徑向基神經(jīng)網(wǎng)絡(luò)的研究及在粒度軟測(cè)量中的應(yīng)用.pdf

1、磨礦分級(jí)作業(yè)是選礦流程中十分重要的工序，衡量磨礦分級(jí)產(chǎn)品質(zhì)量的重要指標(biāo)就是水力旋流器溢流粒度的分布情況，粒度的實(shí)時(shí)在線檢測(cè)對(duì)磨礦過(guò)程的優(yōu)化控制、提高礦石品位和金屬回收率具有重要意義。但是現(xiàn)有的粒度分析儀造價(jià)昂貴，一般選礦廠難以承受，并且儀表的維護(hù)保養(yǎng)也比較復(fù)雜。
　　 軟測(cè)量技術(shù)為解決這一難題提供了一條有效途徑，相對(duì)于目前一些粒度檢測(cè)方法來(lái)說(shuō)，軟測(cè)量技術(shù)具有以下優(yōu)點(diǎn)：設(shè)備維護(hù)比較簡(jiǎn)單；成本相對(duì)比較低；檢測(cè)速度快，能夠滿(mǎn)足自動(dòng)控制

2、策略的實(shí)時(shí)性要求。因而，本文采用軟測(cè)量技術(shù)來(lái)對(duì)水力旋流器溢流粒度的分布進(jìn)行實(shí)時(shí)檢測(cè)。
　　 本文重點(diǎn)研究了基于徑向基神經(jīng)網(wǎng)絡(luò)的軟測(cè)量建模方法，對(duì)徑向基神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)、學(xué)習(xí)算法的選取等進(jìn)行了詳細(xì)的討論。在對(duì)各種學(xué)習(xí)算法深入研究的基礎(chǔ)之上，選取最近鄰聚類(lèi)算法作為徑向基神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的選取算法。最近鄰聚類(lèi)算法具有計(jì)算量小、需要根據(jù)經(jīng)驗(yàn)來(lái)設(shè)定的參數(shù)少、隱單元的個(gè)數(shù)不需要事先確定等優(yōu)點(diǎn)，但該算法也存在著一些不足，比如對(duì)孤立點(diǎn)和噪聲點(diǎn)

3、比較敏感，不利于網(wǎng)絡(luò)泛化能力的提高。本文針對(duì)該問(wèn)題提出了相應(yīng)的改進(jìn)方法，即通過(guò)聚類(lèi)中的樣本個(gè)數(shù)來(lái)判斷某一聚類(lèi)是否由孤立點(diǎn)或噪聲點(diǎn)所形成，進(jìn)而決定是否將隱節(jié)點(diǎn)刪除。另外，本文還對(duì)文獻(xiàn)中提出的變步長(zhǎng)方法進(jìn)行了簡(jiǎn)單介紹，該方法在一定程度上解決了最近鄰聚類(lèi)算法中固定迭代步長(zhǎng)增加了網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間的問(wèn)題。為了檢驗(yàn)改進(jìn)算法的效果，本文對(duì)太陽(yáng)黑子數(shù)的預(yù)測(cè)問(wèn)題進(jìn)行了仿真實(shí)驗(yàn)，其結(jié)果表明，改進(jìn)后的算法在提高網(wǎng)絡(luò)訓(xùn)練速度的同時(shí)，也在一定程度上改善了網(wǎng)絡(luò)的泛化