بهبود خطای اندازه گیری ارتفاع لایه کف در ستون های فلوتاسیون صنعتی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,558

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COPPER01_003

تاریخ نمایه سازی: 22 فروردین 1390

چکیده مقاله:

پس از سال ها استفاده از ستون های فلوتاسیون، در کارخانه های فرآوری مواد معدنی هنوز از تمام پتانسیل آن در فرآیند فلوتاسیون استفاده نمی شود. یکی از مهم ترین دلایل آن، ضعف در منطق و نحوه استفاده از امکانات کنترلی است. نقص در محاسبه ارتفاع لایه کف مهم ترین مشکل مربوط به کنترل ستون فلوتاسیون است که کارآیی کنترل را به میزان قابل توجهی کاهشمی دهد. در این مقاله به دلیل وجود مشکلات در محاسبه ارتفاع کف ستون فلوتاسیون مجتمع مس سرچشمه، روش هایی مبنی بر تغییر میانگین دانسیته کف در منطق کنترلی و پیش بینی ارتفاع کف با استفاده از متغیرهای قابل دستکاری بر اساس مدل سازی شبکه های عصبی پیشنهاد شده است. با اندازه گیری مقدار ارتفاع کف واقعی، مقدار متوسط دانسیته کف برابر 0/32 به دست آمد که با جایگزینی این مقدار در منطق کنترلی میزان خطای موثرRMS) از 36 سانتیمتر به 9 سانتیمتر کاهش یافت. همچنین با استفاده از شبکه عصبی پیشخور با ساختار 1-10-13-3 با ورودی های سه متغیر قابل دستکاری دور پمپ باطله، دبی جریان های آب شستشو و هوای ورودی، ارتفاع لایه کف پیش بینی گردید. در پیش بینی با استفاده از روش مذکور، ضریب همبستگی 0/95 و مقدار موثر خطا برابر 4/02 سانتیمتر برای مرحله آزمون حاصل شد.

نویسندگان

فردیس نخعی

دانشجوی کارشناسی ارشد فرآوری مواد معدنی،عضو انجمن پژوهشگران جوان، د

عباس سام

عضو هیئت علمی دانشگاه شهید باهنر کرمان، بخش مهندسی معدن

سیدمحمدرضا موسوی

دانشیار دانشگاه علم و صنعت ایران، دانشکده مهندسی برق

محمدعلی شهریاری

دانشجوی کارشناسی ارشد فرآوری مواد معدنی، عضو انجمن پژوهشگران جوان، د

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Hacifazlioglu and H. Sutcu, "Optimization of some parameters in ...
  • L. G. Bergh and J. B. Yianatos, "Flotation column automation: ...
  • J. A. Finch and G S. Dobby, "Column flotation: A ...
  • J. A. Finch, and G. S. Dobby, Column Elotation, 1990, ...
  • M. Pu, Y. P. Gupta and A. M. AI taweel, ...
  • L. G. Bergh, J. B. Yianatos, C. P. Acuna, H. ...
  • L. G. Bergh and J. B. Yianatos, "Control alternatives for ...
  • R. Pal and J. Masliyah, "Process dynamics and control of ...
  • D. B. Hyma and A. I. A. Salama, "Design and ...
  • R. Del Villar, M. Gregoire and A. Pomerleau, " Automatic ...
  • M. T. Carvalho and F. Dur?o, "Control of a flotation ...
  • S. Mohanty, "Artificial neural network based system identification and model ...
  • R. Del Villar, R. Perez and G. Diaz, "Improving pulp ...
  • M. M assinaei and R. Doostmoham madi, "Modeling of bubble ...
  • E. C. Cilek, "Application of neural networks to predict locked ...
  • M. R. Mosavi, "GPS receivers timing data processing using neural ...
  • E. Jorjani, S. C. Chelgani and Sh. Mesroghli, "Prediction of ...
  • نمایش کامل مراجع