随着我国经济的迅速发展,我国对矿产资源的消费需求也越来越大。近些年,采矿业发展迅速,这就对采矿技术提出了越来越高的要求。在开采矿产资源的过程当中,品位可以用来衡量矿石的品性和质量,品位是指矿石中有用组成部分的单位含量。矿石品位的高低直接反映了矿石品质的优劣程度。因此,找到一种合适的方法测量出矿石的品位,用来指导实际中的矿石的开采,将在很大程度上提高矿石的开采效率,增强了工厂的生产力和生产效益。本次课题研究的原始数据的采集来自于激光扫描仪的测量,利用MATLAB对数据进行处理。首先对扫描的数据进行三维数值模拟,得到多节车厢的三维网线图,再以一节车厢的扫描数据作为样本还原矿车表面的实际情况。其次,通过计算矿车表面小方块的面积占整个表面积的比例,还原小车表面的块矿比。对数据的处理只是课题的一部分,怎样通过数据去求得车厢内铁矿石的体积和松散系数也是亟待解决的一个问题。因为车厢内矿石是不规则的物体,所以,矿石的体积要用特殊的方法才能够计算。装载矿石的车厢是一个有规则长方体,这样可以很容易的计算出矿车的底面积,车厢内矿石的高度可以通过采集到的数据处理得到,再利用数值积分原理求得矿石的体积。求出了矿石的体积,进而就可以算出矿石的松散系数(松散系数是指土石料松动的体积与土石料未松动时的自然体积的比值。)。通过构造BP神经网络模型找出矿石的重量、体积及松散系数和矿石品位的某种对应关系。通过矿石的重量、体积和松散系数求出矿石的品位,进而与实验得出的品位相比较,矿石的块矿比用于松散系数的修正,从而缩小实验品位与计算品位的误差。构造BP神经网络模型,不断的去训练输入和输出的样本,得到最佳的网络权值矩阵,最终找到分析品位的计算方法,这种计算品位的方法将比实验方法更有效率,对于今后矿石品位的分析计量有着极其重要的作用。