e r a lp r o c e s s i n ge f f i c i e n c y ，a tl a s t ，t h ea c c u r a c yo ft h em o d e lW a st e s t e db ys a m p l e ．T e s tr e s u l t s B yFt e s t ，t h ea m o u n to ff l o t a t i o na g e n tW a sd e t e r m i n e da sf o f l o w s P Ha d j u s t e rd o s a g e4k g ／t ，i n h i b i t o rd o s a g e3 k g ／t ，c o l l e c t o rd o s a g e1k g ／t ，u n d e rt h i sc o n d i t i o n ，t h em i n e r a lp r o c e s s i n ge f f i c i e n c yi s 19 ．7 5 ％．B yB Pa r t i f i c i a l n e u r a ln e t w o r km o d e l ，t h ea m o u n to ff l o t a t i o na g e n tW a sd e t e r m i n e da sf o l l o w s p Ha d j u s t e r d o s a g e4k g ／t ， i n h i b i t o rd o s a g e2 ．3 k g ／t ，c o l l e c t o rd o s a g e0 ．9k g ／t ，u n d e rt h i sc o n d i t i o n ，t h em i n e r a lp r o c e s s i n ge f f i c i e n c yi s 1 9 ．4 7 ％．r 1 1 l ed i f f e r e n c ei nm i n e r a lp r o c e s s i n ge f f i c i e n c yb e t w e e nt h et w of l o t a t i o nr e a g e n ts y s t e mi ss m a l l ．b u tt h e d o s a g et h a td e t e r m i n e db yt h eB Pn e t w o r ki sl e s s ． n er e s u l t ss h o wt h a tB Pa r t i f i c i a ln e u r a ln e t w o r kc a l lb eu s e dt o o p t i m i z et h ef l o t a t i o nr e a g e n ts y s t e m ．I tC a l lr e d u c et h ea m o u n to fe x p e r i m e n t ．A n df i n dab e t t e rf l o t a t i o nr e a g e n t s y s t e mb ye s t a b l i s h i n gam o d e l ．A tt h es a l i n et i m ec o m b i n e dw i t ht h eo r t h o g o n a lt e s t t or e d u c et h en u m b e ro f a r t i f i c i a ln e u r a ln e t w o r kl e a r n i n g s a m p l e s ，i n c r e a s et h es a m p l er e p r e s e n t a t i o n ，o p t i m i z et h el e a r n i n gp r o c e s so f N e u r a lN e t w o r k s ． K e yw o r d s f l o t a t i o n ；o r t h o g o n a lt e s t ；B Pn e u r a ln e t w o r k 神经网络从建立至今已经有相当长的时间，因 为人工神经网络具有自主学习、自组织、和对输入的 基金项目国家自然科学基金资助 5 1 5 0 4 1 6 9 ；武汉工程大学研究生教育创新基金项目 C X 2 0 1 6 0 4 8 收稿日期2 0 1 7 - 0 6 - 1 3修回日期2 0 1 8 - 0 2 - 0 9 作者简介张翼 1 9 8 2 - 。男，湖北仙桃人，博士，副教授，硕士生导师，主要研究方向为选矿过程控制。 万方数据 万方数据 2 0 1 8 年第2 期张翼等基于正交试验和B P 人工神经网络的浮选药剂制度优化 1 0 l 2 ．2 B P 神经网络建模及药剂制度优选 2 ．2 ．1 B P 神经网络的设计 本试验中影响选矿效率的主要有p H 值调整剂 用量、抑制剂用量和捕收剂用量3 个因素，以此来建 立浮选药剂制度优选的B P 人工神经网络模型，由 于有三个因素，所以确定为3 个输入层节点。 浮选药剂制度的效果优劣由浮选的最终选矿效 率来评价，所欲此神经网络模型以选矿效率为最终 评价指标，最终网络确定为1 个输出层节点。 隐含层节点数的确定尚无明确方法，一般采用 如下经验公式计算一J n l ／n ，n a 式中n 。为隐含层节点个数，m 为输出神经元 个数，凡为输入神经元个数，口为1 ～1 0 的常数。通 过计算，可以确定节点数范围，然后通过对不同隐含 层节点数的网络进行训练对比，发现当神经网络的 隐含层节点数为6 时，网络具有足够的泛化能力和 输出精度，且网络的训练步数较少，因此确定网络的 隐含层节点数为6 。 网络隐含层和输出层的传递函数分别选择 T a n s i g 函数和L o g s i g 函数。最终建立的B P 神经网 络模型示意如图1 。 输入 捕收剂用量 抑制剂_ } } j 量 _ 盖 图lB P 神经网络模型 F i g ．1 B Pn e u r a ln e t w o r km o d e l 2 ．2 ．2 B P 神经网络模型的建立 根据上述确定的模型结构，采用M A T L A B 编 程，构建网络并训练。为了减少网络的训练步数、避 免过大或过小的数据影响网络训练精度，训练样本 需要先行做归一化处理，将输入向量的值量化为0 到1 之间的数，样本数据利用以下公式进行归一化 处理 。 X X 曲 一“ X 。。一x m i n 式中x 为归一化前的数据、x 。为归一化后的 数据，x 。。为样本数据中最大值、x 晌为样本数据 中最小值。网络训练结束后再根据最大值和最小 值将输出还原成原单位。训练目标误差平方和取 0 ．0 0 00 0 01 ，最大训练迭代次数1 0 0 次，学习速率 自适应，选择t r a i n l m 训练函数进行训练。 2 ．3 因素的仿真和优化 在，检验确定的药剂制度基础上，改变一种的 药剂用量的值，在m a t l a b 软件上应用建立的神经网 络模型进行仿真，模拟得到不同药剂用量对选矿效 率的影响曲线。 L - ．- - - - - - - - - - - L ．．．．．．．．．．．．．．- ．．．．．．．．．．．．．．』．．．．．．．．．．．．．．．』。．．．．．．．．．，．，，j ，．，一 n1 16 57i 50 ．8f 8 5 捕收N T D C 2 一1 3 5 用量／ k g 图2 捕收剂用量影响曲线 F i g ．2 l n f l u e l l Po tc ．1 l e ‘i J 1 ．【l s a g e 如图2 ，选矿效率随着捕收剂用量增加，在捕收 剂用量较低时，选矿效率随着捕收剂用量增加比较 明显，当捕收剂用量达到了0 ．9k g ／t 时，选矿效率增 速变缓，此时捕收剂在矿物表面的吸附可能已经达 到了较大值，继续增大捕收剂用量对选矿效率不会 有太大的提升，冈此选择捕收剂的用鼍为0 ．9k g ／t 1 ．j22 抑制剂硅酸钠用量／ k g t 一 图3 抑制剂用量影响曲线 F i g ．3 I n f l u e n c eo fi n h i b i t o rd o s a g e 如图3 ，抑制剂与脉石矿的作用与捕收剂和有 用矿的作用类似，用量达到2 ．3k g ／t 后，对选矿效率 的提升不再明显，因此选择捕收剂用量为2 ．3k g ／t 。 ． 万方数据 - 1 0 2 有色金属 选矿部分2 0 1 8 年第2 期 2 0 c 一 1 8 } 1 6 } 1 4 } 术1 2 } 扣l | b8 } 蝴6 } 4 } 2 } 抑制剂硅酸钠用量／ k g t - 1 图4p H 值调整剂用量影响曲线 F i g ．4 I n f l u e n c eo fp Hv a l u em o d i f i e rd o s a g e 如图4 ，选矿效率随着p H 值调整剂用量增加而 降低，且调整剂用量较低时，曲线较为平缓，可以认 为p H 值调整剂用量在4k g ／t 时为最佳用量。 最终，根据神经网络仿真结果，确定最佳药剂用 量为捕收剂0 ．9 、2 ．3 和4 ．0k g ／t 。 2 ．4 验证试验 根据以上两种方式优选出的药剂制度，各自进 行三次验证试验，结果如表4 。 表4 T a b l e4 验证试验结果 R e s u l t so fv a l i d a t i o nt e s t／％ 采用B P 神经网络预测的药剂制度的选矿效率 平均为1 9 ．4 7 ；按正交试验确定的药剂制度的选矿 效率平均为1 9 ．7 5 ；两者的结果很接近，说明通过人 工神经网络的仿真计算可以准确的预测各药剂对选 过过程指标的影响，从无无需进行大量实际实验，应 用人工神经网络可以更好的找到最佳的药剂用量， 降低药剂用量。 3结论 通过对正交试验结果的数据进行人工网络建 模，采用B P 神经网络在函数拟合、数据挖掘方面的 强大能力，可建立三种药剂用量到选矿效率的函数 映射。利用建立好的B P 神经网络，可以很方便的 对各因素的变化进行敏感性仿真分析，并模拟各因 素的变化规律，说明采用将人工神经网络和正交试 验相结合的方法来优选浮选药剂制度的方法是可行 的。该方法无需太多试验次数，而且可以对各个因 素变化规律进行定量分析和寻找最佳参数组合，为 浮选药剂制度确定提供了一个新思路。 参考文献 [ 1 ] 韩力群．人工神经网络理论、设计及应用2 版[ M ] ．北 京冶金工业出版社，2 0 1 1 4 7 - 6 7 ． [ 2 ] 葛哲学，孙志强．神经网络理论与M A T L A B R 2 0 0 7 实现 l 版[ M ] ．北京电子工业出版社，2 0 0 7 4 6 - 5 5 ． [ 3 ] 姜志宏，黄信建，熊洋，等．基于正交试验和B P 神经 网络的板材多点渐进成形工艺优化[ J ] ．锻压技术， 2 0 1 5 ，4 0 5 3 3 3 7 ． [ 4 ] 王琪，冯雅丽，李浩然，等．石墨的浮选动力学模型及浮 选行为研究[ J ] ．非金属矿，2 0 1 6 ，3 9 3 1 1 - 1 3 ，5 2 ． [ 5 ] 闫锐敏，吴静，庾朝富，等．浮选作业操作因素的正交 试验优化[ J ] ．煤质技术，2 0 1 4 ，1 1 6 9 - 7 2 ． [ 6 ] 许时．矿石可选性研究2 版[ M ] ．湖南冶金工业出 版社，2 0 0 7 2 4 1 ．2 8 0 ． [ 7 ] 邵方元，付腾飞，薛兴阳，等．正交试验和B P 人工神经 网络模型优化胰蛋白酶提取鱼腥草多糖的工艺[ J ] ．中 国实验方剂学杂志，2 0 1 3 ，1 9 1 1 1 4 1 7 ． 万方数据