采礦工程畢業(yè)設計論文
采礦工程是一個(gè)國家的重要產(chǎn)業(yè),采礦工程直接關(guān)系到國家資源、能源的正常供應和使用安全。以下是專(zhuān)門(mén)為你收集整理的采礦工程畢業(yè)設計論文，供參考閱讀！
采礦工程方法優(yōu)化研究
【摘要】采礦工程中的許多方法都是可以?xún)?yōu)化的，比如采礦工程中的開(kāi)拓系統和采礦方法。這些方法優(yōu)化問(wèn)題，由于決策變量眾多，并且不同情況的所起的作用不同，導致多數問(wèn)題都是復雜的非線(xiàn)性化問(wèn)題，不僅如此變量之間的聯(lián)系有時(shí)很難用確切的數學(xué)模型或者數學(xué)表達式表達出來(lái)。因此我們考慮到可以利用計算機技術(shù)和人工智能的技術(shù)來(lái)實(shí)現采礦工程中方法的優(yōu)化問(wèn)題，比如遺傳算法，神經(jīng)網(wǎng)絡(luò )等，本文從上述幾種技術(shù)角度，結合實(shí)際例子探討了采礦工程方法的優(yōu)化問(wèn)題。
【關(guān)鍵詞】采礦工程;優(yōu)化;采礦方法
采礦工程中的許多問(wèn)題的決策和方法的優(yōu)化，都是多決策變量問(wèn)題。以往對這種問(wèn)題的處理方式都是采用單一變量法，即采用固定其他變量使其值保持不變，通過(guò)變化某一變量來(lái)探索這一變量對目標函數或目標問(wèn)題結果的影響，從而找出最優(yōu)解。雖然這種方式大大簡(jiǎn)化了這種多變量問(wèn)題的求解方式，但是它忽略了各個(gè)變量之間的相互關(guān)系，以及他們之間的相互作用對最終結果的影響，因此所得的結果并不是真正的最優(yōu)值。為了求得真正的最優(yōu)解，需要同時(shí)改變各決策變量，探索他們在這種情況下和目標的關(guān)系以及的對目標結果的影響，從而找出綜合最優(yōu)值。
1、優(yōu)化方法
1.1遺傳算法的定義
遺傳算法是一種自適應優(yōu)化的方法。這種方法基于生物進(jìn)化的原理，它模擬了生物進(jìn)化的步驟，將繁殖、雜交、變異、競爭和選擇等概念引入到算法中。[1]通過(guò)對一組可行解的維持和重新組合，在多決策變量共同作用的條件下，改進(jìn)可行解的移動(dòng)軌跡曲線(xiàn)，最終使它趨向最優(yōu)解。這種方式是模擬生物適應外界環(huán)境的遺傳變異機理，克服了傳統的單決策變量法容易導致的局部極值的缺點(diǎn)，是一種全局優(yōu)化算法。
1.2神經(jīng)網(wǎng)絡(luò )的定義
人腦思維方式的一大特點(diǎn)就是：通過(guò)多個(gè)神經(jīng)元之間的同時(shí)的相互作用來(lái)動(dòng)態(tài)完成信息的處理。人工神經(jīng)網(wǎng)絡(luò )就是模擬人腦思維的這種方式，通過(guò)計算機來(lái)完成一個(gè)非線(xiàn)性的動(dòng)力學(xué)系統，可以實(shí)現信息的分布式存儲和并行協(xié)同處理。
1.3遺傳算法與神經(jīng)網(wǎng)絡(luò )協(xié)同優(yōu)化
由于采礦工程的問(wèn)題很難用一個(gè)顯式來(lái)表示，所以我們可以利用人工神經(jīng)網(wǎng)絡(luò )強大的非線(xiàn)性映射能力建立決策變量和目標函數的關(guān)系，實(shí)現對問(wèn)題的顯式化，然后用遺傳算法對這個(gè)目標函數的決策變量進(jìn)行搜索和尋優(yōu)，搜索到后就輸入之前已經(jīng)建模好的神經(jīng)網(wǎng)絡(luò )，網(wǎng)絡(luò )將自動(dòng)進(jìn)行學(xué)習和匹配，從而我們可以計算出目標函數對該組決策變量的適應性，然后根據適應性進(jìn)行遺傳變異操作，反復多次后即可尋得最優(yōu)解。
2、優(yōu)化實(shí)例
2.1遺傳算法在礦石品位優(yōu)化中的應用
遺傳算法是由原始數據，模擬優(yōu)勝劣汰的方式通過(guò)反復迭代獲得最優(yōu)解，在這里實(shí)質(zhì)上是隨機生成一組礦石品位，利用自適應的技術(shù)調整品位，經(jīng)過(guò)反復迭代計算，逐步逼近最優(yōu)解。
(1)編碼：用定長(cháng)字符代表遺傳中的基因，在這里表示某種特定品位，編碼順序依次為邊界品位、最小工業(yè)品位、原礦品位和精礦品位。[2]
(2)初始群體：每次迭代的初始群體由上一次迭代生成，第一次的初始群體隨機生成，每個(gè)群體包含的個(gè)體數確定。
(3)適應度：自然界中的適應度是生物個(gè)體對自然界的適應程度，適應度大，那么它存活下來(lái)的可能性就大。類(lèi)似的這里的適應度是衡量個(gè)體優(yōu)劣的指標，可以驅動(dòng)遺傳算法的優(yōu)化，本例中的適應度取不同品位的礦石所能取得的凈現值。
(4)復制和交換：根據達爾文進(jìn)化論，適應性強的個(gè)體容易生存下來(lái)，那么他們的有利性征就被保留了，同樣的不利性征就被淘汰了，適應性強的個(gè)體他們的后代跟他們的相似度會(huì )比較高，在遺傳算法中可以用復制來(lái)代表這一部分;交換就是指上一代多個(gè)個(gè)體的部分基因相互置換產(chǎn)生新個(gè)體。
(5)突變：遺傳算法中產(chǎn)生新個(gè)體的又一手段，通過(guò)求補運算完成。
(6)終止條件：遺傳算法是迭代運算，在迭代到符合某一要求時(shí)停止，一般都是當群體的平均適應度或最大適應度變化平穩時(shí)，迭代終止。
2.2采礦工程優(yōu)化實(shí)例
本處選擇山東萊蕪鐵礦施工時(shí)的填充材料剛度與采場(chǎng)結構參數的優(yōu)化問(wèn)題來(lái)說(shuō)明一下神經(jīng)網(wǎng)絡(luò )和遺傳算法的具體應用。
山東萊蕪鐵礦谷家臺礦區礦體賦存于大理巖與閃長(cháng)巖的.接觸帶中，上部為第四系和第三系所覆蓋，全部為隱伏礦體，礦脈地理結構十分復雜。[3]上部有河流流過(guò)，雖然河流和礦帶之間有第三系的紅板巖，但是由于局部天窗的分布，導致水層和第四系砂礫石層和灰巖層接觸，隔水效果不好。由于灰巖層的含水性，導致這部分成為承壓含水層。復雜的地質(zhì)背景給開(kāi)礦帶來(lái)了巨大的難度，為了實(shí)現不改河、不疏干、不搬遷、不塌陷、不還水的“五不”方針，最終決定的開(kāi)礦方案是采用礦體近頂板大理巖注漿補漏堵水措施與階段空場(chǎng)嗣后膠結充填采礦方法相結合的綜合治水方案。制約這一方案順利實(shí)施的兩個(gè)重要因素就是充填材料剛度與采場(chǎng)結構參數的優(yōu)選問(wèn)題。
設礦房寬度為Bf，填充體剛度為EC，бt為上盤(pán)出現的最大拉應力。推測得出：從安全性角度考慮，礦房寬度Bf越小，填充體剛度EC越大，則上盤(pán)出現的拉應力越小，施工越可靠;從經(jīng)濟型角度考慮，礦房寬度越大，填充剛度越小越經(jīng)濟，可以看出兩者是相對的，我們要在這之間找一個(gè)最佳匹配值。使得上盤(pán)出現的拉應力小于但又接近于大理巖的抗拉強度。
先通過(guò)神經(jīng)網(wǎng)絡(luò )建立決策量Bf、EC和目標бt的映射關(guān)系，然后用遺傳算法搜索最佳匹配，得到結果Bf=21.256m，EC=396.6MPa，бt=-1.9297MPa，最后進(jìn)行的結果的合理性驗證，表明這個(gè)結果是令人滿(mǎn)意的。
3、結論
作為現階段比較先進(jìn)的計算智能和人工智能技術(shù)，遺傳算法和神經(jīng)網(wǎng)絡(luò )著(zhù)重于通過(guò)迭代算法和非線(xiàn)性映射來(lái)求得問(wèn)題的最優(yōu)解。由于絕大多數礦場(chǎng)的復雜條件導致采礦工程中的許多問(wèn)題和方法的決策存在眾多的決策變量，并且多數變量和目標量的關(guān)系都是非線(xiàn)性的，這些特點(diǎn)使得遺傳算法和神經(jīng)網(wǎng)絡(luò )等現代先進(jìn)智能技術(shù)能很好的運用到采礦工程的優(yōu)化中去，通過(guò)文章研究和實(shí)例證明，對于采礦工程的方法優(yōu)化，遺傳算法和神經(jīng)網(wǎng)絡(luò )能起到很好的效果，隨著(zhù)這些技術(shù)的進(jìn)步，他們將會(huì )為采礦工程的優(yōu)化方面提供更有力的幫助。
參考文獻
[1]李云，劉霽.神經(jīng)網(wǎng)絡(luò )與主元分析在采礦工程中的應用[J].中南林業(yè)科技大學(xué)學(xué)報，2010，30(6)：140-146.
[2]張磊，柴海福.淺談人工神經(jīng)網(wǎng)絡(luò )在采礦工程中的應用[J].學(xué)術(shù)探討，2008，(6)：172.
[3]劉加東，陸文，路洪斌.淺談采礦方法的優(yōu)化選擇[J].IM&P化工礦物與加工，2009，(1)：25：27.
【采礦工程畢業(yè)設計論文】相關(guān)文章：
工科畢業(yè)設計論文11-27
旅游畢業(yè)設計論文11-17
游戲畢業(yè)設計論文11-10
畢業(yè)設計論文范本11-09
畢業(yè)設計論文提綱10-30
網(wǎng)站畢業(yè)設計論文10-26
美術(shù)畢業(yè)設計論文08-05