- •Опорный конспект лекций – в помощь студенту
- •Структура дисциплины "Моделирование обогатительных процессов
- •Моделирование обогатительных процессов
- •Лекция № 1.1 Введение. Методы оценки процессов сепарации и их моделей.
- •Класс 0 – 0,5 мм
- •5 Фракций
- •Класс 0,5 – 13 мм
- •5 Фракций
- •Для заметок к лекции № 1.1 Лекция № 1.2
- •Для заметок к лекции № 1.2 Лекция № 1.3. Прогноз распределения фракций в продукты
- •Для заметок к лекции № 1.3 Лекция № 1.4 Устранение невязки баланса схем сепарации.
- •Для заметок к лекции № 1.4 Лекция № 2.1 Дифференцирование сепарационных функций
- •Для заметок к лекции № 2.1 Лекция 2.2 Условия оптимальности процесса сепарации
- •Подстановкой сюда производной зольности концентрата из (2.3) получаем
- •Для заметок к лекции № 2.2 Лекция 2.3 Оценка сепарабельности угля с учётом золы и серы
- •Для заметок к лекции № 2.3 Лекция 2.4 Эффективность критерия – функции отклика модели
- •Зависимость показателя сепарабельности от скорости барабана
- •Зависимость сепарабельности от напряжённости поля
- •Для заметок к лекции № 2.4 Лекция 3.1 Интерполяция данных гранулометрического состава
- •Для заметок к лекции № 3.1 Лекция 3.2 Интерполяция данных фракционного состава
- •Для заметок к лекции № 3.2 Лекция 3.3 Совместное описание фракционно-ситового состава
- •Для заметок к лекции № 3.3 Лекция 3.4 Преобразование фракционных характеристик
- •Для заметок к лекции № 3.4 Лекция 4.1 Определение области сепарабельности угля
- •Для заметок к лекции № 4.1 Лекция 4.2 Закономерность распределения фракций сепарации
- •Для заметок к лекции № 4.2 Лекция 4.3 Нормирование показателя селективности сепарации
- •Для заметок к лекции № 4.3 Лекция 4.4 Исследование селективности процессов на фабрике
- •Для заметок к лекции № 4.4 основнаялитература
- •Дополнительная литература
Зависимость сепарабельности от напряжённости поля
X4, КВ1ּм-1 |
п, доли |
п, доли |
и, доли |
Заданные зольности разделения р, доли | ||||
0,70 |
0,75 |
0,80 |
0,85 |
0,90 | ||||
480 |
0,667 |
0,396 |
0,8401 |
0,292 |
0,400 |
0,476 |
0,513 |
0,495 |
482 |
0,647 |
0,365 |
0,8389 |
0,348 |
0,433 |
0,494 |
0,521 |
0,487 |
384 |
0,629 |
0,276 |
0,8659 |
0,403 |
0,479 |
0,536 |
0,562 |
0,540 |
736 |
0,609 |
0,302 |
0,8362 |
0,407 |
0,462 |
0,497 |
0,497 |
0,414 |
288 |
0,676 |
0,411 |
0,8387 |
0,257 |
0,378 |
0,459 |
0,500 |
0,482 |
240 |
0,710 |
0,465 |
0,8399 |
- |
0,283 |
0,399 |
0,456 |
0,454 |
223 |
0,718 |
0,496 |
0,8380 |
- |
0,254 |
0,384 |
0,456 |
0,457 |
Полученные результаты выявляют зависимость положения экстремума X4, от заданной величины р, гребень которой как X4, найденный по методике [11], даёт возможность настраивать электрические параметры сепаратора по заданному технологическому режиму. Для р=0,85 установлен оптимальный уровень напряжённости электрического поля X4=390 КВм-1.
По коэффициенту наклона почти прямого гребня X4р, равному для обогащаемого сырья 272 КВм-1, и допустимой ошибке поддержания заданной зольности разделения р01 (принята по диапазону изменения от марки угля) найдена требуемая точность стабилизации напряжённости электрического поля X4доп=272 КВм-1, примерно 1% к оптимальной величине. Альтернативы целеориентированному моделированию нет.
Контрольные вопросы.
В чём состоит преимущество селевого ориентированного моделирования обогатительного процесса перед изучением мас сива не ранжированных даннях обогатительного эксперимента?
Литература к лекции: [1], [9], [11]
Для заметок к лекции № 2.4 Лекция 3.1 Интерполяция данных гранулометрического состава
Рассматриваемые вопросы:
Информативность массивов данных сепарабельности и метод повышения их информативности: идея описания дискретних данных продолжением их мас сива.
Входные параметры обогатительного процесса представлены массивом сепарабельных (раздельных) частиц материала различной крупности, зольности, содержания серы и других компонентов, увязываемых в единое описание с помощью характеристик ситового и фракционного составов в форме таблиц. При этом рассматривают три дискретных функции: распределения зольностей F(λ), как производную от предыдущей функцию плотности распределения вероятностей зольности φ(λ) [7, 8], где λ – зольность элементарной фракции как функция от плотности D , λ=f(D), и распределения извлечений фракций по золе [9], см. (2.5). “В современном углеобогащении существует необходимость нахождения такого способа задания гранулометрического состава, который был бы универсален, т.е. чтобы его можно было применять для различных задач технологии” [10].
Информативность массива данных зависит от количества элементов (длины) этого массива. Непрерывная функция содержит максимум информации о представляемом ею явлении.
Прогнозом называют определение функций распределения ситовых и фракционных показателей продуктов процесса сепарации и их характеристик по принципу практической уверенности [11] на основании табличных (дискретных) данных фракционно-ситового состава перерабатываемого материала в текущий момент времени.
Существует ряд принципов и методов оценивания массивов, функций, решений. Принцип практической уверенности: “Событие, вероятность которого близка к единице, называют практически достоверным, а событие, вероятность которого близка к нулю, - практически невозможным” [11].
В применении к задаче интерполяции ситовой характеристики принцип практической уверенности позволяет обосновать решение нахождения новых опорных точек (НОТ) под названием knot-продолжения массива.
Сущность метода продолжения массива данных ситового состава поясняется по схеме рис.3.1. Для упрощения изложения вопроса рассматриваются только 4 точки под номерами 0, 2, 4 и 6, которые названы узлами искомой зависимости. Пропущенные между ними точки с нечётными номерами 1, 3 и 5 зарезервированы для размещения распознаваемых НОТ-узлов. Рассмотрим построение точки типа 3 (рис. 3.1). Эта точка расположена внутри интервала 2 - 4 (и по аргументу, и по функции) и вблизи хорды 2 - 4. В отличие от кусочно-полиномиальной интерполяции, здесь вместо касательной слева от точки 2 строим хорду 0 - 2, а вместо касательной справа от точки 4 строим хорду 4 - 6. Продолжения хорды 0 - 2 и хорды 4 - 6 при пересечении образуют точку p, которая вместе с точками 2 и 4 создаёт “треугольник правдоподобия” (2, 4, p), окаймляющий область, по которой проходит гипотетическая кривая.
Рис.3.1. Схема определения новой опорной точки 3 массива данных.
Треугольник полностью определён своими вершинами, так что полностью определён и его центр тяжести (2, 4, p) как НОТ, положение которого не зависит не только от масштабов переменных, но и от их размерностей.
Метод доверительного треугольника работает только на выпуклой или вогнутой функции, что проверяется попаданием точки p в интерполируемый интервал как по аргументу, так и по функции.
Выполнив такие расчёты для всех n0-1 интервалов, где n0 - количество исходных узлов интерполяции, получим НОТ первой рекурсии в количестве n1 = 2n0-1. Весь алгоритм представлен пунктами:
начало алгоритма, указание количества интервалов Nmin;
ввод трёхмерного массива (Øi, γi, βi, si), i=0, 1, 2 …, N длины N+1;
удвоение длины массива N=Nּ2;
организация циклов от i=N до 2, шаг –2; идти на П.6;
удвоение индексов i-ых элементов массива (Øi, γi, βi, si);
расчёт 1-ой и (N-1)-ой НОТ по формуле центра тяжести доверительного треугольника, если этот треугольник вписывается в область определения интервала, иначе - по формуле средины стягивающей хорды;
организация циклов от i=2 до N-2, шаг 2; идти на П.9;
расчёт i-ой НОТ в центре тяжести доверительного треугольника, если этот треугольник вписывается в область определения интервала, иначе - в средине стягивающей хорды; идти на П.7;
контроль количества интервалов; если Nּ2<Nmin, то идти на П.2;
10) печать результатов; конец.
Пример. Для данных ситового анализа (табл. 3.1) требуется найти НОТ внутри интервалов данных. Расчёт выполнялся на ЭВМ.
Таблица 3.1
Исходные данные ситового состава угля.
-
Крупность,
мм
Выход
класса, %
Зольность, %
Содержание серы, %
0≤<0,5
20,00
90,00
1,80
0,5≤<1
20,00
45,00
1,85
1≤<3
15,00
25,00
2,00
3≤<5
5,00
22,00
2,10
5≤<13
3,00
20,00
7,50
13≤<50
5,00
15,00
2,20
50≤<100
32,00
10,00
0,80
0≤d<100
100,00
36,40
1,73
После выполнения i рекурсий количество узлов составит величину Ni= 2i(N0-1)+1. Результаты даны рис.3.2.
Таким образом, рекурсивный метод knot– продолжения массива данных ситового состава не требует поиска функций для описания массива внутри интервалов данных и обеспечивает монотонность интерполированных характеристик при любой закономерности распределения крупности угля. С решением задачи оптимальной минимизации набора сит при выполнении ситового анализа угля в производственных условиях ОФ можно ознакомиться в работе [8].
Контрольные вопросы:
1. Каким параметром определяется информативность масива данных сепарабельности?
По какому признаку прогнозируют распределение ситовых и фракционных показателей продуктов сепарации?
Какая идея используется для описания дискретных данных?
Назовите три соглашения по описанию самых общих свойств массивов сепарабельности.
В чём заключается сущность продолжения массива данных фракционного состава?
Литература к лекции: [7, …, 11]