CN115793470B - 矿石分选机的参数控制方法和矿石分选机 - Google Patents
矿石分选机的参数控制方法和矿石分选机 Download PDFInfo
- Publication number
- CN115793470B CN115793470B CN202310043201.9A CN202310043201A CN115793470B CN 115793470 B CN115793470 B CN 115793470B CN 202310043201 A CN202310043201 A CN 202310043201A CN 115793470 B CN115793470 B CN 115793470B
- Authority
- CN
- China
- Prior art keywords
- ore
- rate
- nozzle
- entrainment
- execution
- 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.)
- Active
Links
Images
Landscapes
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明涉及矿石分选机的参数控制方法和矿石分选机,首先根据矿石和执行机构的实际情况,构建矿石在执行机构作用下的夹带率和执行率的仿真模型,通过单因素仿真,确定哪些为容易确定的固定量,哪些为不容易确定的自变量,并通过回归试验,对自变量与夹带率、执行率的关系构建第一、第二回归方程。最后根据夹带率和执行率指标,以自变量为决策变量,自变量的取值范围为决策空间,构建第一回归方程和第二回归方程的多目标优化问题,并求解多目标优化问题,确定自变量的控制值,得到各参数的控制值,能够在保障执行率的前提下,最大限度的降低夹带率,提高矿石分选效率和经济效益。
Description
技术领域
本发明涉及自动控制领域,特别是涉及一种矿石分选机的参数控制方法。
背景技术
如图1所示,示例了现有技术中的一种矿石分选机,待分选的矿石,通过振动给料后,下落到输送带上,通过X射线成像检测,判断出尾矿与精矿,经过识别后的矿石通过输送带输送至末端,根据判断结构由执行机构的喷嘴产生的高速气流实现精准打击,使精矿和尾矿分别落于不同的收集仓内,如精矿仓和尾矿仓,实现精矿和尾矿的有效分离与拣选。
由此可见,执行机构是矿石分选机的基础结构和关键组成部分,其主要作用就是将被识别出的尾矿与精矿进行分离,从而提高矿石品位。但是,如图1-图3所示,执行机构在对矿石进行喷吹动作和分选动作时,从喷嘴喷射出的射流会带动周围介质流动,使得射流的质量流量、射流的横断面积沿出流方向不断增加,形成向周围扩散的椎体状流动场。一方面,若存在一个与尾矿距离较近的精矿,则会对其产生作用力,改变精矿原有运动轨迹,使其落入尾矿仓内,出现夹带现象;另一方面,若存在一个与精矿距离较近的尾矿,则会对其产生作用力,改变尾矿原有运动轨迹,使其落入精矿仓内,出现未执行现象,即抛废不成功;由此可见,如何综合考虑夹带率和执行率是分选机的关键问题,直接关系到矿石分选效率和经济效益。
因此,如何优化控制分选机的执行机构,以综合考虑夹带率和执行率,是该领域亟待解决的技术问题。
发明内容
为解决上述技术问题,本发明提供一种矿石分选机的参数控制方法,包括:
S1:根据矿石和执行机构的实际情况,构建矿石在执行机构作用下的夹带率和执行率仿真模型;
S2:根据仿真模型,单因素仿真执行机构的任意一个或多个待控制参数,对夹带率和执行率的影响;
S3:根据单因素仿真结果,确定待控制参数中固定量的控制值和自变量的取值范围;
S4:对夹带率与自变量的关系进行回归分析,得到第一回归方程;对执行率与自变量的关系进行回归分析,得到第二回归方程;
S5:根据夹带率和执行率指标,以自变量为决策变量,自变量的取值范围为决策空间,构建第一回归方程和第二回归方程的多目标优化问题;
S6:求解多目标优化问题,确定自变量的控制值。
进一步地,步骤S1,包括:
S11:根据矿石的实际情况,分析矿石在执行机构作用下的受力情况;
S12:根据执行机构的实际情况,建立执行机构的流场三维模型;
S13:根据矿石在执行机构作用下的受力情况和建立的流场三维模型,模拟矿石在流场中的运动轨迹,构建矿石在执行机构作用下的夹带率和执行率仿真模型。
进一步地,矿石在执行机构作用下的受力情况采用下述公式表示:
;
;
其中,C为阻力系数;
ρ为空气密度;S为矿石等效面积;υ为矿石运动速度;θ为矿石飞行倾角;FX为矿石在流场中受到的横向作用力;P(x,y)为矿石在流场中(x,y)坐标处所受的喷吹压力;m为矿石的质量;g为重力常数;FY为矿石在流场中受到的纵向作用力。
进一步地,步骤S12:包括:
S121:采用三维建模软件建立流场三维模型;
S122:将流场域的区域划分为六面体网格;
S123:在边界条件中,采用流速边界入口、压力边界出口,管壁选择标准壁面函数和无滑边界条件、管内采用模型仿真流场三维模型。
进一步地,步骤S13,包括:
S131:根据矿石在执行机构作用下的受力情况,确定矿石的运动轨迹包括:流场中的变加速运动和离开流场后的抛物运动;
S132:采用非线性迭代方法,分别计算矿石在流场三维模型下的运动轨迹,确定矿石的最终下落位置;
S133:根据矿石的最终下落位置,统计夹带率和执行率。
进一步地,步骤S2中,待控制参数,包括:喷嘴角度、喷嘴间距、喷嘴直径、喷嘴离滚筒距离、分界挡板离滚筒距离、气压和喷吹高度。
进一步地,步骤S3中,确定喷嘴直径、喷吹高度和气压为固定量;喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离为自变量。
进一步地,步骤S5中,第一回归方程为:
;
或/和,第二回归方程为:
;
其中,X1、X2、X3、X4分别为喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离;a1-a10为第一相关性系数;b1-b9为第二相关性系数;Y1为第一回归方程;Y2为第二回归方程。
进一步地,步骤S5中,夹带率和执行率指标设定为:夹带率最小、执行率最大或夹带率最小、执行率100%。
另一方面,本发明还提供一种矿石分选机,采用上述任意的参数控制方法控制。
本发明的矿石分选机的参数控制方法和矿石分选机,首先根据矿石和执行机构的实际情况,构建矿石在执行机构作用下的夹带率和执行率的仿真模型,通过单因素仿真,确定哪些为容易确定的固定量,哪些为不容易确定的自变量,并通过回归试验,对自变量与夹带率、执行率的关系构建第一、第二回归方程。最后根据夹带率和执行率指标,以自变量为决策变量,自变量的取值范围为决策空间,构建第一回归方程和第二回归方程的多目标优化问题,并求解多目标优化问题,确定自变量的控制值,得到各参数的控制值,能够在保障执行率的前提下,最大限度的降低夹带率,提高矿石分选效率和经济效益。
附图说明
图1为矿石分选机的工作原理的一个实施例的示意图;
图2为矿石沿喷嘴阵列方向产生夹带的示意图;
图3为矿石在沿垂直于喷嘴排列方向产生夹带的示意图;
图4为本发明矿石分选机的参数控制方法的一个实施例的流程图;
图5为尾矿受力示意图;
图6为精矿受力示意图;
图7为喷嘴间距示意图;
图8为喷嘴流场三维模型图;
图9为喷嘴流场网格划分图;
图10为喷嘴射流压强云图;
图11为压强沿喷嘴轴向变化曲线图;
图12为流场插值示意图;
图13为喷嘴角度示意图;
图14为夹带率随角度变化趋势图;
图15为执行率随角度变化示意图;
图16为夹带率随喷嘴间距变化趋势图;
图17为执行率随喷嘴间距变化趋势图;
图18为喷嘴直径示意图;
图19为夹带率随喷嘴直径变化趋势图;
图20为执行率随喷嘴直径变化趋势图;
图21为喷嘴离滚筒距离示意图;
图22为夹带率随喷嘴离滚筒距离变化趋势图;
图23为执行率随喷嘴离滚筒距离变化趋势图;
图24为分界挡板离滚筒距离示意图;
图25为夹带率随分界位置变化趋势图;
图26为执行率随分界位置变化趋势图;
图27为夹带率随气压变化趋势图;
图28为执行率随气压变化趋势图;
图29为喷吹高度示意图;
图30为夹带率随喷吹高度变化趋势图;
图31为执行率随喷吹高度变化趋势图;
图32为两目标优化Pareto前沿示意图;
图33为目标函数Pareto前沿示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示,诸如上、下、左、右、前、后……,则该方向性指示仅用于解释在某一特定姿态下,各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。另外,若本发明实施例中有涉及“第一、第二”、“S1、S2”、“步骤一、步骤二”等的描述,则该类描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或者表明方法的执行顺序等,本领域技术人员可以理解的凡是在发明技术构思下,不违背其发明要点的,都应该列入本发明的保护范围。
值得注意的,本发明以图1所示的矿石分选机用于分选精矿和尾矿为例做解释说明,但是本发明的矿石分选机的参数控制方法,不限于仅用于该结构、原理的矿石分选机,也不限于仅用于精矿和尾矿的分选实例中。本发明的矿石分选机的参数控制方法,还可选但不仅限于用于现有技术中其他结构、原理的矿石分选机;在应用方面,还可选但不仅限于其他方式的分选,如根据矿石颗粒大小、矿石品位、矿石种类等而进行分选,只要是分选目标矿和非目标矿均在本发明的保护范围内。
如图4 所示,本发明提供一种矿石分选机的参数控制方法,包括:
S1:根据矿石和执行机构的实际情况,构建矿石在执行机构作用下的夹带率和执行率仿真模型;
具体的:
1、矿石的实际情况,可选但不仅限于包括矿石分选机当前所需分选矿石的质量区间、粒径大小等基本参数,本领域技术人员可根据实际工作场景而任意设定;
2、如图1所示,矿石分选机执行机构,可选但不仅限于为喷嘴、气嘴等。示例的,其根据当前矿石为精矿或尾矿的判定结果,而按照一定的参数控制,喷吹其上经过的矿石,使得矿石在其喷吹作用下,而落入精矿仓和尾矿仓;其执行机构的实际情况,可选但不仅限于包括喷嘴可调个数、喷嘴间距范围等基本参数,本领域技术人员可根据当前矿石分选机的厂家、型号、工作参数等而任意设定;
3、夹带率,为被夹带目标矿数量占目标矿总数量的百分比,可选但不仅限于采用公式(1)计算:
(1)
其中,nj为被夹带目标矿数量,mj为目标矿总数量。值得注意的,本发明的分选机以精矿和尾矿的分选做解释说明,该夹带率,可选但不仅限于为被夹带精矿数量占精矿总数量的百分比,即本应落入精矿仓的精矿因喷吹误差而落入尾矿仓中的精矿数量占整个精矿总数量的百分比,但并不以此为限。
4、执行率ω,即被成功喷吹的非目标矿数量占非目标矿总数量的百分比,可选但不仅限于采用公式(2)计算:
(2)
其中,nt为被成功喷吹的非目标矿数量,mt为非目标矿总数量。值得注意的,本发明的分选机以精矿和尾矿的分选做解释说明,该执行率,可选但不仅限于为被成功喷吹的尾矿数量占尾矿总数量的百分比,即应当落入尾矿仓的尾矿在喷吹作用下确实落入尾矿仓中的尾矿数量占整个尾矿总数量的百分比,而没有落入尾矿仓的则意味着没有被成功喷吹,而误落入了精矿仓,但并不以此为限。
优选的,步骤S1,可选但不仅限于包括:
S11:根据矿石的实际情况,分析矿石在执行机构作用下的受力情况;
S12:根据执行机构的实际情况,建立执行机构的流场三维模型;
S13:根据矿石在执行机构作用下的受力情况和建立的流场三维模型,模拟矿石在流场中的运动轨迹,仿真夹带率和执行率。
在该实施例中,根据矿石和执行机构的实际情况,而分析矿石在执行机构,如喷嘴、气嘴等作用下的流场中的受力情况,并构建流场三维模型,而确定其运动轨迹,仿真统计最终产生的夹带率和执行率,即仿真结果中被夹带精矿数量占精矿总数量的百分比和被成功喷吹的尾矿数量占尾矿总数量的百分比,以构建夹带率和执行率的仿真模型。
具体的:
步骤S11,优选为:通过矿石在执行机构作用下的受力分析,可知:在分选过程中,矿石在喷嘴作用下,受重力G、喷吹作用力FP、空气阻力FW。更为具体的,示例的,如图5所示,给出了尾矿受力示意图,对于第一个尾矿,受重力G1、喷吹作用力FP1、空气阻力FW1;如图6所示,给出了精矿受力示意图,对于第一个精矿,受重力Gj1、喷吹作用力FPj1、空气阻力Fwj1。
更为具体的,可选但不仅限于采用公式(3)-(5),分析矿石在喷嘴作用下,流场中的受力情况:
G=mg(3)
(4)
(5)
其中,m为矿石的质量;g为重力常数;G为矿石所受的重力;P(x,y)为矿石在流场中(x,y)坐标处所受的喷吹压力,单位Mpa;FP为矿石在整个流场中所受的喷吹作用力;C为阻力系数;
ρ为空气密度,单位为kg/m3;S为矿石等效面积,单位为m2;υ为矿石运动速度,单位为m/s;FW为矿石所受的空气阻力。
值得注意的,重力常数g、阻力系数C、空气密度
ρ等,可根据选矿机当前所处的工作环境而任意设定,示例的,重力常熟g选但不仅限于9.8;取阻力系数可选但不仅限于取0.5;空气密度可选但不仅限于取1.29 kg/m³;此外、矿石质量、矿石等效面积、矿石运动速度,可选但不仅限于根据当前矿石的具体情况,喷嘴作用力等参数而任意设定。
更为具体的,喷嘴直径设计范围可选但不仅限于根据实际情况而任意设定,示例的优选为3-7mm。在该条件下,从喷嘴喷出的气流均是为充分发展的湍流,根据气体射流特征,流场横向压强分布为喷嘴中心最高,向两侧递减,纵向压强为喷嘴口最高,远离喷嘴口方向递减。矿石在流场中所受的喷吹作用力随运动轨迹变化而变化,在射流的作用下,矿石为复杂变加速运动,当离开流场作用区域,随着空气阻力随运动轨迹的变化,做复杂抛物运动。为简化矿石运动,可选但不仅限于将矿石简化为球形颗粒,且运动过程中等效面积不变并且不考虑矿石的翻转等运动。矿石在流场中受到的横向作用力和纵向作用力,可选但不仅限于采用公式(6)-(7)表示
(6)
(7)
其中,θ为矿石飞行倾角,即与水平方向的夹角;FX表示矿石在流场中受到的横向作用力,FY表示矿石在流场中受到的纵向作用力。
将公式(3)至(5)带入公式(6)至(7)得公式(8)至(9):
(8)
(9)
步骤S12:建立流场三维模型,可选但不仅限于包括:
S121:采用三维建模软件建立流场三维模型;
S122:将流场域的区域划分为六面体网格;
S123:在边界条件中,采用流速边界入口、压力边界出口,管壁选择标准壁面函数和无滑边界条件、管内采用模型仿真流场三维模型。
在该实施例中,给出了本发明建立流场三维模型的一个优选实施例,其根据分选机执行机构的特点而确定,但并不以此为限。本领域技术人员可以理解的,可采用其他流场模型构建方式。
具体的:
矿石分选机的执行系统中,喷嘴、气嘴是其重要组成部分,执行分选动作时,由喷嘴喷射出的气流产生对矿石的作用力,实现精矿与尾矿的分离,可选但不仅限于以湖南军芃科技有限公司XRT1400中的执行系统为研究对象,使用三维建模软件SoildWorks建立喷嘴流场三维实体模型,其中分选机喷嘴共有112个。
优选的,为了减少后续流场计算量,可选但不仅限于对喷嘴个数进行简化。更为优选的,为保证所有粒径的矿石都有对应的喷嘴进行喷吹,可选但不仅限于根据当前矿石的粒径、喷嘴仿真最小间距等,采用公式(10)计算仿真所需喷嘴个数:
(10)
其中,N为喷嘴个数,Dmax为分选时,最大矿石粒径,单位mm,Lmin为喷嘴仿真最小间距,单位mm。如图7所示,为喷嘴间距示意图。
更为具体的,根据实际工况,筛选后的矿石粒径可选但不仅限于示例为在10-63mm之间,喷嘴间距仿真范围在7-15mm,根据公式(10)计算可得仿真喷嘴个数至少为9个,简化后的喷嘴流场模型如图8所示。
更为具体的,喷嘴对于气流流场仿真来说,网格的体积越小,计算精度越高,但耗时也越长,为降低计算时间的同时保证计算精度,可选但不仅限于将喷嘴流场域CFD的区域划分为六面体网格,尺寸大小优选为2mm,并将管内气流流场部分加密,具体的流场网格划分后的示意图如图9所示。
更为具体的,在边界条件中,可选但不仅限于采用流速边界入口,出口采用压力出口条件,管内壁面选择标准壁面函数和无滑移边界条件,考虑管内空气流动速度较快,湍流模型选择较为重要,基于计算结果与对比,优选选用更适合管道边界层流动模拟的模型仿真喷嘴流场,湍流强度优选设置为3.8%。值得注意的,该喷嘴流场的三维模型模式以及强度数据,可根据实际情况而任意设定,并不以此为限。
设置好上述参数后进行仿真,可选但不仅限于以喷嘴直径为4mm,间距为11mm为例,仿真结果如图10所示,可以看到流体出口速度很高,射流核心明显,同时边界层向射流中心扩展,至某一距离处,边界层扩散至核心,核心区域消失。图11为压强沿喷嘴轴向变化曲线,与压强云图基本一致,在离开喷嘴30mm左右,压强极速下降至较低水平并趋于稳定。
进一步地,由于计算矿石在流场中的运动情况,需要得到喷嘴上方的流场压强数据,若将整个流场压强导入计算,会使得计算量过大,计算缓慢,不利于后期大量矿石颗粒仿真,为此可选但不仅限于采用插值法对流场进行处理,如图12所示,在喷嘴上方插入间隔5mm,共20层150mm×150mm大小的数据面,将每个面划分为301×301的网格,共90601个数据点。将每层的流场压力数据导出,形成301×301×20的流场压强三维矩阵,构建喷嘴流场三维模型。
步骤S13,可选但不仅限于包括:
S131:根据矿石在执行机构作用下的受力情况,确定矿石的运动轨迹包括:流场中的变加速运动和离开流场后的抛物运动;
S132:采用非线性迭代方法,分别计算矿石在流场三维模型下的运动轨迹,确定矿石的最终下落位置;
S133:根据矿石的最终下落位置,统计夹带率和执行率。
具体的:步骤S131-S133包括:
根据矿石在执行机构作用下的受力情况和建立的喷嘴流场三维模型,可确定矿石受到喷吹作用后的运动轨迹分为两个阶段:如图5和图6所示的流场中的复杂变加速运动和流场后的复杂抛物运动。在此基础上,用解析法无法求得结果,可选但不仅限于改用数值计算求得近似解,采用非线性迭代法编制程序。
示例的,以尾矿在流场中的复杂变加速运动轨迹为例,非线性迭代程序如下:
while x(n)<=end_length
FP=cal_force(x(n),y(n),rad,flow_field);
V(n)=sqrt(Vx(n)^2+Vy(n)^2);
sina=Vy(n)/V(n);
cosa=Vx(n)/V(n);
fk=D*V(n)^2;
fx(n)=gx*m-FW*cosa;
fy(n)=FP-gy*m- FW*sina;
ax(n)=fx(n)/m;
ay(n)=fy(n)/m;
x(n+1)=x(n)+Vx(n)*dt+0.5*ax(n)*dt^2;
y(n+1)=y(n)+Vy(n)*dt+0.5*ay(n)*dt^2;
Vx(n+1)=Vx(n)+ax(n)*dt;
Vy(n+1)=Vy(n)+ay(n)*dt;
n=n+1;
end
其中,x代表矿石飞行的横坐标,y代表纵坐标,时间步长dt为0.1ms;rad为矿石直径,其取值见表1;m为矿石质量,根据矿石体积乘以对应密度得出,其中密度值如表1所示;flow_field为流场数据,FP为根据公式(1)计算得到的矿石受喷吹作用力,单位N,FW为根据公式(2)计算得到的空气阻力,单位N。当尾矿离开如图3的喷嘴边缘位置时,停止迭代,并将计算得到的尾矿速度和在流场中的位置信息保存,为接下来离开流场后的复杂抛物运动的迭代计算提供初始数据。具体的,矿石离开流场后续的复杂抛物运动迭代计算方式,与上述矿石在流场中的加速运动迭代计算类似,只是仅受到空气阻力和重力作用,该具体迭代计算方式在此不再赘述。在此基础上,根据矿石在流场中的受力情况,仿真喷嘴气流三维模型,即可统计得到实际被夹带精矿占精矿总数量的百分比,构建夹带率仿真模型。
表1 矿石参数示例
与尾矿相同的,可选但不仅限于根据上述运动轨迹迭代方式计算精矿受到的夹带力,只需在程序中改变初始横坐标和纵坐标的值以及迭代终止位置,统计得到实际被成功喷吹的尾矿数量占尾矿总数量的百分比,构建执行率仿真模型,在此不再赘述。
S2:单因素仿真执行机构的任意一个或多个参数,对夹带率和执行率的影响;示例的,该执行机构的参数,可选但不仅限于根据当前分选机的厂家、型号等而确定,可选但不仅限于包括喷嘴角度、喷嘴间距、喷嘴直径、喷嘴离滚筒距离、分界挡板离滚筒距离、气压和喷吹高度的任意一个或多个。
具体的,可选但不仅限于改变上述因素的任意一个,仿真步骤S1构建的夹带率和执行率仿真模型,以对比各因素对夹带率和执行率的影响。通过对参数的单因素分析,可得到每个参数对夹带率和执行率的影响趋势,从而初步确定每个参数值的范围,为后续多目标优化做准备。
更为具体的,对夹带率和执行率的影响因素较多,综合考量执行系统的参数之后,可选但不仅限于选取上述喷嘴角度、喷嘴间距、喷嘴直径、喷嘴离滚筒距离、分界挡板离滚筒距离、气压和喷吹高度这7个因素的至少一个或几个作为仿真因素,但并不以此为限。
S21:喷嘴角度对夹带率和执行率影响仿真
具体的,如图13所示,为喷吹角度示意图,表示喷嘴与地面的夹角。更为具体的,对喷嘴角度这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷嘴的角度,其他因素保持不变,确保夹带率和执行率的变化只与喷嘴角度有关,各因素参数取值,可选但不仅限于如表2所示。
表2喷嘴角度仿真参数设置
根据表2对仿真模型进行仿真并数据处理,可以得到夹带率和执行率随角度变化趋势,仿真结果如图14和图15所示。
具体的,图14为夹带率随角度变化趋势,从图中可以看出夹带率随角度增加而降低,当角度在70-90°时,夹带率在4~6%之间,且变化趋势较缓,当角度低于80时,随着角度增加,夹带率降低速率变大。图15为执行率随角度变化趋势,可以看到执行率不随角度变化而变化,始终保持100%。综合来看,在45-90°范围内增加角度对降低夹带率起到积极作用,并且对执行率的影响较低。
S22:基于夹带率和执行率仿真模型,进行喷嘴间距对夹带率和执行率影响仿真
具体的,如图7所示,为喷嘴间距示意图。更为具体的,对喷嘴间距这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷嘴间距,其他因素保持不变,确保夹带率和执行率的变化只与喷嘴间距有关,各因素参数取值如表3所示。
表3喷嘴间距仿真参数设置
具体的,根据表3进行仿真并数据处理,可以得到夹带率和执行率随喷嘴间距变化趋势,仿真结果如图16和图17所示。
具体的,图16为夹带率随喷嘴间距变化趋势,可见夹带率随着喷嘴间距增大而呈现出整体下降的趋势,喷嘴间距在7-9mm区间内,夹带率保持在较高水平,但在9mm之后,夹带率下降较快,在喷嘴间距11mm之后,整体保持在较低水平。图17为执行率随喷嘴间距变化趋势,显示了执行率和喷嘴间距的变化关系,在7-11mm区间内,执行率保持在100%,但在喷嘴间距增大到11mm之后,执行率开始降低。综合来看,喷嘴间距增大对降低夹带率起到积极作用,对提高执行率起到反作用,因此对间距的选取需要综合考虑对执行率和夹带率的影响。
S23:喷嘴直径对夹带率和执行率影响仿真
具体的,如图18所示,为喷嘴直径示意图。具体的,对喷嘴直径这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷嘴直径,其他因素保持不变,确保夹带率和执行率的变化只与喷嘴直径有关,各因素参数取值如表4所示。
表4喷嘴直径仿真参数设置
具体的,根据表4进行仿真并数据处理,可以得到夹带率和执行率随喷嘴间距变化趋势,仿真结果如图19和图20所示。
具体的,图19为夹带率随喷嘴直径变化趋势,可见夹带率随着喷嘴直径增大而呈现出整体上升的趋势,喷嘴直径在2-4mm区间内,夹带率保持在较低水平,但在4mm之后,夹带率变化剧烈,数值呈直线增加。图20为执行率随喷嘴直径变化趋势,显示了执行率和喷嘴直径的变化关系,在2-4mm区间内,执行率小于100%,但在喷嘴直径达到4mm之后,执行率保持在100%的水平。综合来看,喷嘴直径增大对降低夹带率起到反作用,对提高执行率起积极作用。
S24:喷嘴离滚筒距离对夹带率和执行率影响仿真
具体的,如图21所示,为喷嘴离滚筒距离示意图。更为具体的,对喷嘴离滚筒距离这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷嘴离滚筒距离,其他因素保持不变,确保夹带率和执行率的变化只与喷嘴离滚筒距离有关,各因素参数取值如表5所示。
表5喷嘴离滚筒距离仿真参数设置
具体的,根据表5进行仿真并数据处理,可以得到夹带率和执行率随喷嘴离滚筒距离变化趋势,仿真结果如图22和图23所示。
具体的,图22为夹带率随喷嘴离滚筒距离变化趋势,可见夹带率随着喷嘴离皮带距离的增大而呈现出整体下降的趋势,喷嘴离皮带距离在267.5mm-467.5mm区间内,夹带呈现下降趋势,在467.5mm-567.5mm区间内,夹带率降为0。图23为执行率随喷嘴离滚筒距离变化趋势,显示了执行率和喷嘴离皮带距离的变化关系,在267.5mm-367.5mm区间内,执行率为100%,但在喷嘴离皮带距离增大到367.5mm之后,执行率开始降低。综合来看,喷嘴与滚筒之间的距离增大对降低夹带率起到积极作用,对提高执行率起到反作用,因此对两者的距离选取需要综合考虑对执行率和夹带率的影响。
S25:分界挡板离滚筒距离对夹带率和执行率影响仿真
具体的,如图24所示,给出了分界挡板离滚筒距离示意图。更为具体的,对分界挡板离滚筒距离这个研究因素,可选但不仅限于采用控制变量的方法,即只改变分界挡板离滚筒距离,其他因素保持不变,确保夹带率和执行率的变化只与分界挡板离滚筒距离有关,各因素参数取值如表6所示。
表6分界挡板离滚筒距离仿真参数设置
具体的,根据表6进行仿真并数据处理,可以得到夹带率和执行率随分界位置变化趋势,仿真结果如图25和图26所示。
具体的,图25为夹带率随分界位置变化趋势图,可见夹带率随着分界挡板向正方向移动即远离检测皮带方向移动,逐渐降低,当分界挡板位置为933mm时,夹带率基本降为0。图26为执行率随分界位置变化趋势图,显示了分界挡板位置和执行率关系,分界挡板位置在813mm至933mm区域,执行率达到100%。当超过933mm时,执行率开始降低。综合来看,增大分界挡板离滚筒的距离对降低夹带率起到积极作用,对提高执行率起到反作用,因此对分界挡板位置的选取需要综合考虑对执行率和夹带率的影响。
S26:气压对夹带率和执行率影响仿真
具体的,对喷嘴压力这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷嘴压力大小,其他因素保持不变,确保夹带率和执行率的变化只与喷嘴压力有关,各因素参数取值如表7所示。
表7气压仿真参数设置
具体的,根据表7进行仿真并数据处理,可以得到夹带率和执行率随气压变化趋势,仿真结果如图27和图28所示。
具体的,图27为夹带率随气压变化趋势图,可见夹带率随着喷嘴气压的增大而呈现出整体上升的趋势,喷嘴气压在0.6-0.65Mpa区间内,夹带率基本为0,但在0.65-0.8Mpa区间内,夹带率上升较快。图28为执行率随气压变化趋势图,显示了执行率和喷嘴气压的变化关系,在0.6-0.75Mpa区间内,执行率随着压力的增加而增大,在喷嘴气压增大到0.75Mpa之后,执行率达到100%,并保持不变。综合来看,增大气压对降低夹带率起到反作用,对提高执行率起到积极作用。
S27:喷吹高度对夹带率和执行率影响仿真
具体的,如图29所示,为喷吹高度示意图。更为具体的,对喷吹高度这个研究因素,可选但不仅限于采用控制变量的方法,即只改变喷吹高度,其他因素保持不变,确保夹带率和执行率的变化只与喷吹高度有关,各因素参数取值如表8所示。
表8 喷吹高度仿真参数
具体的,根据表8进行仿真并数据处理,可以得到夹带率和执行率随喷嘴高度变化趋势,仿真结果如图30和图31所示。
具体的,图30为夹带率随喷吹高度变化趋势图,可见在30mm-70mm喷吹高度,夹带率与喷吹高度呈现出线性正相关关系,随着喷吹高度的增加而增大。图31为执行率随喷吹高度变化趋势,显示了执行率和喷吹高度的变化关系,可以看出在喷吹高度30-70mm时,执行率保持为100%,此时喷吹高度对执行率不产生影响。
值得注意的,在步骤S2中,各参数的取值范围等,可根据矿石和执行机构的实际情况而任意设定,并不以此为限。仿真时,只需改变仿真模型各参数即可,经过多次仿真,尽管结果参数有所变化,但得到的变化趋势一致。
S3:根据单因素仿真结果,确定待控制参数中固定量的控制值和自变量的取值范围;具体的,在上述示例的参数中,若有趋势明显易于确定的参数则可直接确定其为固定量,并根据单因素仿真结果的趋势而确定其具体控制值;若有不易于确定的参数则将其确定为自变量,并根据单因素仿真结果的趋势而确定其取值范围。示例的上述7个待控制参数,则可确定喷嘴直径、喷吹高度和气压为固定值,并确定三个参数的控制值;确定喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离为自变量,并确定四个参数的取值范围;
具体的,根据步骤S21-S27得出的单因素仿真结果,7个因素对夹带率和执行率的影响程度各不相同,且单因素仿真体现不出多个因素共同作用的结果,难以直接确定每个影响因素的数值大小,需要进一步通过多目标优化方法,寻找出最佳组合参数。
但是,由于过多的自变量在进行回归方程拟合时,可能造成拟合的误差过大,或者拟合不成功,因此需要对自变量进行筛选以及对各变量的仿真范围进行确定。
具体的,根据实际工况,结合之前的单因素仿真结果,发现:
1、喷嘴直径大于4mm时,夹带率会显著上升,小于4mm时因直径降低会减少流量而降低执行率,且喷嘴直径过小,加工喷嘴排难度增大,因此可选但不仅限于确定喷嘴直径为4mm左右;
2、喷吹高度增加时,夹带率呈直线上升,但对执行率没有显著影响,且过低的喷吹高度,容易使得矿石撞击喷嘴排,造成损坏,根据实际工况以及单因素仿真结果,喷吹高度可选但不仅限于确定为30mm左右;
3、气压高于0.75MPa时,夹带率会显著上升,当气压低于0.75MPa时,执行率会降低,且在实际应用中,设备的供气压力难以到达0.75MPa以上,并且过高的供气压力会显著增加设备使用成本,综合考虑,可选但不仅限于确定气压为0.75Mpa左右。
综上,可选但不仅限于选定喷嘴直径、喷吹高度和气压三个变量为固定值;优选的,确定喷嘴直径为4mm,喷吹高度为30mm,气压为0.75MPa。并综合单因素仿真结果,确定其余4个因素试验区间如表9所示。
表9 试验因素仿真区间
值得注意的,对于矿石本身和执行机构的不同实际情况,这7个变量的变化趋势是不变的,因此根据单因素仿真结果,可确定喷嘴直径、喷吹高度和气压三个变量为固定值;其他四个变量为自变量。但是对于喷嘴直径、喷吹高度和气压三个变量的固定值具体为何值,以及四个自变量的取值范围具体为何区间,会因矿石本身和执行机构的不同情况而变化,在此喷嘴直径为4mm,喷吹高度为30mm,气压为0.75MPa;其他四个变量的取值范围为上述范围,仅为本发明的示例,并不以此为限。
S4:对夹带率与自变量的关系进行回归分析,得到第一回归方程,记基于第一回归方程的夹带率为Y1;对执行率与自变量的关系进行回归分析,得到第二回归方程,记基于第二回归方程的执行率为Y2;示例的,下面以自变量包括:喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离为例做解释说明,但并不以此为限。
具体的,步骤S4,可选但不仅限于包括:
S41:根据自变量和自变量的取值范围,设计试验。具体的,可选但不仅限于采用旋转正交试验设计。通过Design-Expert软件基于旋转中心组合设计(central-composite-rotatable-design CCRD)方法,设计试验,设计的试验总数为36组。试验中变量以及试验编码如表10所示:
表10试验因素编码及水平
根据表10进行仿真试验,试验共36组,试验安排及结果如表11所示。
表11 响应面试验设计及结果
S42:以夹带率为响应指标,对夹带率进行二次多项式拟合,得到第一回归方程,记为Y1;
表12 夹带率回归方程方差分析表
注:P<0.01表示该项极显著;P<0.1表示该项显著。
具体的:根据试验数据对夹带率进行二次多项式拟合,拟合后的二次多项式回归方程及其各项的方差分析结果见表12。
参见表12,由方差分析可知,该模型极显著(P< 0.0001),该模型的相关系数
R 2 为0.9574,表明模型与实际情况拟合很好,模型的失拟项P值为 0.0708>0.05,说明模型失拟性不显著,回归模型拟合程度高。
更为具体的,参见表12中的P值,一次项中:喷嘴角度(X1)对夹带率有着显著影响,喷嘴间距(X2)、分界挡板离滚筒距离(X3)、喷嘴离滚筒距离(X4)对夹带率有着极显著的影响;交互项中:喷嘴间距与分界挡板离滚筒距离的交互作用(X2X3)、喷嘴间距与喷嘴离滚筒距离的交互作用(X2X4)对夹带率有着极显著影响,分界挡板离滚筒距离与喷嘴离滚筒距离的交互作用(X3X4)对夹带率有着显著影响;二次项中:喷嘴间距对夹带率有着极显著影响(X2 2),分界挡板离滚筒距离(X3 2)对夹带率有着显著影响,其余项p值均大于0.1,说明其余项影响不显著。各因素对夹带率影响显著排序为:喷嘴间距(X2)>分界挡板离滚筒距离(X3)>喷嘴离滚筒距离(X4)>喷嘴角度(X1)。
更为具体的,可选但不仅限于利用Design-expert软件采用逐步法,剔除不显著项(P值大于0.1),X1X2、X1X3、X1X4、X1 2、X4 2后回归方程如公式(11):
(11)
值得注意的,由于上述仿真中,矿石和执行机构的实际情况、仿真参数等为示例数值,因此Y1中的数值并不以此为限,但是夹带率与喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离的关系,相关性趋势对于不同参数是相同的。因此,第一回归方程,可选但不仅限于采用公式(12):
(12)
其中,a1-a10为相关性系数,可为任意数。
S43:以执行率为响应指标,对执行率进行二次多项式拟合,得到第二回归方程,记为Y2;
具体的,根据试验数据对执行率进行二次多项式拟合,拟合后的二次多项式回归方程及其各项的方差分析结果见表13。
表13 执行率回归方程方差分析表
注:P<0.01表示该项极显著;P<0.1表示该项显著。
参见表13,由方差分析可知,该模型极显著(P=0.0015),该模型的相关系数R2为0.7390,试验设计序号25-36的结果均为100%,表明模型没有失拟项,与实际情况拟合较好,回归模型拟合程度高。
更为具体的,参见表13中的P值,一次项中:喷嘴间距(X2)对执行率有着极显著影响,分界挡板离滚筒距离(X3)、喷嘴离滚筒距离(X4)对执行率有着显著的影响;交互项中:喷嘴角度与喷嘴间距的交互作用(X1X2)、喷嘴角度与分界挡板离滚筒距离的交互作用(X1X3)、喷嘴间距与分界挡板离滚筒距离的交互作用(X2X3)、喷嘴间距与喷嘴离滚筒距离的交互作用(X2X4)、分界挡板离滚筒距离与喷嘴离滚筒距离的交互作用(X3X4)对执行率有着显著影响;二次项中各项p值均大于0.1,说明二次项对执行率影响不显著。各因素对夹带率影响显著排序为:喷嘴间距(X2)>分界挡板离滚筒距离(X3)=喷嘴离滚筒距离(X4)>喷嘴角度(X1)。
更为具体的,可选但不仅限于利用Design-expert软件采用逐步法,剔除不显著项(P值大于0.1),X1X3、X1X4、X1 2、X2 2、X3 2、X4 2后回归方程如公式(13):
(13)
值得注意的,由于上述仿真中,矿石和执行机构的实际情况、仿真参数等为示例数值,因此Y2中的数值并不以此为限,但是执行率与喷嘴角度、 喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离的关系,相关性趋势对于不同参数是相同的。因此,第二回归方程,可选但不仅限于采用公式(14):
(14)
其中,b1-b9为第二回归方程的相关性系数,可为任意数。
S5:根据夹带率和执行率指标,以喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离为决策变量,自变量的取值范围为决策空间,构建多目标优化问题;
具体的,夹带率和执行率指标,可选但不仅限于根据当前矿石分选的工况指标、性能要求、应用领域、精确度要求、成本考虑等而任意设定。可选但不仅限于设定为:
夹带率最小、执行率最大,以综合考虑最优夹带率和执行率;
或夹带率最小、执行率100%,以在确保执行率为100%的前提下,考虑夹带率最小的情况。
值得注意的,上述两种指标情况,为优选也是考虑最多的情况,还可选但不仅限于设定为其他指标,以根据实际工况综合考虑夹带率和执行率。
更为具体的,以夹带率最小、执行率最大为例,可选但不仅限于将该多目标优化问题,用公式(15)表示:
(15);
其中,F为多目标优化函数,X1、X2、X3、X4分别为喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离这4个决策变量;Ω为决策空间。
S6:求解多目标优化问题,确定自变量,如:喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离这四个参数的控制值。
具体的,由于多目标优化问题中各个目标之间相互制约,往往一个目标性能的改善会导致其他目标性能的降低,并不存在一个最优解。当无法在改进任何目标性能的同时不削弱至少一个其他目标性能,这种解称作非支配解或Pareto最优解。所以对于多目标优化问题,其解通常是由Pareto最优解构成的解集,可以通过Pareto最优解绘制曲线或曲面得到Pareto前沿。如图32所示,为两目标优化问题的Pareto前沿,为二维曲线。图中实线和虚线构成优化问题解的可行性区域。a、b、c、d四个解落在边界上,在可行域中无法找到其他的解能同时优于这四个解的两个目标函数值,因此这四个点都是Pareto最优解,所在的实线构成Pareto前沿。而e、f、g、h四个解不存在于Pareto前沿上,在可行域中可以找到其他的解能同时优于这四个解的两个目标函数值,它们被Pareto最优解支配。
在没有其他条件的约束下,所有Pareto最优解都可看作是同等重要的。因此,对于上述多目标优化问题,最重要的任务是找到尽可能多的关于该优化问题的Pareto最优解。本发明,可选但不仅限于采用多目标粒子群优化算法(MOPSO),其主要参数设置可选但不仅限于如表14所示。
表14 MOPSO算法主要参数
如图33所示,图中圆点为根据MOPSO算法优化后的Pareto前沿最优解集,可以看出目标一(夹带率最小)和目标二(执行率最大)有一定的矛盾性,不能同时满足目标一和目标二的最优,想要获得小的夹带率就会导致小的执行率,想要获得大的执行率就会导致小的夹带率。在实际运用中可以根据Pareto前沿进行选择目标一和目标二的Pareto最优解的匹配解。
表15 Pareto部分解集
注:表中指标Y1出现负值,代表夹带率等于0,即不产生夹带;Y2大于100,代表执行率为100,即全部执行成功。
在此基础上,可选但不仅限于确定喷嘴角度为80°或其左右、喷嘴间距为11mm或其左右、喷嘴离滚筒距离为267.5mm或其左右、分界挡板离滚筒距离为913mm或其左右,对应目标函数一Y1夹带率为6.34、目标函数二Y2执行率为100.18。
更为具体的,表15为MOPSO优化解集中选取在执行率100%以上,夹带率为0%的部分解集,各解没有优劣之分,控制人员可根据实际需求进行选择。
优选的,本发明的矿石分选机的参数控制方法,根据上述求解,得到表15所示的Pareto部分解集,在该情况下,可选但不仅限于根据分选矿石的直径进行选择,以15-65mm矿石为例,这里根据单因素分析为4mm,其余的粒径矿石可以根据单因素仿真结果重新确定;喷吹最低高度限定为30mm,过低会导致矿石撞击喷嘴,导致损坏。另外最优解集只考虑夹带率和执行率,有些企业的选择不同,示例的,有些希望执行率高一些,有些希望夹带率低些,这个解集主要是给参数优化控制提供参考,具体可根据实际需求而选择,示例的,若希望夹带率低就选择方案一,希望执行率高选择方案十。
本发明矿石分选机的参数控制方法,首先根据矿石和执行机构的真实情况,构建矿石在执行机构作用下的夹带率和执行率的仿真模型,优选的:首先对尾矿和精矿在流场中的运动情况进行分析,研究两者在流场中的受力情况,其次采用fluent软件对喷嘴流场进行仿真,后处理后得到流场数据,并将流场数据读取到matlab程序中,之后运用非线性迭代计算方法,计算矿石在流场中以及离开流场后的运动轨迹,通过统计落入精矿仓与尾矿仓的矿石个数,计算出夹带率与执行率。然后,通过单因素仿真,确定喷嘴直径、喷吹高度和气压为固定值,并确定三个参数的控制值;以及喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离为自变量,并确定四个参数的取值范围。最后通过回归实验,设计研究喷嘴间距、喷嘴位置、喷嘴角度、分界挡板离滚筒距离这4个参数对执行率与夹带率影响,建立这4个参数的回归方程,优选以执行率100%为前提,夹带率最小为目标通过粒子群优化算法进行优化,得到各参数的控制值,能够在保障执行率的前提下,最大限度的降低夹带率,提高矿石分选效率和经济效益。
优选的,针对矿石智能分选机执行子系统分选时夹带率高和执行率低,两目标交互影响的问题,首先采用单因素分析的方法分析了设备参数对夹带率和执行率的影响趋势,根据单因素分析结果确定了设备部分参数值以及优化范围,其次采用旋转正交试验设计建立了执行子系统参数与夹带率和执行率的关系,最后通过多目标粒子群优化算法进行优化的方法。该优化能保证在夹带率最小、执行率最大或执行率为100%的前提下,有效降低夹带率,提升分离准确性和生产效率,能在不提高生产成本的情况下,提高设备的市场竞争力;综合优化夹带率和执行率,有效规避一方目标值极好一方目标值极差的情况。
另一方面,本发明还提供一种计算机可读存储介质,用于存储执行上述任意的参数控制方法的程序代码。
另一方面,本发明还提供一种终端设备,包括存储器和处理器;所述存储器存储有可被处理器执行的程序代码;所述程序代码用于执行上述任意的参数控制方法。
示例性的,所述程序代码可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述程序代码在终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是终端设备的内部存储单元,例如硬盘或内存。所述存储器也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(SmartMedia Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述程序代码以及终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
另一方面,本发明还提供一种矿石分选机,采用上述任意参数控制方法控制。
上述计算机可读存储介质、终端设备和矿石分选机基于上述矿石分选机的参数控制方法而创造,其技术作用和有益效果在此不再赘述,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种矿石分选机的参数控制方法,其特征在于,包括:
S1:根据矿石和执行机构的实际情况,构建矿石在执行机构作用下的夹带率和执行率仿真模型;
S2:根据仿真模型,单因素仿真执行机构的任意一个或多个待控制参数,对夹带率和执行率的影响;
S3:根据单因素仿真结果,确定待控制参数中固定量的控制值和自变量的取值范围;
S4:对夹带率与自变量的关系进行回归分析,得到第一回归方程;对执行率与自变量的关系进行回归分析,得到第二回归方程;
S5:根据夹带率和执行率指标,以自变量为决策变量,自变量的取值范围为决策空间,构建第一回归方程和第二回归方程的多目标优化问题;
S6:求解多目标优化问题,确定自变量的控制值;
具体的,步骤S1,包括:
S11:根据矿石的实际情况,分析矿石在执行机构作用下的受力情况;
S12:根据执行机构的实际情况,建立执行机构的流场三维模型;
S13:根据矿石在执行机构作用下的受力情况和建立的流场三维模型,模拟矿石在流场中的运动轨迹,构建矿石在执行机构作用下的夹带率和执行率仿真模型;
其中,夹带率为被夹带目标矿数量占目标矿总数量的百分比;执行率为被成功喷吹的非目标矿数量占非目标矿总数量的百分比;固定量为喷嘴直径、喷吹高度和气压的任意一个或多个;自变量为喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离的任意一个或多个。
2.根据权利要求1所述的矿石分选机的参数控制方法,其特征在于,矿石在执行机构作用下的受力情况采用下述公式表示:
其中,C为阻力系数;ρ为空气密度;S为矿石等效面积;υ为矿石运动速度;θ为矿石飞行倾角;FX为矿石在流场中受到的横向作用力;P(x,y)为矿石在流场中(x,y)坐标处所受的喷吹压力;m为矿石的质量;g为重力常数;FY为矿石在流场中受到的纵向作用力。
3.根据权利要求1所述的矿石分选机的参数控制方法,其特征在于,步骤S12:包括:
S121:采用三维建模软件建立流场三维模型;
S122:将流场域的区域划分为六面体网格;
S123:在边界条件中,采用流速边界入口、压力边界出口,管壁选择标准壁面函数和无滑边界条件、管内采用Realizable κ-ε模型仿真流场三维模型。
4.根据权利要求1所述的矿石分选机的参数控制方法,其特征在于,步骤S13,包括:
S131:根据矿石在执行机构作用下的受力情况,确定矿石的运动轨迹包括:流场中的变加速运动和离开流场后的抛物运动;
S132:采用非线性迭代方法,分别计算矿石在流场三维模型下的运动轨迹,确定矿石的最终下落位置;
S133:根据矿石的最终下落位置,统计夹带率和执行率。
5.根据权利要求1所述的矿石分选机的参数控制方法,其特征在于,步骤S5中,第一回归方程为:
或/和,第二回归方程为:
其中,X1、X2、X3、X4分别为喷嘴角度、喷嘴间距、分界挡板离滚筒距离、喷嘴离滚筒距离;a1-a10为第一相关性系数;b1-b9为第二相关性系数;Y1为第一回归方程;Y2为第二回归方程。
6.根据权利要求1-5任意一项所述的矿石分选机的参数控制方法,其特征在于,步骤S5中,夹带率和执行率指标设定为:夹带率最小、执行率最大;或夹带率最小、执行率100%。
7.一种矿石分选机,其特征在于,采用权利要求1-6任意一项所述的矿石分选机的参数控制方法控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043201.9A CN115793470B (zh) | 2023-01-29 | 2023-01-29 | 矿石分选机的参数控制方法和矿石分选机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043201.9A CN115793470B (zh) | 2023-01-29 | 2023-01-29 | 矿石分选机的参数控制方法和矿石分选机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115793470A CN115793470A (zh) | 2023-03-14 |
CN115793470B true CN115793470B (zh) | 2023-05-09 |
Family
ID=85429045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310043201.9A Active CN115793470B (zh) | 2023-01-29 | 2023-01-29 | 矿石分选机的参数控制方法和矿石分选机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115793470B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648875B (zh) * | 2024-01-30 | 2024-04-30 | 湖南军芃科技股份有限公司 | 辐射屏蔽装置的参数优化方法及其矿石分选机 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022051823A1 (en) * | 2020-09-08 | 2022-03-17 | Haver & Boecker Latinoamericana Máquinas Ltda | System, equipment, and procedure for monitoring, predictive maintenance, and operational optimization of vibrating screeners |
WO2023280299A1 (zh) * | 2021-07-08 | 2023-01-12 | 湖州霍里思特智能科技有限公司 | 一种基于阈值的动态调整进行智能分选的方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617456B (zh) * | 2013-12-04 | 2016-08-17 | 东北大学 | 一种选矿过程运行指标优化方法 |
CL2017000574A1 (es) * | 2017-03-09 | 2018-02-23 | Lmagne Ingenieria Ltda | Un sistema y un proceso para determinar en linea las características de bolas gastadas y los trozos de las mismas, que han sido expulsadas de un molino de molienda de minerales semiautógeno (sag) |
CN108108679B (zh) * | 2017-12-13 | 2020-04-28 | 赣州好朋友科技有限公司 | 一种全自动钨矿选矿机 |
WO2021001859A2 (en) * | 2019-07-04 | 2021-01-07 | Tata Consultancy Services Limited | Method and system for optimization of agglomeration of ores |
CN114472207B (zh) * | 2022-01-07 | 2024-03-15 | 北京霍里思特科技有限公司 | 一种用于矿物的分选系统及矿物分选方法 |
CN114890091B (zh) * | 2022-04-26 | 2023-04-11 | 湖南军芃科技股份有限公司 | 一种矿石智能分选机给料系统及其多目标优化方法 |
-
2023
- 2023-01-29 CN CN202310043201.9A patent/CN115793470B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022051823A1 (en) * | 2020-09-08 | 2022-03-17 | Haver & Boecker Latinoamericana Máquinas Ltda | System, equipment, and procedure for monitoring, predictive maintenance, and operational optimization of vibrating screeners |
WO2023280299A1 (zh) * | 2021-07-08 | 2023-01-12 | 湖州霍里思特智能科技有限公司 | 一种基于阈值的动态调整进行智能分选的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115793470A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115793470B (zh) | 矿石分选机的参数控制方法和矿石分选机 | |
Matrosov et al. | Calculation of the movement trajectory of the grain mass in the field stripper | |
Siegmund et al. | Hybrid dynamic resampling for guided evolutionary multi-objective optimization | |
CN103886335A (zh) | 基于模糊粒子群和散射熵的极化sar图像分类方法 | |
Acosta-Flores et al. | Two-phase optimization methodology for the design of mineral flotation plants, including multispecies and bank or cell models | |
CN110929460A (zh) | 用于脱硫废水零排放烟道蒸发工艺的流场优化方法及系统 | |
CN113283573B (zh) | 一种卷积神经网络最优结构自动搜索方法 | |
Dhariwal et al. | Enhanced and suppressed multiscale dispersion of bidisperse inertial particles due to gravity | |
Panfilov et al. | Finite element simulation of airflow in a field cleaner | |
US20230110939A1 (en) | Device and method for generating damage matrix based on warhead fragment data and target vulnerable area data | |
Zhang et al. | A multi-objective particle swarm optimization algorithm with a dynamic hypercube archive, mutation and population competition | |
Thakare et al. | Introducing hybrid model for data clustering using K-harmonic means and Gravitational search algorithms | |
CN102254040A (zh) | 一种基于支撑向量机的Web划分方法 | |
CN115293041A (zh) | 一种静电预测模型构建方法、装置、设备及介质 | |
KR102378544B1 (ko) | 구조물 손상 예측 방법 및 시스템 | |
Stocker et al. | Automated generation of orienting devices for vibratory bowl feeders | |
KR20150013880A (ko) | 엘리먼트들의 세트를 시뮬레이팅하기 위한 방법 및 연관된 컴퓨터 프로그램 | |
Korn | Application of coupled CFD-DEM simulation to separation process in combine harvester cleaning devices | |
Imseitif et al. | Effects analysis of internal buffers in serial manufacturing systems for optimal throughput | |
Shivani et al. | Simulation of intelligent target hitting in obstructed path using physical body animation and genetic algorithm | |
Cao et al. | Orthogonal optimization for effective classification of different tea leaves by a novel pressure stabilized inclined chamber classifier | |
JP7023414B2 (ja) | 情報処理装置、レーザ加工機、判定方法、及び判定プログラム | |
Zhang et al. | Simulation and analysis of movement trajectories of fresh tea leaf particles based on CFD‐EDEM coupling | |
CN114491387B (zh) | 干选机的识别设备布置方法、装置、电子设备及分选系统 | |
KR102414824B1 (ko) | 대출자 금융 데이터를 풀링하는 방법 및 이러한 방법을 수행하는 장치 |
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 |