由于磨矿分级过程影响因素多，过程复杂，内部数还不能进行效的检测。因此。似难建立相应的数学梭型虽然少数选矿厂磨矿分级过程采用了电耳功率变送器及压电传感器等检测仪，只能进行定性的判断和控制，其过程自动控制水平受到很大的制约。

　　通过简单的过程检测仪，在定的磨矿条件下，采用双因素来判断球磨机参数如球料比和转速家这方面杨小斗作厂大啁的工作。非的5加等，人也在这方面进行了研究。在他们工作的基础上，我们进行了径向基网络建模的研究，并提出采用因素来判断实际生产中球磨机内部参数如介质充填率球料比和磨矿浓度等的设想1神经网络模型的确定神经网络是由大量神经元依定结构互联而成大规模非线性动力系统。神经网络的学习是不断修改神经元的权值，使网络的实际输出逼近希望的输出值。

　　神经网络的模型有多种类型，不同神经网络的模型的应用有其局限性。从控制角度看，作线性动态系统辨识中*常用到的神经网络为多层前向8，络和，1阶网络。正交多项式，络。样条函数网络等4.上述种网络都均具有逼近任意非线性函数的能力，但从应用角度看，它们各有千秋。

　　；1络则既竹1.物背景，与函数逼近理论相吻合，同柞，它也，介用于多变量函数的逼近，只要学习选择得当，只需很少的神经元就可获得很好的逼近效果，且它还具有唯*佳逼近的优点，网络证全局收敛的线性优化兑法，何其应用的关键是在尹耶中心点集的选择。具体网络结构1所不。

　　2试验结果试验结果是选用046父61球磨机的干磨条件。付不同介质充填率+同球料比和+转速率球磨机的输入功率和声响的试骑结果进6mifJim3t球料比转速率与有功功率声响关系介质充填率球料比参数名称转速率指有功功率认，声响仙有功功率成声响仙有功功率声响仙有功功率说声响仙有功功率认，声响仙有功功率说声响仙有功功率说声响仙有功功率声响仙行神经网络建模的研宄，具体如1.

　　3神经网络模型的计算和训练3.1神经网络的计算神经网络的训练采用有导师离线训练分别建立不同介质充填率条件下，声响有功功率转速率和球料比的关系模型，神经网络选用两层网络，网络采用如下兑法正网络隐节点输出的1十算公式为1衣小输第，个样本，时隐节心输出，径向对称函数0的中心，巧为样本协方差矩阵中的元素，通常取样本协方差阵为对角阵。

　　其中当输第样本，第；标节点的输出第个径⑷基函数连接到第输出节点的权值；从，为第1个标卞点的值抓训练采用递推*小乘算法⑴⑴，由于只1算法每次迭代都是基于误差梯度为0这特点，收敛速度比13快，因此采用！算法来训练耶州的隐层至输出层的线性网络。

　　由1得出，第让个输出单元的输出为加权误差目标函数为入为加权遗忘因子，它的作是将过去样本对当前估值的影响逐渐遗忘掉使所估计的参数尽量反映当前时刻样本的特性，17厂分别第1个节点的误差信号期望输出和实际输出。

　　将了对求导以2式代4式以上式可进步写为n记户=尺。利，矩阵求逆引理1；1得网络连接权矢量的1；1算法如下人3.21叩的仙算法训练步骤矩阵初始值户0和误差迭代终止值3按1式计算径向基函数。14迭代开始⑷计算误差信号E按6式计算奶；按4式计算累积误差。训练结束。

　　3.3神经网络的训练精度径向基网络在多输入非线性函数逼近时，在适当选择中心集后，能以很尚精度逼近目标函数。本次网络具体训练分两步进行，首先对单个因素如球料比转速率分别进行训练，目的是为了获得更全面的分布更均勾的数据，使*终训练的神经网络具有高的质量；第步是对多输入和输出在全部数据进行训练。通过对1球磨机介质充填率分别为35和40的两组数据进行训练，网络训练4神经网络的仿真从闯2结果可以分析。磨机介质充填率为35和40时，神经网络的训练都达到了设定的精度误差平方0.02，网络实际训练结果误差平方和达到了101的精度。因此，认为采用径向基函数网络来训练磨矿分级过程模型是有效可行与实际输出是完全致的，在此省去具体仿真的数据。但双因素网络训练后，仿真球料比与磨机转速率的结果4，5，67的维。

　　采径向基，络付球磨机声响输入有功功率与球料比和磨机转速率的对应关系进行了有导师训练。误差方和小于1获得了似逼近的效沿。

　　其训练次数都在400次以内，比*常用的8网络明砧减少，速度加快，网络的输出妃采用线性有功功率浓传递函数，其输入输出数据不需要进行预处理。

　　从4，5，67的维中可以看出，径向基网络的训练分两步进于。很好地解决了多因尜相互影响，仿真结果明，训练好的径向基网络可很准确预报球料比和磨机转速率。但径向基网络训练时中心集的确定有定的难度，需通过大量的试验来确定。

　　木次凋经网络的训练主要足针对双因素。这实际生产中急需预报的是磨机内介质充填率球料比和磨矿浓度等参数从试验结果以及网络训练分析认为，双因素尤法准确预报磨机内介质允填率球料比和磨矿浓度，只有检测参数达到个以上如采用声响。输入功率及吒电传感器成输功率双声响等才能进行有效判断。径向基网络用于球磨机参数建模研究明，径向基网络来逼近多输入输出非线性函数，具有很强的能力和很高的精度，可以满足球磨机因素建模的要求。

　　卢胜英，磨矿分级过程自动控制的新进展。冶金矿山第届选矿技术进展报告会论文集，199619196.

　　2杨小生。磨矿功耗数学及适宜工作参数的研究，东北大学硕士学位论文，1985 4焦李成，神经网络的应用与实践，西安电子科技大学出版6景广军等，神经网络在建立螺旋分级机数学模型中的应用，国外金属矿选矿，199547，49.