基于RSM与BP神经网络的煤浮选试验研究

摘要

针对山西某高硫原煤进行浮选试验研究,分别建立了单一的响应曲面分析(RSM)模型和基于BP神经网络的响应曲面模型,并进行分析.结果表明,改进后的灰分模型达不到所要求的代表性,但回收率模型预测结果表明,基于BP神经网络的响应曲面的模型拟合程度较单一响应曲面模型高且优化结果优于单一的响应曲面法.由基于BP神经网络的响应曲面模型得到的该煤炭浮选的最佳条件为:煤油用量540.43 g/t,水玻璃用量1110.14g/t,超声处理时间为5.0 min,在该条件下得到的浮选精煤回收率为68.98％,对应的精煤灰分为10.12％,同试验验证结果基本一致.