磨碎工艺在很多工业生产领域都是关键的工序和重要的作用,比如冶金、建筑、水泥、材料等,尤其是冶金工业中选矿部门,是选矿工艺流程中非常重要的环节。球磨机是磨矿作业最主要的设备,其工作效率的好与坏直接影响着选别产品的指标。同时磨机内钢球的重量和比例装载合理与否,是影响磨矿作业的重要因素,钢球的合理装载主要依赖于对磨机内钢球损耗的研究,因此研究磨矿损耗模型有重大意义。在国外,已经有许多发达国家,尤其是那些在矿产资源同样丰富的国家,在选矿工业领域中,已经实现了大中型选矿厂选矿作业全过程自动化控制。在我国,虽然在矿物加工领域生产实践中,研究人员对球磨机的研究工作中总结出了不少成果和经验,并且在磨矿介质运动规律、球磨机功耗、磨矿数学模型等方面的研究取得了一定的进展,但是对球磨机钢球损耗问题的研究仍然没有得出明确的理论指导解决方针。提高磨矿生产效率、降低磨矿过程能耗和钢耗是工业生产的首要任务,经过大量的研究最有效的方法就是保持球磨机中钢球的配比和装球率的稳定,因此为了使磨矿中球磨机内保持钢球损耗平衡,同时为研究球磨机介质运动规律提供更好的依据,需要一个合理且可行的钢球损耗数学模型。由于球磨机中钢球的运动的复杂性,且钢球的运动轨迹也具有随机性,因此换句话说,没有一个数学模型能精确地描述钢球运动规律。人工神经网络在这一系统方面的应用具有很大的优势。实践也证明,人工神经网络与计算机技术也必将成为此领域的主流和趋势,并且也为我们带来良好的经济效益和社会效益。本文在总结归纳了国内外有关磨机钢球损耗研究基础上,同时考虑到磨矿作业的工作特点,建立了矿石粒度与钢球损耗的关系数学模型。论文旨在运用采集少量有代表的磨矿数据,然后建立"让它自己去学习"的人工神经网络模型,本文利用BP神经网络和基于遗传算法的优化算法两种方式对钢球损耗和填充率进行了建模预测,试验结果表明,BP人工神经网络建模具有较强的拟合性,能够对磨矿过程中钢球损耗规律进行较为准确的预测。一般来说,建立模型后我们需要花费大量的时间和精力去生产现场采集数据,本文旨在通过建立更好的模型,或者优化神经网络的算法,使我们的数据量需求减少,同时能达到良好的仿真效果,因此提出磨矿过程中磨机内钢球损耗与矿石粒度建立数学模型。本文提出了基于BP神经网络的磨机磨矿损耗两个数学模型模型,其一是磨机钢球配比与产物粒度关系数学模型,其二是磨机钢球质量与矿石粒度关系数学模型。第一个模型用产物各粒级所占比值作为输入,磨机内各球径钢球所占比例值作为输出,建立BP神经网络模型。第二个模型选取磨矿前后产物各粒级质量作为神经网络的输入参数,磨机内各球径钢球质量作为神经网络的输出,建立了BP神经网络模型。最后对仿真结果进行了分析,第一个模型,误差质量大约为150g;第二个模型用传统BP神经网络仿真结果满足0 k 0.05的样本占总测试样本的80%,用遗传算法优化后的BP网络仿真结果误差在100g之内,说明该实验模型可以在实验室磨机中达到很好的预测效果。之后我们的工作要为模型加入更多的神经网络训练算法和联系实际矿山生产,为磨矿钢球损耗的信息采集和过程自动化提供理论指导。