《计算机在钢铁冶金中的应用课件》由会员分享，可在线阅读，更多相关《计算机在钢铁冶金中的应用课件（29页珍藏版）》请在金锄头文库上搜索。
1、,Designed by Arvin,计算机在钢铁冶金中的应用课程设计,神经网络在铁矿石取样中的应用,矿物1204班 向平,01 什么是神经网络,02 神经网络的应用,03 神经网络在品味确认中的应用,Contents Page,目录页,第 * 页,Transition Page,过渡页,第 * 页,01 产生铁矿石品味差异的原因,02 传统铁矿石品味波动确认方法,03 神经网络在品味确认中的应用,课程设计 神经网络,人工神经网络（artifical neural networks ,ANN）是由大量的，简单的处理单元（神经元）广泛互相连接而成的复杂网络系统，它反映了人脑功能的许多特征。,具体
2、应用区域就是：（1）模式识别和图像处理（2）控制和优化（3）预报和职能信息管理 （4）通信 （5）空间科学 （6）军事科学,1.1 神经网络的概念,第一节 什么是神经网络,课程设计 神经网络,【图】人工神经网络示意图,1.1 神经网络的概念,第一节 什么是神经网络,Transition Page,过渡页,第 * 页,01 产生铁矿石品味差异的原因,02 神经网络的应用,03 神经网络在品味确认中的应用,第二节 神经网络在铁矿取样品位波动中的应用,2.1 在矿产冶金领域应用广泛,矿产冶金,工艺优化,模型预报,故障分析,相统计分析,课程设计 神经网络,第二节 神经网络在铁矿取样品位波动中的应用,优
3、点：,那么，减轻工作负担，规范铁矿石取样秩序，大大降低实验成本，同时可以为ISO标准的修订提供依据。,课程设计 神经网络,2.2 神经网络方法的优点,品位差异具有以下方面的原因：,1、对出采的铁矿石未进行混料加工。 2、不同品位的矿点产地铁矿石混装。 3、粉块差异大的铁矿石。 4、生产时破碎不当。,2.3 产生铁矿石品位差异的原因,第二节 神经网络在铁矿取样品位波动中的应用,课程设计 神经网络,如果所取样品用于确定一个以上的品质特性时，则应选择这些特性中品质波动大的类别。”评定品质波动的取样可以和测定交货批的日常取样相结合。,A,B,采用交替副样评定品质波动。,采用变量法评定品质波动。,第二节
4、 神经网络在铁矿取样品位波动中的应用,2.4 传统铁矿石品味波动的确认方法,课程设计 神经网络,Transition Page,过渡页,第 * 页,01 产生铁矿石品味差异的原因,02 传统铁矿石品味波动确认方法,03 神经网络在品味确认中的应用,将铁矿石的相关品质特征信息输入人工神经网络的数学模型进行迭代运算，如粒度、水分、成分分析检测结果，产地、品种、矿山、加工工艺、船舶运输以及其他相关的铁矿石商品信息，目的是利用“输入目标”样品矢量数据对人工神经网络进行学习、训练，最终达到能自动确认未知铁矿石交货批品位的波动情况的效果。,第三节 神经网络在品位确认中的应用,3.1 基本原理及介绍,课程设
5、计 神经网络,第三节 神经网络在品位确认中的应用,3.1 基本原理及介绍,课程设计 神经网络,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.2 学习、训练、测试数据的提取,A）Acess数据库的数据提取,3.2 学习、训练、测试数据的提取,B）SQL server数据库的数据提取,01,简单查询,02,联合查询,03,连接查询,04,导入数据库,第三节 神经网络在品位确认中的应用,课程设计 神经网络,选择需要查询字段，设定需要的查询的条件，查询的条件可以追加，所得查询结果以TXT形式导出，并转换成Excel形式后经过数据处理，再次转换为Matlab可识别文件保存备用。CIQ200
6、0采用的数据库为Oracle数据库，由于专业性强，因此数据的提取还是建议采用CIQ2000 开发的查询统计模块。,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.2 学习、训练、测试数据的提取,C）CIQ20 中的数据提取,首先，选择某一时间段来自不同产地的50个交货批矿石粉矿，选其全铁、磷、硫的合同值、国外检验值和口岸机构检验值，得50组状态样本值，其中包括品位波动为大、中、小的数据。（见右侧表格）,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.1 网络设计,为简化网络结构，将大、中、小分别以（0,0,1）、（0,1,0）、(1,0,0)表示。根据Kolmogo
7、rov定理，采用N2N+1M的3层BP 网，这里输入的特征向量的分量数N=9,即输入层为9神经元，输出状态类别总数M=3，即输出神经元为3神经元，中间为19个神经元。,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.1 网络设计,归一化方法主要有如下几种：,y=(x-MinValue)/(MaxValue-MinValue),y=lg(x),y=atan(x)*2/PI,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.2 数据归一化,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.3 网络训练,设P_test 为网络测试输入向量，测试模拟的句法为
8、： Y=sim（net,P_test）,则输出的结果为： Y= 1.0000 -0.9875 -0.0469 0.0075 1.0000 -0.0178 0.0003 -0.0002 0.9997,网络测试,测试数据：,2,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.4 网络测试,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,课程设计 神经网络,第三节 神经网络在品位确认中的应用,3.3.5 GUI方式,Thank You,向平 矿物1204班 0305120410,计算机在钢铁冶金中的应用课程设计,
