CN114700266A - 分选密度预测方法及预测模型构建方法和装置 - Google Patents
分选密度预测方法及预测模型构建方法和装置 Download PDFInfo
- Publication number
- CN114700266A CN114700266A CN202210378645.3A CN202210378645A CN114700266A CN 114700266 A CN114700266 A CN 114700266A CN 202210378645 A CN202210378645 A CN 202210378645A CN 114700266 A CN114700266 A CN 114700266A
- Authority
- CN
- China
- Prior art keywords
- density
- sorted
- mineral
- fluidized bed
- minerals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010276 construction Methods 0.000 title claims abstract description 18
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 203
- 239000011707 mineral Substances 0.000 claims abstract description 203
- 239000002245 particle Substances 0.000 claims abstract description 76
- 238000005243 fluidization Methods 0.000 claims abstract description 59
- 238000000926 separation method Methods 0.000 claims abstract description 36
- 230000005587 bubbling Effects 0.000 claims abstract description 6
- 230000005484 gravity Effects 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 238000003325 tomography Methods 0.000 claims description 14
- 238000012512 characterization method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 8
- 238000004141 dimensional analysis Methods 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 10
- 235000019580 granularity Nutrition 0.000 description 37
- 239000000428 dust Substances 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
- B07B7/00—Selective separation of solid materials carried by, or dispersed in, gas currents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Combined Means For Separation Of Solids (AREA)
Abstract
本申请涉及一种分选密度预测方法及预测模型构建方法和装置,属于矿物识别技术领域,解决现有技术中分选密度预测模型精确度不高的问题。预测模型构建方法包括:对流化床内加重质颗粒进行流化操作达到鼓泡流态化;通过测力计将待分选矿物悬挂于干法重介流化床中,待分选矿物为重密度矿石;采集待分选矿物受到的合力、床层密度;根据待分选矿物受到的合力、床层密度,以及待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆密度,确定流化床内待分选矿物上方流化床死区体积和待分选矿物的粒度的函数关系;基于函数关系构建干法重介流化床分选密度预测模型。本申请通过将流化死区对分选密度的影响数据化提高分选密度预测模型的计算精度。
Description
技术领域
本申请涉及矿物识别技术领域,尤其涉及一种分选密度预测方法及预测模型构建方法和装置。
背景技术
待分选矿物在干法分选流化床内的运动行为影响着流态化干法分选效果。获取待分选矿物在干法分选流化床中的分离行为信息,对矿物的流态化高效分选具有重要意义。
目前干法分选流化床内待分选矿物的动力学行为缺乏准确的观测手段,待分选矿物分离行为的研究多处于表面观测状态,缺乏对待分选矿物分离过程的深入研究与验证,导致得到的模型的计算精度不高。
发明内容
鉴于上述的分析,本申请旨在提出一种分选密度预测方法及预测模型构建方法和装置,解决上述问题中的至少一个。
本申请的目的主要是通过以下技术方案实现的:
第一方面,本申请提供了一种流化床分选密度预测模型构建方法,包括:
对流化床内加重质颗粒进行流化操作达到鼓泡流态化;
通过测力计将待分选矿物悬挂于干法重介流化床中;
采集所述待分选矿物受到的合力和床层密度;
根据所述待分选矿物受到的合力、床层密度,以及所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定所述待分选矿物上方流化床死区体积和所述待分选矿物的粒度的函数关系;
基于所述函数关系构建干法重介流化床分选密度预测模型。
进一步地,根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积;
针对多个所述待分选矿物,分别确定各所述待分选矿物的流化床死区体积和各所述待分选矿物的粒度;
根据所述多个待分选矿物的流化床死区体积和粒度,通过量纲分析和数据拟合得到所述流化床死区体积和所述待分选矿物的粒度的函数关系。
进一步地,所述根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积,包括:
根据所述待分选矿物的粒度,确定所述待分选矿物的体积;
根据所述待分选矿物的真实密度和所述体积,确定所述待分选矿物受到重力;
根据所述床层密度和所述体积,确定所述待分选矿物受到的浮力;
根据所述合力、所述重力和所述浮力,确定所述流化死区对所待分选矿物施加的附加重力;
根据所述流化死区对应的附加重力和所述加重质颗粒的堆积密度,确定所述流化死区的体积。
进一步地,所述分选密度预测模型为:
ρsep=ρbed+ρdrag-ρparticle
其中,ρsep表征分选密度,ρbed表征床层密度,ρdrag表征曳力造成的分选密度变化值,ρparticle表征流化死区所造成的分选密度变化值;
所述基于所述函数关系构建干法重介流化床分选密度预测模型,包括:
根据流化死区体积Vhood和待分选矿物体积得到所述流化死区与待分选矿物的总体积Vtol:
Vhood表征流化死区体积,dsph表征所述待分选矿物的粒度,K和α均为常数;
根据所述Vtol,确定流化死区所造成的分选密度变化值ρparticle:
ρhood表征流化死区中加重质颗粒的堆积密度。
进一步地,利用电容层析成像技术ECT校验所述分选密度预测模型得到的分选密度是否正确。
进一步地,所述利用电容层析成像技术ECT校验所述分选密度预测模型得到的分选密度是否正确,包括:
根据预设密度范围,确定多个校验矿物,每一个所述校验矿物对应一个密度;
分别在同一流化床高度下,对每一个所述校验矿物进行浮沉试验,并在每一次试验中,分别统计各所述校验矿物的下沉次数;
根据所述下沉次数和沉浮试验次数,确定各所述校验矿物颗粒的分配率;
根据各所述校验矿物对应的密度和分配率,确定所述流化床高度下的标准分选密度;
根据所述标准分选密度,确定所述分选密度预测模型得到的分选密度是否正确。
进一步地,所述方法还包括:
通过模拟软件确定流化床中介电常数灵敏度的分布;
根据所述流化床中介电常数灵敏度的分布,确定ECT观测的最优条件;
所述最优条件包括:被观测物的粒度、介电常数、在流化床中的投放位置。
第二方面,本申请实施例提供了一种流化床分选密度预测方法,包括:
获取待分选矿物的真实密度和粒径、加重质颗粒的堆积密度、流化床的操作气速和流化气体密度、床层密度;
根据所述待分选矿物的真实密度和粒径、所述加重质颗粒的堆积密度、所述流化床的操作气速和流化气体密度、床层密度,通过第一方面构建的流化床分选密度预测模型,确定所述待分选矿物对应的流化床分选密度。
第三方面,本申请实施例提供了一种流化床分选密度预测模型构建装置,包括:合力检测模块、采集模块和数据处理模块;
所述合力检测模块用于在对流化床内加重质颗粒进行流化操作达到鼓泡流态化后,通过测力计将待分选矿物悬挂于干法重介流化床;
所述采集模块用于采集所述待分选矿物受到的合力和床层密度;
所述数据处理模块用于根据所述待分选矿物受到的合力、床层密度,以及所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定所述待分选矿物上方流化床死区体积和所述待分选矿物的粒度的函数关系;基于所述函数关系构建干法重介流化床分选密度预测模型。
进一步地,所述数据处理模块用于根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积;针对多个所述待分选矿物,分别确定各所述待分选矿物的流化床死区体积和各所述待分选矿物的粒度;根据所述多个待分选矿物的流化床死区体积和粒度,通过量纲分析和数据拟合得到所述流化床死区体积和所述待分选矿物的粒度的函数关系。
第四方面,本申请实施例提供了一种流化床分选密度预测模型构建系统,包括:供风设备、流化床、ECT设备、测力计和第三方面所述的装置;
所述供风设备出气端连接所述流化床底部,向所述流化床内室顶部吹气;
所述ECT设备的检测端设置所述流化床外壁;
所述测力计设置在所述流化床顶端;
所述装置与所述ECT设备和所述测力计数据连接。
与现有技术相比,本申请至少能实现以下技术效果之一:
1.在流化工艺中,待分选矿物会阻断气路,因此在待分选矿物远离气路方向上会形成流化死区。流化死区的中流化不良的加重质颗粒会对入料层的待分选矿物产生附加重力,从而影响分选密度的确定。对于流化床中的待分选矿物,其受到四个分别是重力、曳力、浮力和流化死区产生的附加重力,其中曳力可忽略不计,重力和浮力又容易求得。因此本申请利用测力计测得待分选矿物的合力,再结合床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,可以很容易求得流化死区的附加重力,使附加重力数据化。为构建精准的分选密度模型奠定技术基础。
2.分选密度为床层密度、曳力对应密度变化量和附加重力对应的密度变化之和,通过得到流化床死区体积和待分选矿物的粒度的函数关系,将流化死区这一因素转变成模型的参数,以实现在分选密度预测模型中体现流化死区这一要素,从而提高了分选密度预测模型的计算精度。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本申请的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本申请实施例提供一种流化床分选密度预测模型构建方法的流程图;
图2为本申请实施例提供一种流化床分选密度预测模型构建系统的结构示意图。
图3为本申请实施例提供的浮沉试验结果的数据表;
图4为本申请实施例提供的沉物分配曲线。
附图标记:1-鼓风机、2-气罐、3-压力表、4-蝶阀、5-转子流量计、6-流化床体、7-待分选矿物、8-电子测力计、9-防尘罩、10-除尘器、11-集尘箱、12-引风机、13-电容层析成像系统的传感器、14-电容层析成像测量设备、15-计算机。
具体实施方式
下面结合附图来具体描述本申请的优选实施例,其中,附图构成本申请一部分,并与本申请的实施例一起用于阐释本申请的原理,并非用于限定本申请的范围。
现有技术通常以床层密度为分选密度,并不断改进提高床层密度的测量方法,以提高分选密度的精度。但对于流化中床中的待分选矿物,流化死区的存在影响干法分选流化床分选密度的确定。
具体地,由于气体是通过布风板均匀布风后由床层底部向上流动的,由于在流化床内部的待分选矿物自身体积较大,自身的存在会阻挡一部分的向上气流。所以流化床中的待分选矿物会改变气流的走向,使原有气流通路被阻断。如此,在待分选矿物的上表面附近区域内没有形成有效的上升气流供该区域内的加重质颗粒充分悬浮,这部分加重质颗粒被称为流化不良的加重质。流化不良的加重质所在的区域即为流化死区。死区范围内的流化不良的加重质会将自身的重力施加于待分选矿物,使得待分选矿物变的更“重”了,从而影响干法分选流化床分选密度的确定。
为了将流化死区对分选密度的影响量化,并构建包含流化死区因素的分选密度模型,本申请实施例提供了一种干法重介流化床分选密度预测模型构建方法,如图1所示,包括以下步骤:
步骤1、对流化床内加重质颗粒进行流化操作达到鼓泡流态化。
步骤2、通过测力计将待分选矿物悬挂于干法重介流化床中。
在本申请实施例中,加重质颗粒会堆积在待分选矿物不接触气流的一侧,而加重质颗粒堆积的区域即为流化死区。
步骤3、采集待分选矿物受到的合力、床层密度,并获取待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度。
在本申请实施例中,待分选矿物受到的合力可由测力计获取,待分选矿物的粒度可以直接测量或者通过筛选法获得,待分选矿物的真实密度和加重质颗粒的堆积密度可以通过查表获得。
步骤4、根据待分选矿物受到的合力、床层密度,以及待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度,确定流化床死区体积和待分选矿物的粒度的函数关系。
在本申请实施例中,根据待分选矿物受到的合力、床层密度、待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度,确定流化床死区体积。具体地,
根据待分选矿物的粒度,确定待分选矿物的体积。
在本申请实施例中,待分选矿物视为球体,其体积计算公式为:
其中,V代表体积,d代表球体的直径即粒度。
根据待分选矿物的真实密度和体积,确定待分选矿物受到重力。
计算公式为:
其中,G为重力,dsph为待分选矿物的粒度,ρp为待分选矿物密度,g为重力加速度。
根据床层密度和体积,确定待分选矿物受到的浮力;
计算公式为:
其中,Ff为浮力,ρbed为床层密度。
根据合力、重力和浮力,确定流化死区对待分选矿物施加的附加重力。
计算公式为:
G+Ff+Fe=Fh
其中,Fe为流化死区对待分选矿物施加的附加重力,Fh为测力计得到合力。合力、重力、浮力和流化死区对待分选矿物施加的附加重力均为矢量。
根据流化死区对应的附加重力和加重质颗粒的堆积密度,确定流化死区的体积。
计算公式为:
Fe=ρhoodgVhood
其中,Vhood表征流化死区体积,ρhood表征流化死区中加重质颗粒的堆积密度。流化死区的堆积密度即为加重质颗粒的堆积密度。
针对多个待分选矿物,分别获取各待分选矿物的粒度,并按照上述方法计算得到多个流化床死区体积。之后根据多个流化床死区体积多个待分选矿物的粒度,通过量纲分析和数据拟合得到流化床死区体积和待分选矿物的粒度的函数关系:
其中,Vhood表征流化死区体积,dsph表征所述待分选矿物的粒度,N为操作气速与流化速度的比值,系数K和系数α通过拟合得到。需要说明的是,量纲分析得到了函数关系对应的公式,通过数据拟合得到系数K和系数α。
步骤5、基于函数关系构建干法重介流化床分选密度预测模型。
在本申请实施例中,分选密度预测模型的通式为:
ρsep=ρbed+ρdrag-ρparticle
其中,ρsep表征分选密度,ρbed表征床层密度,ρdrag表征曳力造成的分选密度变化值,ρparticle表征流化死区所造成的分选密度变化值。
ρparticle的计算过程为:
根据流化死区体积和待分选矿物体积得到所述待分选矿物的体积Vtol:
根据所述Vtol,确定流化死区所造成的分选密度变化值ρparticle:
ρdrag具体为
其中,vg为操作气速,μf为空气粘度为常数,ρf为流化床中气体密度。而ρbed可以借助ECT通过相应的模型求出,具体地:
ρbed=ρs×εd+ρg×εb
ρs为加重质颗粒真实密度,εd表示乳化相在流化床中的分布比例,εb表示气泡相在流化床中的分布比例,ρg表示气体的密度。
U为操作气速;Umf为流化床的最小流化速度;Y代表气泡相体积流率与气泡相体积流率的比值,为常数。Ub为气泡移动速度。
εd=(1-εmf)(1-εb)
εmf最小流化孔隙率可以由加重质颗粒的真实密度和堆积密度求得。
由此可知,确定ρbed的关键在于测量气泡移动速度。气泡移动速度可以通过ECT得到,最后根据计算ρbed的公式和气泡移动速度得到ρbed。
综上,分选密度模型通式的最终形式为:
在分选密度模型的最终形式中,只需要通过流化死区体积和待分选矿物的粒度得到系数K和系数α,就能完成构建分选密度模型。
在本申请实施例中,分选密度模型构建完成之后,只需获取加重质颗粒的堆积密度和粒径、流化床的操作气速和流化气体密度、床层密度,就可以根据获取到的数据和得到的分选密度模型,预测待分选矿物对应的流化床分选密度。
任何模型都有自己的适用范围,对于流化床而言,分选密度模型的应用范围包括待分选矿物与加重质颗粒的种类,待分选矿物与加重质颗粒的粒径和工艺条件。由于分选密度不能直接测量,这给验证模型的适用范围带来极大的困难。为了解决上述技术问题,本申请通过ECT对分选密度模型得到的分选密度进行验证。
电容层析成像技术作为一种非侵入性的成像手段,被认为是解决连续相为非导电物质的两相流及多相流成像的最有效手段,具有表征三维流化床内大块矿物运动行为的潜力,为三维流化床中待分选矿物分离行为的研究提供良好的条件,能够完成对流化床分选密度的精准的预测,有利于实现干法分选流化床的高效分选。
具体地,根据预设密度范围,确定多个校验矿物,每一个校验矿物对应一个密度;分别在同一流化床高度下,对每一个校验矿物进行浮沉试验,并在每一次试验中,分别统计各校验矿物的下沉次数;根据下沉次数和沉浮试验次数,确定各校验矿物颗粒的分配率;根据各校验矿物对应的密度和分配率,确定流化床高度下的标准分选密度;根据标准分选密度,确定分选密度预测模型得到的分选密度是否正确。借助ECT成像,检测人员可以获取到矿物颗粒在流化床中的移动踪迹,为确认矿物颗粒是否在流化床中下沉提供技术支持。由于是针对单个颗粒进行浮沉试验,为了排除偶然性,需要进行多次测试,之后利用下沉次数和测试次数的比值,求得分配率。并根据多个密度和多个分配率进行数值拟合得到分配率和密度的函数,最后根据该函数选择分配率50%对应的密度为标准分选密度。例如;
试验采用直径为30mm乒乓球填充混合颗粒,以配制成不同密度的标准球形密度球,并分别在气固流化床内进行浮沉试验,以测量流化床分选密度。以150-300um磁铁矿粉气固流化床为示例,展示密度球浮沉试验,床内临界流化气速为10cm/s,表观气速为12.4cm/s,初始床层高度为40-300mm范围内,分选时间为60s,单个密度球浮沉试验重复测试30次,并记录其下沉次数,该浮沉试验结果如下3所示。
利用上述数据绘制不同初始床高下的沉物分配曲线,曲线中分配率为50%所对应的横坐标即为某一初始床高下的流化床分选密度。如图4所示,2.22g/cm3为标准分选密度。
以ECT作为衡量模型计算结果正确与否的标准,需要保证ECT自身的检测效果。为了保证ECT的检测效果,本申请实施例通过模拟软件确定流化床中介电常数灵敏度的分布。根据所述流化床中介电常数灵敏度的分布,确定ECT观测的最优条件,所述最优条件包括:被观测物的粒度、介电常数、在流化床中的投放位置。
具体地,利用有限元分析软件Comsol分别模拟出流化床和ECT传感器。并将流化床分割成多个区域,每一个区域对应一个ECT的检测位置。之后模拟具有不同介电常数、不同粒度的待分选矿物,并将模拟出的待分选矿物放在不同的检测位置,以确定粒度、介电常数和测试位置对检测结果的影响。根据粒度、介电常数和测试位置对检测结果的影响,可以确定ECT观测的最优条件。检测前根据ECT观测的最优条件,或对ECT进行校准,或调整粒度、介电常数和测试位置。
本申请实施例提供了一种流化床分选密度预测模型构建装置,包括:合力检测模块、采集模块和数据处理模块;
合力检测模块用于通过测力计将待分选矿物悬挂于与干法重介流化床中,并对待分选矿物进行流化操作,待分选矿物包括:流化床死区和待分选矿物;
采集模块用于采集待分选矿物受到的合力、床层密度、待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度;
数据处理模块用于根据待分选矿物受到的合力、床层密度、待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度,确定流化床死区体积和待分选矿物的粒度的函数关系;基于函数关系构建干法重介流化床分选密度预测模型。
其中,数据处理模块用于根据待分选矿物受到的合力、床层密度、待分选矿物的粒度、待分选矿物的真实密度和加重质颗粒的堆积密度,确定流化床死区体积;针对多个待分选矿物,分别确定各待分选矿物的流化床死区体积和各待分选矿物的粒度;根据多个待分选矿物的流化床死区体积和粒度,通过量纲分析和数据拟合得到流化床死区体积和待分选矿物的粒度的函数关系。
本申请提供了一种流化床分选密度预测模型构建系统,如图2所示,包括:出气设备、流化床、ECT设备、测力计和流化床分选密度预测模型构建装置;
出气设备出气端连接流化床底部,向流化床内室顶部吹气;ECT设备的检测端设置流化床外壁;测力计设置在流化床顶端;流化床分选密度预测模型构建装置与ECT设备和测力计数据连接。
具体地,流化床分选密度预测模型构建系统包括:鼓风机1、气罐2、压力表3、蝶阀4、转子流量计5、流化床体6、电子测力计8、防尘罩9、除尘器10、集尘箱11、引风机12、电容层析成像系统的传感器13、电容层析成像测量设备14、计算机15。
出气设备包括:鼓风机1、气罐2、压力表3、蝶阀4、转子流量计5。鼓风机1产生的气体存储与气罐2。流化时,控制蝶阀4将气罐2中的气体输送至流化床体6的底部。并通过转子流量计5监测气流量,通过压力表3监测气压。流化后的气体从流化床体6的上端流出,经防尘罩9依次通过除尘器10、集尘箱11,最后被引风机12排入大气。
ECT设备包括电容层析成像系统的传感器13、电容层析成像测量设备14。流化床分选密度预测模型构建装置集成在计算机15上。电容层析成像系统的传感器13采集流化床体6内的介电常数分布信息,并将介电常数分布信息传输至电容层析成像测量设备14。电容层析成像测量设备14将介电常数分布信息转换成图像,并将图像传输至计算机15。此外,计算机15还会接收电子测力计8采集到的合力。电子测力计8设置在流化床体6顶端,其底端悬挂矿物7。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种流化床分选密度预测模型构建方法,其特征在于,包括:
对流化床内加重质颗粒进行流化操作达到鼓泡流态化;
通过测力计将待分选矿物悬挂于干法重介流化床中;
采集所述待分选矿物受到的合力和床层密度;
根据所述待分选矿物受到的合力、床层密度,以及所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定所述待分选矿物上方流化床死区体积和所述待分选矿物的粒度的函数关系;
基于所述函数关系构建干法重介流化床分选密度预测模型。
2.根据权利要求1所述方法,其特征在于,所述确定所述待分选矿物上方流化床死区体积和所述待分选矿物的粒度的函数关系,包括:
根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积;
针对多个所述待分选矿物,分别确定各所述待分选矿物的流化床死区体积和各所述待分选矿物的粒度;
根据所述多个待分选矿物的流化床死区体积和粒度,通过量纲分析和数据拟合得到所述流化床死区体积和所述待分选矿物的粒度的函数关系。
3.根据权利要求2所述方法,其特征在于,所述根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积,包括:
根据所述待分选矿物的粒度,确定所述待分选矿物的体积;
根据所述待分选矿物的真实密度和所述体积,确定所述待分选矿物受到重力;
根据所述床层密度和所述体积,确定所述待分选矿物受到的浮力;
根据所述合力、所述重力和所述浮力,确定所述流化死区对所待分选矿物施加的附加重力;
根据所述流化死区对应的附加重力和所述加重质颗粒的堆积密度,确定所述流化死区的体积。
4.根据权利要求3所述方法,其特征在于,
所述分选密度预测模型为:
ρsep=ρbed+ρdrag-ρparticle
其中,ρsep表征分选密度,ρbed表征床层密度,ρdrag表征曳力造成的分选密度变化值,ρparticle表征流化死区所造成的分选密度变化值;
所述基于所述函数关系构建干法重介流化床分选密度预测模型,包括:
根据流化死区体积Vhood和待分选矿物体积得到所述流化死区与待分选矿物的总体积Vtol:
Vhood表征流化死区体积,dsph表征所述待分选矿物的粒度,K和α均为常数;
根据所述Vtol,确定流化死区所造成的分选密度变化值ρparticle:
ρhood表征流化死区中加重质颗粒的堆积密度。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
利用电容层析成像技术ECT校验所述分选密度预测模型得到的分选密度是否正确。
6.根据权利要求5所述的方法,其特征在于,
所述利用电容层析成像技术ECT校验所述分选密度预测模型得到的分选密度是否正确,包括:
根据预设密度范围,确定多个校验矿物,每一个所述校验矿物对应一个密度;
分别在同一流化床高度下,对每一个所述校验矿物进行浮沉试验,并在每一次试验中,分别统计各所述校验矿物的下沉次数;
根据所述下沉次数和沉浮试验次数,确定各所述校验矿物颗粒的分配率;
根据各所述校验矿物对应的密度和分配率,确定所述流化床高度下的标准分选密度;
根据所述标准分选密度,确定所述分选密度预测模型得到的分选密度是否正确。
7.根据权利要求5所述的方法,其特征在于,
所述方法还包括:
通过模拟软件确定流化床中介电常数灵敏度的分布;
根据所述流化床中介电常数灵敏度的分布,确定ECT观测的最优条件;
所述最优条件包括:被观测物的粒度、介电常数、在流化床中的投放位置。
8.一种流化床分选密度预测方法,其特征在于,包括:
获取待分选矿物的真实密度和粒径、加重质颗粒的堆积密度、流化床的操作气速和流化气体密度、床层密度;
根据所述待分选矿物的真实密度和粒径、所述加重质颗粒的堆积密度、所述流化床的操作气速和流化气体密度、床层密度,通过权利要求1-7构建的流化床分选密度预测模型,确定所述待分选矿物对应的流化床分选密度。
9.一种流化床分选密度预测模型构建装置,其特征在于,包括:合力检测模块、采集模块和数据处理模块;
所述合力检测模块用于在对流化床内加重质颗粒进行流化操作达到鼓泡流态化后,通过测力计将待分选矿物悬挂于干法重介流化床;
所述采集模块用于采集所述待分选矿物受到的合力和床层密度;
所述数据处理模块用于根据所述待分选矿物受到的合力、床层密度,以及所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定所述待分选矿物上方流化床死区体积和所述待分选矿物的粒度的函数关系;基于所述函数关系构建干法重介流化床分选密度预测模型。
10.根据权利要求9所述的装置,其特征在于,
所述数据处理模块用于根据所述待分选矿物受到的合力、床层密度、所述待分选矿物的粒度、所述待分选矿物的真实密度和所述加重质颗粒的堆积密度,确定流化床死区体积;针对多个所述待分选矿物,分别确定各所述待分选矿物的流化床死区体积和各所述待分选矿物的粒度;根据所述多个待分选矿物的流化床死区体积和粒度,通过量纲分析和数据拟合得到所述流化床死区体积和所述待分选矿物的粒度的函数关系。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378645.3A CN114700266B (zh) | 2022-04-08 | 2022-04-08 | 分选密度预测方法及预测模型构建方法和装置 |
PCT/CN2023/085316 WO2023193656A1 (zh) | 2022-04-08 | 2023-03-31 | 分选密度预测方法及预测模型构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378645.3A CN114700266B (zh) | 2022-04-08 | 2022-04-08 | 分选密度预测方法及预测模型构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114700266A true CN114700266A (zh) | 2022-07-05 |
CN114700266B CN114700266B (zh) | 2023-04-07 |
Family
ID=82175497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210378645.3A Active CN114700266B (zh) | 2022-04-08 | 2022-04-08 | 分选密度预测方法及预测模型构建方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114700266B (zh) |
WO (1) | WO2023193656A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023193656A1 (zh) * | 2022-04-08 | 2023-10-12 | 中国矿业大学 | 分选密度预测方法及预测模型构建方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030111131A1 (en) * | 2001-12-17 | 2003-06-19 | Jesse Zhu | Apparatus for volumetric metering of small quantity of powder from fluidized beds |
CN101605598A (zh) * | 2006-11-10 | 2009-12-16 | 新泽西理工学院 | 包括第二气体流的流化床系统和方法 |
CN105214956A (zh) * | 2015-10-28 | 2016-01-06 | 中国矿业大学 | 一种浓相气固流化床干法分选系统及工艺 |
CN110293056A (zh) * | 2019-03-29 | 2019-10-01 | 中国矿业大学 | 一种利用分选密度梯度的气固流化床干法分选工艺 |
CN110328140A (zh) * | 2019-03-29 | 2019-10-15 | 中国矿业大学 | 提高颗粒流化质量和分选密度稳定性的方法及配套装置 |
CN213792827U (zh) * | 2020-12-10 | 2021-07-27 | 温德扬 | 一种新型气固流化床分选装置 |
WO2021227204A1 (zh) * | 2020-05-15 | 2021-11-18 | 中国矿业大学 | 一种干法重介质流化床密度在线测试装置及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3546237B1 (ja) * | 2003-04-08 | 2004-07-21 | 岡山大学長 | 乾式分離方法 |
CN102778322B (zh) * | 2012-07-12 | 2014-04-16 | 中国矿业大学 | 浓相气固流化床中煤炭颗粒的受力测量装置及方法 |
CN110038796A (zh) * | 2019-04-30 | 2019-07-23 | 中国矿业大学 | 一种梯级变孔径布风气固分选流化床装置及方法 |
CN114700266B (zh) * | 2022-04-08 | 2023-04-07 | 中国矿业大学 | 分选密度预测方法及预测模型构建方法和装置 |
CN114720321A (zh) * | 2022-04-08 | 2022-07-08 | 中国矿业大学 | 分选密度预测模型构建系统和分选密度预测系统 |
-
2022
- 2022-04-08 CN CN202210378645.3A patent/CN114700266B/zh active Active
-
2023
- 2023-03-31 WO PCT/CN2023/085316 patent/WO2023193656A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030111131A1 (en) * | 2001-12-17 | 2003-06-19 | Jesse Zhu | Apparatus for volumetric metering of small quantity of powder from fluidized beds |
CN101605598A (zh) * | 2006-11-10 | 2009-12-16 | 新泽西理工学院 | 包括第二气体流的流化床系统和方法 |
CN105214956A (zh) * | 2015-10-28 | 2016-01-06 | 中国矿业大学 | 一种浓相气固流化床干法分选系统及工艺 |
CN110293056A (zh) * | 2019-03-29 | 2019-10-01 | 中国矿业大学 | 一种利用分选密度梯度的气固流化床干法分选工艺 |
CN110328140A (zh) * | 2019-03-29 | 2019-10-15 | 中国矿业大学 | 提高颗粒流化质量和分选密度稳定性的方法及配套装置 |
WO2020199817A1 (zh) * | 2019-03-29 | 2020-10-08 | 中国矿业大学 | 提高颗粒流化质量和分选密度稳定性的方法及配套装置 |
WO2021227204A1 (zh) * | 2020-05-15 | 2021-11-18 | 中国矿业大学 | 一种干法重介质流化床密度在线测试装置及方法 |
CN213792827U (zh) * | 2020-12-10 | 2021-07-27 | 温德扬 | 一种新型气固流化床分选装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023193656A1 (zh) * | 2022-04-08 | 2023-10-12 | 中国矿业大学 | 分选密度预测方法及预测模型构建方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023193656A1 (zh) | 2023-10-12 |
CN114700266B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114700266B (zh) | 分选密度预测方法及预测模型构建方法和装置 | |
Løvoll et al. | Force measurements on static granular materials | |
You et al. | Investigation of the vibration sorting of non-spherical particles based on DEM simulation | |
Faria et al. | Wind tunnel and computational study of the stoss slope effect on the aeolian erosion of transverse sand dunes | |
CN109583066A (zh) | 一种直流架空线路绝缘子表面污秽沉积模拟方法 | |
Powell et al. | A three-dimensional analysis of media motion and grinding regions in mills | |
CN114720321A (zh) | 分选密度预测模型构建系统和分选密度预测系统 | |
CN108107282A (zh) | 碰撞颗粒的静电发生测量装置及方法 | |
Zhang et al. | A new parameterization of particle dry deposition over rough surfaces | |
CN103162931B (zh) | 一种煤粉装堆起尘规律的风洞实验方法 | |
Liu et al. | Particles movement behavior and apparent density in gas–solid fluidized bed as determined by an electronic dynamometer and electrical capacitance tomography | |
CN114441734A (zh) | 一种煤炭静置堆垛起尘规律的模拟方法 | |
Grobbel et al. | Calibration of parameters for DEM simulations of solar particle receivers by bulk experiments and surrogate functions | |
KArwAT et al. | Calibration of bulk material model in Discrete Element Method on example of perlite D18-DN | |
Mohanta et al. | Characteristics of minimum fluidization velocity for magnetite powder used in an air dense medium fluidized bed for coal beneficiation | |
Fan et al. | Development of a benchmark for drag correlations of nonspherical particles based on settling experiments of super-ellipsoidal particles | |
CN107678054A (zh) | 一种基于低频振动的氡析出模拟装置和氡析出率测量方法 | |
Fu et al. | Inconsistent effect of dynamic load waveform on macro-and micro-scale responses of ballast bed characterized in individual cycle: a numerical study | |
CN104978452B (zh) | 一种模拟预测颗粒物料悬浮速度的方法 | |
Zhang et al. | Measurement of charge distributions in a bubbling fluidized bed using wire-mesh electrostatic sensors | |
CN115719012B (zh) | 基于无人机遥感与多相sph算法的尾矿库放矿布置方法 | |
CN105512690B (zh) | 基于监督等距映射和支持向量回归的球磨机料位测量方法 | |
CN215115095U (zh) | 一种用于风洞试验的建筑外风场模拟测试装置 | |
CN106052744B (zh) | 基于静电传感器的管道气力输送最小压降速度判定方法 | |
Williams | Tomographic imaging for modelling and control of mineral processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |