کاربرد ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک در فرآوری مواد معدنی مطالعه موردی: بازیابی باریت از باطله درین کاشان

چکیده مقاله

در سالهای اخیر، با توجه به نقایص شبکه عصبی برای پیش بینی متغیرهای خروجی، از الگوریتم ژنتیک برای بهینه سازی وزن های اولیه شبکه عصبی استفاده شدهاست. نتایج بهدست آمده نشان داده که الگوریتم ژنتیک تأثیر مهمی در بهینهسازی وزن های اولیه و بهبود عملکرد مدل شبکه عصبی مصنوعی دارد. در این پژوهش نیز از ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک بهمنظور پیشبینی شرایط بهینه فرآیند پرعیارسازی ثقلی ( جیگ) کارخانه درین کاشان استفاده شدهاست. بهینهسازی، کنترل و ارزیابی عملیات جیگ، مستلزم شبیهسازی دقیق، مناسب و همه جانبه از آن است. ارائه چنین مدلی نیاز به شناسایی کلیه پارامترهای موثر در فرآیند و تاثیر همزمان این عوامل بر خروجی فرآیند دارد. پارامترهای مهمی همچون دبی آب ورودی، اندازه ذرات بار ورودی، ضخامت بستر و فرکانس جیگ مطالعه و تاثیر آن بر بازیابی محصول 4 -) میلیمتر روی باطله باریت درین انجام شد. مقدار ضریب / 76+ 0/ 8 -) و ( 5 + 4/ سنگین جیگ بررسی شد. آزمایشها در دو دانهبندی ( 76 0 برای مرحله آزمایش بهدستآمد که این نتایج نشان دهنده برازش خوب داد ههای / 0 برای مرحله آموزش و مقدار 91763 / همبستگی 86068 پیش بینیشده بر داد ههای اندازه گیریشده است و نیز میتوان مدل پیشنهادی الگوریتم ژنتیک - شبکه عصبی و نتایج آن را بهعنوان یک سیستم خبره برای بهین هسازی شرایط عملیاتی و ارزیابی اندرکنش پارامترها بهمنظور تخمین بازیابی مدنظر باریت در جیگ بهکار برد .