глава2
.pdf(продукт содержит породных и минеральных кусков поровну), закон симметричен, для бедных продуктов р < 0,5 он правоасимметричен, для богатых – р > 0,5 он левоасимметричен.
|
начало |
|
|
|
|
|
|
|
|
|
m, nт, s=1, |
|
|
|
|
|
|
|
|
|
m1, m2, m3…=0 |
|
|
|
|
|
|
|
|
|
k=1 |
|
|
|
|
|
|
|
|
|
Выбрать |
ГСЧРЗ |
|
|
|
|
|
|
|
|
СЧРЗ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
СЧФЗ=f(СЧРЗ) |
|
|
|
|
|
|
|
|
|
или αi= f(СЧРЗi) |
|
|
|
|
|
|
|
|
|
k=k+1 |
|
|
|
|
|
|
|
|
Да |
k- nт≤0? |
Нет |
|
|
|
|
|
|
|
|
|
0<αт≤α1? |
Нет |
α1<αт≤α2? |
Нет |
α |
<α ≤α ? |
||
|
|
|
|
2 |
т |
3 |
|||
|
|
Да |
|
Да |
|
Да |
|
||
|
|
m1= m1+1 |
|
m2= m2+1 |
|
m3= m3+1 |
|||
|
|
u1=m1/ m |
|
u2= m2/ m |
|
u3= m3/ m |
|||
|
|
|
s=s+1 |
|
|
|
|
|
|
|
|
Да |
s- m≤0? |
Нет |
|
|
|
|
|
|
|
|
|
|
Печать |
|
|
|
|
|
|
|
|
|
u1, u2, u3… |
|
|
|
|
|
|
|
|
|
конец |
|
|
|
|
Нет ……
……
Рис. 2.12. Блок-схема алгоритма получения распределения содержания компонентов в пробах по известному распределению содержания компонента в кусках (или меньших по массе пробах) для заданного числа кусков nт, попадающих во вновь формируемые пробы
11
Алгоритмический путь получения нового распределения содержания компонента в пробах, включающих несколько кусков или меньших по массе проб пт, при известном покусковом распределении w(α) построен по принципу разыгрывания выборок с использованиемидеиметодаМонте-Карло (рис. 2.12).
Пусть известно исходное распределение содержаний компонента в кусках, заданное плотностью w(α), требуется получить новое распределение путем формирования проб по пт кусков в каждой. Новое распределение можно представить в виде гистограммы.
Зададимся числом проб т, достаточным для получения нового распределения. Преобразуем график плотности начального распределения в интегральную функцию распределения вероятности (рис. 2.13). Генерируя случайные числа,
w(α) а |
F(α) б |
uj=w(αт)Δα |
в |
|
|
|
|
||
|
1 |
|
u1 |
u2 |
|
СЧРЗi |
|
u3 |
|
|
|
|
||
|
|
|
|
u4 u5 |
α |
αi=СЧФЗi |
α |
α1 α2 α3 α4 αт |
Рис. 2.13. К получению гистограммы распределения вероятностей содержания компонентов во вновь образованных пробах uj=ω(αт)Δα с объединением nт кусковых проб с плотностью распределения ω(α) при использовании метода Монте-Карло:
а – плотность распределения; б – интегральная функция распределения; в – гистограмма нового распределения
распределенные по равномерному закону (СЧРЗ), будем по графику находить случайные числа, соответствующие фактическому закону (СЧФЗ). После накопления пт реализаций вычислим содержание в сформированной пробе по формуле
αт = ∑ αi . nт
Вновь образованные пробы рассортируем на группы по заданным значениям интервалов αт с границами α1, α2, , α3, ..., суммируя число проб, попавших в интервалы (т1, т2, т3,…), найдем долю проб, попавших в интервалы:
и1= т1/ т, и2= т2/ т, и3= т3/ т,….
По значениям иj построим гистограмму распределения вероятностей содержания компонента во вновь образованных пробах (рис. 2.13, в).
Когда вновь получено распределение подобным путем или чисто экспериментальным (примеры экспериментальных распределений содержаний компонентов в различных продуктах показаны рис. 2.14), для удобства дальнейшего использования его целесообразно аппроксимировать каким-либо типичным теоретическим законом.
Вид предполагаемого теоретического закона обычно выбирают из анализа гистограмм распределения.
Типичные используемые на практике законы распределения вероятности
12
w(α), (%)-1 |
а |
|
|
|
|
|
|
w(α), (%)-1 |
б |
|
|
|
w(α), (%)-1 в |
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,06 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,06 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,8 |
|
I |
|
|
|
|
II |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
0,04 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,04 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
0,02 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,02 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
αFe, % |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
αFe, % 0 |
|
|
|
|
|
|
|
|
|
|
|
αFe, % 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
45 |
50 |
55 |
60 |
65 |
40 |
50 |
60 |
70 |
|
0,2 |
0,4 |
0,6 |
0,8 |
1,0 |
Рис. 2.14. Экспериментальное распределение содержания компонента различных продуктов: а – симметричное распределение содержания железа в руде; б – левоасимметричное распределение содержания железа в концентрате; в – правоасимметричное распределение содержания асбеста в руде: I – для группы асбеста (асбест с определенной длиной волокна), II – общее содержание асбеста
приведены на рис. 2.15.
Аппроксимация симметричных распределений чаще осуществляется с помощью нормального закона с непосредственным использованием в качестве его
параметров выборочных характеристик αср и s2α: |
|
|
|
||||
w(α)= |
|
1 |
|
− (α− α |
ср |
)2 |
|
|
exp |
|
|
. |
|||
s |
2π |
2s2 |
|
|
|||
|
|
|
|
|
|||
|
α |
|
|
α |
|
|
|
Правосторонние распределения аппроксимируют гамма-распределением:
ba α a−1 e−ba
w(α) = Γ(a) ,
где Г (α) – гамма-функция параметра
α..
Оценка параметров а и b производится по выборочным характеристикам по формулам:
a = |
αср2 |
= b α |
ср |
(a > 0); |
|||
s2 |
|||||||
|
|
|
|
||||
|
α |
|
|
|
|
|
|
b = |
αср2 |
= |
a |
|
|
(b > 0). |
|
sα2 |
αср |
||||||
|
|
|
В зависимости от значения а и b кривая распределения может существенно изменяться.
Для подобного же рода распределений можно использовать логарифмически нормальное распределение. Его отличие от нормального в переходе оси абсцисс на логарифмический масштаб, т. е. в переходе на новую переменную, которая распре-
w(α) а |
w(α) |
|
б |
|
1 |
|
1 |
2 |
3 |
2 |
|
|
|
w(α) в |
α |
lgα |
|
w(α) |
|
а=3; b=0,2 |
а=0,5; b=1 |
|
|
а=3; |
|
|
b=0,2 |
а=1; b=1 а=3; b=1 |
|
а=3; |
b=1
αα
Рис. 2.15. Теоретические кривые плотностей распределения вероятностей: а – нормальные
распределения ( s12 < s22 ); б – логарифмически нормальные распределения (1-3 соответственно для sα2 =0,1; 0,3; 0,5); в – гамма-распределение
13
делена нормально с модой М0(у):
М0(у) =ln αср – 0,5 sln2 α.
Одним из немногих универсальных законов является β-распределение, плотность которого описывается формулой
w(αотн ) =
где a, b – параметры распределения;
αотн = α- αmin ;
∞αmax - αmin
Γ(a) = ∫e−αотнαотнa−1 dα
0
αa−1отн (1− αотн )b−1 ,
β
β= Γ((a)Γ(b));
Γa + b
∞
отн; Γ(b) = ∫e−αотнαbотн−1 dαотн,
0
где Г(а), Г(b), Г(а+b) – гамма-функции.
Оценка параметров а и b осуществляется по выборочной средней ариф-
метической величине |
|
|
отн и дисперсии |
s2 |
: |
|
|
|
|
|
|
|
|
|
||||||||
α |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
(1− |
|
отн) |
|
|
|
|
|
α |
отн |
(1− |
|
отн) |
|
|
|
|
|||
|
|
|
|
|
отн |
|
|
|
|
|
|
|
|
отн |
|
|
||||||
α |
α |
|
|
α |
α |
|
||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||
a = αотн |
|
|
|
|
|
|
|
− 1 |
> 0; |
b = (1− αотн) |
|
|
|
|
|
− 1 |
> 0. |
|||||
|
s2 |
|
s2 |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
αотн |
|
|
|
|
|
|
|
|
αотн |
|
|
При а > b распределение имеет левостороннюю асимметрию; при а < b – правостороннюю; при а = b распределено симметрично.
При а> 1, b> 1 распределение унимодальное с модой:
M0 (αотн) = (a − 1) /(a + b − 2).
Если а<1, b ≤ 1 распределение имеет вид убывающей функции, если а≥ 1, b<1 – возрастающей. Из-за сложности β-распределение для аппроксимации используется редко.
Когда сделано предположение, что совокупность эмпирических данных незначительно отличается от той, которую можно ожидать при некотором теоретическом законе распределения, выполняют проверку: согласуется ли экспериментальное распределение с теоретическим. Для этого находят, пользуясь методом моментов, по экспериментальным данным моменты распределения (среднеарифметическое, дисперсию и т. п.) и принимают их равными теоретическим.
Соответствие законов можно проверить по двум критериям: χ2 и Колмогорова − Смирнова.
По критерию согласия χ2 проверка состоит в следующем. Вычисляют
k |
(n |
− N |
)2 |
|
χ2p = ∑ |
i |
|
pi |
. |
|
N pi |
|
||
i=1 |
|
|
|
где ni – экспериментально полученное число наблюдений изучаемой величины в i-ом интервале изменения α; N – общее число экспериментальных данных; рi − теоретическая вероятность попадания изучаемой величины в i-й интервал; Npi – число данных, соответствующих теоретическому распределению; k − число интервалов на оси абсцисс.
Теоретическую вероятность рi находят по теоретическому закону:
14
рi= Ф(αi+1) − Ф(αi),
где Ф(αi+1) и Ф(αi) − интегральные функции распределения вероятностей соответственно при значениях αi+1 и αi.
Для определения Ф(αi) используют таблицы соответствующих законов. Интервалы необходимо подбирать так, чтобы в каждом из них наблюдае-
мых значений ni, было не менее 5. При принятых доверительной вероятности и числе степеней свободы f=k-1-m (k − число интервалов; т – число параметров, определяемых опытным путем или на основе выборочных данных для вычисле-
ния ожидаемых значений частот) находят табличное значение χ2т и сравнивают его с расчетным χ2р. Если χ2р> χ2т , то теоретический закон распределения не со-
ответствует экспериментальным данным, и надо искать более подходящий. Критерий Колмогорова – Смирнова применяется при относительно малых
выборках, когда критерий χ2 неприменим. Для его использования необходимо, чтобы проверяемое распределение было непрерывным и были рассчитаны среднее значение и дисперсия выборочной совокупности. Проверка осуществляется путем задания интегральной функции, следующей из теоретического распределения, и сравнения с интегральной функцией распределения эмпирических данных.
Сравнение основывается на выборочной группе интервала, в которой экспериментальное распределение имеет максимальное по модулю отклонение от теоретического. Далее эта максимальная абсолютная разность сопоставляется с критическим значением, приведенным в специальных таблицах, с целью определения, может ли такое отклонение быть случайным при данном законе распределения. Если отклонение меньше критического, имеется согласие, и выбранный теоретический закон использовать можно.
2.1.3. Фракционный состав продуктов
Понятие фракционного состава тесно связано с распределением минеральных частиц по какому-либо физическому свойству, в частном случае − содержанию полезного компонента. Обычно фракционный состав и его математическая трактовка используются для прогноза обогатимости. Вспомним классический фракционный анализ угля по плотности, заканчивающийся построением кривых обогатимости Анри. Фракционирование можно проводить и по многим другим физическим свойствам, которые положены в основу того или иного метода разделения.
Общий подход к фракционному составу и его приложениям в обогащении дает в своих работах О. Н. Тихонов. Подробно рассмотрим его суть.
Частицы обогащенного материала характеризуются физическими свойствами ξ. ξ − символ, обозначающий любое частное физическое свойство. Этим символом в дальнейшем будем пользоваться для общетеоретических рассуждений, при переходе к определенному методу разделения физическое свойство будет конкретизироваться: d, l − крупность, ρ – плотность, χ – удельная магнитная восприимчивость, g – удельная электропроводность частиц, q – удельный электрический заряд, φ – признаки информационного разделения (коэффициент от-
15
ражения R, интенсивность вторичного характеристического излучения I, светимость S и т. п.), α – массовая доля компонентов.
Разделение в обогатительных аппаратах ведется именно по этим свойствам (разделительным признакам).
Физические свойства смеси частиц изменяются в некотором диапазоне, который может быть задан различными видами записи: [ξmin ÷ ξmax], [ξmin , ξmax],
ξmin < ξ< ξmax.
Можно допустить, что свойство ξ внутри диапазона [ξmin , ξmax] изменяется непрерывно, поскольку частицы в общем случае – это сростки с различным содержанием компонентов. Для смеси чистых минералов (в идеализированном
w(ξ) |
|
случае) физическое свойство изменяется дис- |
||||||
|
кретно, реально свойство минералов даже одного |
|||||||
β(ξ) |
|
месторождения меняется, и подчас в значитель- |
||||||
|
w(ξi) |
w(ξ) |
ных пределах. |
|||||
|
|
Разобьем диапазон изменения свойств (рис. |
||||||
|
|
|
|
|
|
|
2.16) на интервалы Δξ. Узкая или конечная фрак- |
|
|
|
|
|
|
β(ξi)≈βсрi |
ция [ξi, ξi+Δξi] включает в себя частицы со свой- |
||
|
|
|
|
|
ствами, изменяющимися в пределах от ξi (нижняя |
|||
|
|
|
|
|
Δξi |
|
||
|
|
|
|
|
|
граница) до ξi+Δξi (верхняя граница). Размер |
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
(ширина) фракции равен Δξi= ξi+1 – ξi. Если ши- |
|
ξmin ξi ξi+1 |
ξmax ξ |
|||||||
Рис. 2.16. Характеристики |
рину узкой фракции устремить к нулю Δξi→ 0, то |
|||||||
получается бесконечно узкая фракция dξ. Диапа- |
||||||||
фракционного состава |
||||||||
|
|
|
|
|
|
|
зон [ξmin, ξmax] можно разбить на интервалы рав- |
ной или различной ширины. Если Δξi =const, а всего фракций п, интервал
найдем как Δξi =( ξmax – ξmin)/n.
Пусть w(ξ) – плотность распределения частиц по свойству ξ, поэтому
ξmax
∫w(ξ)dξ =1.
ξmin
Тогда заштрихованная площадь на рис. 2.16 доля элементарной фракции:
ξi + ξi
∫ w(ξ)dξ = γi.
ξi
Здесь и далее символом γ будем обозначать такую технологическую характеристику, как выход. Очевидно, что
∑n |
w(ξi ) ξi =1; γi = w(ξi )Δξi. |
i=1 |
|
Величина γi характеризует долю i-й фракции в продукте.
Размерность функции w(ξ) обратная размерности соответствующего физического свойства.
Значение w-функции в отдельных точках ξi, может быть найдено как отношение выхода элементарной фракции γ к ее диапазону Δξi.
Вторая основная функция служит для связи среднего содержания компонента во фракции βi со значением физического свойства этой фракции. Она
16
называется β-функцией и обозначается. В элементарной фракции β(ξi) находится усреднением содержаний компонентов в отдельных частицах. Среднее содержание компонента [ξi, ξi+1] во фракции определяется по формуле
i+1
βi = γ−1 ∫β(ξ) w(ξ)dξ,
ξiξ
так как γi – относительная масса частиц в i-й фракции, а интеграл – относительная масса компонента в этой фракции.
Среднее содержание компонента в анализируемой пробе (продукте) вычислим следующим образом:
ξmax
β= ∫β(ξ) w(ξ)dξ,
ξmin
так как выход всего продукта равен 1. |
|
|
|
|
|
|
|
|||||
|
Представляет интерес частный случай (случай дискретного задания), к |
|||||||||||
которому с некоторыми допущениями можно отнести ряд реальных видов сы- |
||||||||||||
рья (рис. 2.17). Пусть смесь состоит из полностью раскрытых мономинераль- |
||||||||||||
ных частиц, отличающих- |
|
|
|
|
|
|
|
|
||||
ся |
общим |
физическим |
w(ξ) |
|
|
|
β(ξ) |
|
β3 |
|
||
признаком ξ, он меняется |
|
|
|
|
|
|
|
|||||
Δξi→0 |
|
|
|
|
|
|
||||||
дискретно ξ1, ξ2, …, ξN. |
|
|
|
|
|
|
||||||
Всего минералов N. Со- |
|
|
|
|
|
β2 |
|
|
||||
держания |
компонента |
в |
·∞ |
·∞ |
·∞ |
|
|
|
|
|||
|
|
|
|
|
||||||||
минералах |
|
соответственно |
1 |
2 |
3 |
|
|
|
|
|
||
|
С |
С |
С |
|
β1=0 |
|
|
|
||||
|
|
|
|
|
|
|
|
|||||
равны β1, β2, …, βN. Весо- |
|
|
|
|
|
|
ξ |
|||||
вые доли минералов из- |
ξ1 |
ξ2 |
ξ3 |
ξ |
ξ1 |
ξ2 |
ξ3 |
|||||
вестны, это С1, С2, ...,CN. |
Рис. 2.17. Пример w- и β-функций полностью раскрытых |
|||||||||||
Тогда справедливы функ- |
минералов (для каждого минерала физический признак |
|||||||||||
ции: |
|
|
|
|
постоянен, не флуктуирует) |
|
|
|
|
w(ξ)= С1δ (ξ - ξ1) + С2δ (ξ – ξ2) + …+ СNδ (ξ – ξN);
β1, для ξ= ξ1;
β4, для ξ= ξ2;
β(ξ)= …………….;
βN, для ξ= ξN.
Дельта-функции δ (ξ – ξi) графически представляют собой бесконечно узкие импульсы с бесконечной амплитудой в i-x точках оси ξ. Умножение на С1, С2, ...,CN позволяет использовать нормирование γ-функции:
N
∑Ci = 1.
i=1
Свойство δ-функции:
+∞
∫ δ(ξ − ξi )dξ = 1,
−∞
17
поэтому
+∞
∫ w (ξ)dξ = 1.
−∞
Для случая существенности двух физических свойств для каждого минерала w- и β-функции выражаются с использованием двумерных δ-функций следующим образом:
w(ξ1, ξ2)= С1δ (ξ1 –ξ11, ξ2 –ξ21) + …+ СNδ (ξ1 –ξ1N, ξ2 –ξ2N);
β1, для ξ1= ξ11, и ξ2= ξ21;
β(ξ1, ξ2)= …………….
βN, для ξ1= ξ1N, и ξ2= ξ2N.
График w-функции в этом случае представляет собой N дискретных объемных импульсов. Объемы каждого импульса равны весовой доле соответствующего минерала в смеси.
Определение w- и β-функций для любых физических свойств выполняется по однотипной методике. Проба разделяется на несколько фракций с размерами Δξ1, Δξ2,… ΔξN, перекрывая весь диапазон [ξmin, ξmax]. Каждая из полученных фракций взвешивается, и во всех фракциях определяется содержание компонента βi. Поясним это таблицей 2.1.
Таблица 2.1. – Получение w- и β-функций по результатам фракционного анализа
Границы |
Масса |
|
Фракционный состав |
|
|
|
||
Доля фракции |
Содержание ком- |
|
|
|
|
|||
фракции ξ, |
фракции, |
понента во фрак- |
w(ξ ) = γ |
|
|
, (о. е.)−1 |
||
γ i = γ(ξi ) ξi = |
|
ξ |
||||||
ции |
i |
|||||||
о. е. |
mi, кг |
= pi ∑ pi , д. е. |
|
i |
|
|||
|
|
βi ≈ β(ξi ), % |
|
|
|
|
||
30-40 |
1,5 |
0,15 |
0 |
|
0,015 |
|
||
40-50 |
2,0 |
0,20 |
5 |
|
0,020 |
|
||
50-60 |
2,5 |
0,25 |
10 |
|
0,025 |
|
||
60-70 |
3,5 |
0,35 |
25 |
|
0,035 |
|
||
70-80 |
0,5 |
0,05 |
40 |
|
0,005 |
|
2.1.4. Прогноз технологических показателей обогащения и фракционных характеристик
Качественный анализ возможностей разделения сырья с известными w- и β-функциями выполним по их виду. Отдельные фракции отличаются друг от друга и средним выходом элементарных фракций и содержанием компонента в них. Если линия β-функции близка к горизонтальной линии или слабонаклонная, то можно говорить о неперспективности данного физического свойства для разделения данного вида сырья. По характеру распределения w-функции тоже можно сделать практические выводы; так, наличие провала в зоне предполагаемого разделения указывает на потенциально высокую обогатимость сырья, т. к. доля сростков невелика, а мода в этой области указывает на большую долю сростков в зоне разделения и низкую обогатимость.
18
Важнейшие подготовительные |
w(ξ) |
|
||
операции, к которым относятся |
|
|||
|
|
|||
дробление и измельчение, обес- |
|
|
||
шламливание, отмывка глин, магне- |
|
I |
||
тизирующий обжиг, |
обработка по- |
|
||
|
II |
|||
верхности минеральных частиц реа- |
|
|||
|
|
|||
гентами перед флотацией и во время |
|
ξ |
||
нее, служат для увеличения диапа- |
β(ξ) |
|
||
зона различий физических свойств. |
|
|||
Такого рода обработки приводят к |
|
I II |
||
изменению w- и β-функций сырья. |
|
|||
Часть операций, связанных с |
|
|
||
раскрытием минералов, их класси- |
|
|
||
фикацией, отмывкой, обесшламли- |
|
ξ |
||
ванием, |
вызывает |
деформацию |
|
|
функций, расширяет границы диапа- |
ξ'min ξ''min |
ξ'max ξ''max |
||
зона изменения свойств (т. е. растя- |
Рис. 2.18. Деформация w- и β-функций за |
|||
гивает w- и β-функции), увеличивает |
счет подготовительных операций |
|||
наклон β-функций (рис. 2.18). |
(I – до подготовки, II – после подготовки) |
|||
|
|
Таким образом, при подготовке сырья к обогащению следует стремиться к увеличению пределов колебаний фи-
зических свойств сырья [ξmin, ξmax] → max, как и к получению «весьма неплоской» β -функции, например, к выполнению условия
∑[β(ξi )− β]2→ max.
i
Для количественного прогнозирования результатов обогащения и предсказания фракционного состава продуктов требуется введение неких преобразующих функций аппарата, которые характеризовали бы вероятность перехода той или иной фракции в продукты.
Такой характеристикой аппарата является сепарационная характеристика ε(ξ), она задает вероятность извлечения фракции в продукт обогащения в зависимости от значения физического признака фракции.
Извлечение частиц конечной фракции [ξi, ξi+1] или[ξi, ξi+ ξi] в концентрат
равно соотношению масс (производительностей) частиц фракции в концентрате mik и в исходном miисх:
|
mi к |
|
Qк γi к |
|
Q w |
(ξ |
) |
|
ξ |
i |
|
|
||||
εi к = |
|
= |
|
|
|
= |
к |
к |
|
i |
|
|
|
|
, |
|
m |
Q |
γ |
i исх |
Q w |
|
(ξ |
) |
|
ξ |
|
||||||
|
i исх |
|
исх |
|
|
исх |
исх |
|
i |
|
|
|
i |
где Qк и Qисх – производительности по твердому соответственно концентрата и исходного; Qк γiк – производительность по i-й фракции для концентрата, Qисх γiисх – то же для исходного.
Рядизвлеченийε1к, ε2к, … εiк, … εnк называют ещеразделительными числами. |
|||||
При Δξi→0 и п→∞ этот ряд превращается в непрерывную функцию: |
|||||
εк(ξ ) = |
Qк wк(ξ)dξ |
= |
γwк(ξ) |
. |
|
Qисх wисх(ξ)dξ |
wисх(ξ) |
||||
|
|
|
19
Сепарационные характеристики по концентрату и хвостам связаны балансовым соотношением
εк(ξ)+ εх(ξ)=1.
В идеальном случае сепарационная характеристика ε(ξ) имеет ступенчатый вид:
0 |
для ξ< ξгр; |
εик(ξ)=1·(ξ- ξгр)= 0,5 |
для ξ= ξгр; |
1 |
для ξ> ξгр. |
Здесь 1·(ξ- ξгр) – символ единичной ступенчатой функции, ξгр – указывает на границу разделения, т. е. на точку, в которой происходит скачок на единицу.
При реальном разделении неизбежно взаимозасорение продуктов из-за несовершенства аппарата. В этом случае разделение носит вероятностный характер. В гравитации кривые вероятности разделения сводятся к виду нормального распределения и известны под названием кривых Тромпа–Терра. В общем случае вероятные кривые могут быть описаны не только кривой нормального распределения, а любым уравнением, наиболее точно отражающим работу конкретного аппарата.
Виды гипотетических сепарационных характеристик для идеального и реального случаев приведены на рис. 2.19.
Граница разделения – это такое значение физического свойства частиц, при котором их выделение в концентрат и хвосты равновероятно:
ε(ξгр) – 0,5 = 0.
При граничном значении признака разделения сепарационные характеристики по каналу хвостов и концентрата пересекаются в точке с ординатой, равной 0,5 (рабочая точка А на рис. 2.19).
В аппаратах обогащения возможно регулирование параметров, а следовательно, и изменение положения границы разделения в нужном направлении, а в отдельном случае и вида самой кривой.
ε(ξ), д. е. |
εи(ξ) |
|
и |
( ) |
|
εх |
ξ |
к |
1,0 |
|
|
|
|
α |
0,5 |
|
А |
|
εрх(ξ) |
|
εкр(ξ) |
||
|
|
ξ, о. е. |
|
|
ξгр |
Рис. 2.19. Идеальные и реальные сепа- |
||
рационные характеристики по каналам |
||
концентрата и хвостов |
Крутизна сепарационной характеристики tgα=dεк(ξ)/dξ в рабочей точке, соответствующей границе разделения, – одна из оценок степени несовершенства аппарата. Другим распространенным примером является среднее вероятное отклонение Еpm. Чем больше крутизна или чем меньше значение Еpm, тем ближе сепарационная характеристика к идеальной. Совершенствование аппарата направлено на повышение крутизны сепарационной характеристики. Наличие в схемах перечистных и контрольных операций служит той же цели.
20