计算机在钢铁冶金中的应用

第1页Designedby@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班向平第2页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ContentsPage目录页第*页第3页TransitionPage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第4页课程设计神经网络人工神经网络（artificalneuralnetworks,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第5页课程设计神经网络【图】人工神经网络示意图生物神经元模型神经元模型神经网络模型1.1神经网络的概念第一节什么是神经网络第6页TransitionPage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7页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8页第二节神经网络在铁矿取样品位波动中的应用优点：用神经网络方法建立数学模型来判断铁矿的品位波动，可以将原本需要大量人力劳力辅助的铁矿石品质波动评定，成为只需要计算机运算的模拟处理，使品位波动评估大大简化。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第9页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第10页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。AB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第11页TransitionPage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第12页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。神经网络的函数神经网络工具箱及函数①感知器创建函数、BP网络训练函数；②神经网络仿真函数、初始化函数。通用函数神经网络学习函数（learnp、learnpn）、初始化函数（revert、init、initlay、initnw）、神经网络调入函数、传递函数、权值求积函数。感知器神经网络函数①创建函数（newp）；②显示函数（plotpc、plotpv）、性能函数（mac）。线性网络的神经网络函数有线性网络创建函数（newlin、newlind）、学习函数（learnwh、maxlinlr）。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第13页神经网络的函数反向传播网络（BP）的神经网络函数向前网络创建函数、传递函数、学习函数、性能函数、显示函数。反馈神经网络（动态神经网络）函数网络创建、转换函数、Hopfield网络创建、Elman网络创建。径向基网络的神经网络函数①网络创建函数（newrb）；②神经元传递函数（radbas）、传递函数（ind2vec、vec2ind）。自组织竞争网络的神经网络函数网络创建函数（newc、newlivp）、学习函数（learnk）、初始化函数、权值函数、显示函数结构函数。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第14页数据库表格内部分字段采用SQL(structuredquerylanguage)查询“SELECT”a数据库基础数据档案基础数据表及表内字段包括：人员、国内外客户名录、国家、原产地、船舶、装运港、品名、编码、商品品名（每种品名可对应粉、块、球三个品种）、名称、品种。b数据库商品数据档案1）报验单2）品质结果3）品质项目提取后的查询结果可以转换成Excel文件，经过处理后，如数据归类、数据归一化等，在Mattlab转换成mat文件保存于Mattlab的work文件夹中，以备程序调用。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数据库的数据提取第15页3.2学习、训练、测试数据的提取B）SQLserver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第16页包含通用性检务信息选择需要查询字段，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。CIQ2000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中的数据提取第17页首先，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网络设计第18页为简化网络结构，将大、中、小分别以（0,0,1）、（0,1,0）、(1,0,0)表示。根据Kolmogorov定理，采用N×2N+1×M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网络设计第19页加快训练网络的收敛性归一化方法主要有如下几种：（1）线性函数转换(2)对数函数转换(3)反余切函数转换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数据归一化第20页网络训练结果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网络训练第21页设P_test为网络测试输入向量，测试模拟的句法为：Y=sim（net,P_test）则输出的结果为：Y=1.0000-0.9875-0.04690.00751.0000-0.01780.0003-0.00020.9997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网络测试第22页数据导入菜单界面图网络创建图创建的BP网络网络训练结果网络训练的参数设置神经网络工具箱界面课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式第23页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式数据导入菜单界面图第24页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式网络创建图第25页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式创建的BP网络第26页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式神经网络工具箱界面第27页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式网络训练的参数设置第28页课程设计神经网络第三节神经网络在品位确认中的应用3.3.5GUI方式网络训练结果第29页ThankYou向平矿物1204班0305120410《计算机在钢铁冶金中的应用》课程设计