BP神经网络在湿法炼锌浸出工艺中的应用.pdfVIP

维普资讯 第26卷第6期 矿 冶 工 程 Vo1．26№6 2006年 l2月 MINING ANDM哐TALLURGICALENGINEERING December2006 BP神经网络在湿法炼锌浸出工艺中的应用① 吉庆锋 ，李先柏 ，杨小中 ，廖 舟 ，许 彬 ，马荣骏 (1．金瑞新材料科技股份有限公司，湖南 长沙410012；2．长沙矿冶研究院，湖南 长沙410012) 摘 要：针对湿法炼锌浸出工艺中影响生产的因素，利用BP神经网络技术和 自适应变步长学习函数构造了一种新的神经网络模 型，提高了训练速度，增强了网络的稳定性。结果表明，该模型能比较准确的预测浸出率和终酸浓度。 关键词：湿法炼锌；浸出；BP神经网络；自适应变步长 中圈分类号：TFl11 文献标识码：A 文章编号 ：0253—6099(2006)06—0062—03 ApplicationofBP NeuralNetwork inLeachingTechnology ofZincHydrometallurgy JIQing—feng，lJXian—bo，YANGXiao-zhong，LIAOZhou。，XUBin，MARong-jun (1．KingrayNewMaterialScienceandTechnologyCoLtd，Changsha410012，Hunan，China；2．ChangshaResearchIn- stituteofMiningandMetallurg~，，Changsha41~12，Hunan，China) Abstract：Toevaluatetheimpactofprocessparametersonthemanufacturinginleachingprocessofzinchydrometallur- gY．anewtypeofneuralnetworkwasfoundedbasedontheback—propagationneuralnetwork(BPNN)technologyand self-adaptivevariablestep-sizelearningfunctions．Thetrainingspeedwasenhancedandthenetworkstbailitywasgura- nateed．Applyinghtismodel，fairlypreciseresultsofleachingrateandfinalacidconcentrationCna bepredicted． Keywords：zinchydrometallurgy；leaching；BPNN；self-adaptivevariablestep—size 浸出工艺是湿法冶金中一个十分重要的环节。影 提取 “合理的”求解规则，即具有 自学习能力；而且 BP 响浸出工艺的因素很多，例如溶液的温度、酸度和加入 网络具有一定的推广 、概括能力 。 焙砂量等，并且各因素之间存在相互影响。许多的锌 1．2 网络拓扑结构的设计 冶炼厂自动化程度低，许多控制量都是工人根据经验 1989年RobertHecht—Nielson证明了一个三层 BP 掌握，但是单靠人工控制已经不能适应现在生产发展 网络就可以完成任意N维到M维的映射 J。本文采用3 的需要。人工神经网络是一种大规模并行分布处理的 层BP神经网络模型，它由输入层、输出层和隐含层组成， 非线性系统，可以处理那些难以用数学模型描述的系 同层各节点互不连接，相邻层的节点通过权连接。 统，具有很强的自适应性、自学习、联想记忆、高容错和 当一个网络中有多个输出时，权值变化复杂，相关 性差，因此，可以