基于人工神经网络的水力旋流器选型及优化

为了实现对水力旋流器的全面设计,建立了3层BP神经网络模型,该模型可根据分离粒度、生产能力、底流质量浓度等值,选择合适的水力旋流器。经10组数据测试,选型误差为:底流口直径10.43%,溢流口直径7.51%,插入深度17.86%,入料压力20.24%,选型精度高于传统方法。该模型既可用于设备选型,也可用于优化旋流器参数。选择合适的水力旋流器分级加重质,制备得到的粗、细两产品分别满足湿法、干法对加重质要求,对我国选煤业发展有重大意义。