徑向基神經(jīng)網(wǎng)絡的研究及在粒度軟測量中的應用.pdf

1、磨礦分級作業(yè)是選礦流程中十分重要的工序，衡量磨礦分級產(chǎn)品質量的重要指標就是水力旋流器溢流粒度的分布情況，粒度的實時在線檢測對磨礦過程的優(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昂貴，一般選礦廠難以承受，并且儀表的維護保養(yǎng)也比較復雜。
　　 軟測量技術為解決這一難題提供了一條有效途徑，相對于目前一些粒度檢測方法來說，軟測量技術具有以下優(yōu)點：設備維護比較簡單；成本相對比較低；檢測速度快，能夠滿足自動控制

2、策略的實時性要求。因而，本文采用軟測量技術來對水力旋流器溢流粒度的分布進行實時檢測。
　　 本文重點研究了基于徑向基神經(jīng)網(wǎng)絡的軟測量建模方法，對徑向基神經(jīng)網(wǎng)絡的理論基礎、學習算法的選取等進行了詳細的討論。在對各種學習算法深入研究的基礎之上，選取最近鄰聚類算法作為徑向基神經(jīng)網(wǎng)絡隱層節(jié)點的選取算法。最近鄰聚類算法具有計算量小、需要根據(jù)經(jīng)驗來設定的參數(shù)少、隱單元的個數(shù)不需要事先確定等優(yōu)點，但該算法也存在著一些不足，比如對孤立點和噪聲點

3、比較敏感，不利于網(wǎng)絡泛化能力的提高。本文針對該問題提出了相應的改進方法，即通過聚類中的樣本個數(shù)來判斷某一聚類是否由孤立點或噪聲點所形成，進而決定是否將隱節(jié)點刪除。另外，本文還對文獻中提出的變步長方法進行了簡單介紹，該方法在一定程度上解決了最近鄰聚類算法中固定迭代步長增加了網(wǎng)絡的學習時間的問題。為了檢驗改進算法的效果，本文對太陽黑子數(shù)的預測問題進行了仿真實驗，其結果表明，改進后的算法在提高網(wǎng)絡訓練速度的同時，也在一定程度上改善了網(wǎng)絡的泛化