Закономірності керування вилученням корисного мінералу з рудопотоків із самоподрібненням. Спектральний аналіз

Authors:

І. К. Младецький, доктор технічних наук, професор, orcid.org/0000-0002-6159-6819, Національний технічний університет „Дніпровська політехніка“, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Я. Г. Куваєв, кандидат технічних наук, доцент, orcid.org/0000-0003-4981-346X, Національний технічний університет „Дніпровська політехніка“, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Н. С. Прядко, доктор технічних наук, старший науковий співробітник, orcid.org/0000-0003-1656-1681, Інститут технічної механіки НАН України, Державна Космічна Агенція України, м. Дніпро, Україна

Abstract:

Мета. Підведення підсумків комплексного дослідження, що спрямоване на обґрунтування фундаментальної бази прийняття рішень по каналу керування „вміст корисного мінералу в руді ‒ вміст корисного мінералу в концентраті“ в автоматичному режимі для фабрик, що збагачують бідні залізовмісні руди.

Методика. Порівняльний аналіз об’єктивних показників спектрів дисперсій, автокореляційних і кореляційних функцій, технологічних змінних, а також амплітудно-частотних характеристик об’єк­тів управління процесами збагачення залізної руди й синтез загальних положень структури систем управління збагаченням корисних копалин.

Результати. Покладено початок обґрунтуванню фундаментальної бази прийняття рішень без участі оператора технологічного процесу на основі зв’язку між безліччю станів об’єкта керування й кінцевим рядом індикативних подій, що визначаються спільним використанням методу кореляційного аналізу значень технологічних змінних і спектрального аналізу об’єктів керування збагаченням залізної руди. Визначена стратегія керування такими об’єктами, що не залежить від технології розкриття корисного мінералу.

Наукова новизна. Уперше показано, що для всіх об’єктів керування збагаченням бідних залізовмісних руд систему автоматичного керування необхідно будувати по реакції на відхилення значення змісту корисного мінералу на виході об’єкта керування. Уперше для обґрунтування фундаментальної бази прийняття рішень методом кореляційного та спектрального аналізу був визначений кінцевий ряд індикативних подій, необхідних, але не достатніх, для опису безлічі станів об’єктів керування збагаченням бідних залізовмісних руд по каналу керування „вміст корисного мінералу в руді ‒ вміст корисного мінералу в концентраті“.

Практична значимість. Отримані результати можуть стати основою перспективної системи автоматичного керування об’єктами технологій збагачення бідних залізовмісних руд.

References.

1. Enderev, V. A. (2012). The state and prospects of development of the management system of mining and processing industry in ferrous metallurgy. Modern research and innovation, 8. Retrieved from http://web.snauka.ru/issues/2012/08/16352.

2. Perrucci, M., Martin, M., & Ferreau, J. (2015). SmartMill_TM: Exceed your performance limits. Take full control of your grinding mills to increase productivity. ABB Ltd, Zurich, Switzerland. Retrieved from https://library.e.abb.com/public/1f0ebafac7e1475db7662c43c106dc03/WhitePaper_Smart%20Mill_LowRes.pdf.

3. Sibirtseva, N. B., Potapenko, A. N., & Semiletov, N. A. (2010). Methods of measuring the level of loading mills, based on the physical processes of modern centralized lubrication systems. News of the Samara Scientific Center of the Russian Academy of Sciences, 4(3), 694-697.

4. Andreev, E. E., Nikolaev, N. V., & Lviv, V. V. (2011). The method of automatic control of the operation of the mill autogenous. Notes of the Mining Institute, 192, 61-64.

5. Metso Group (2012). Optimizing the process with Metso CISA. Helsinki, Finland. Retrieved from http://www.madencilik-turkiye.com/dosyalar/metso/sunum7-julie_legay-prosesi_tamamlayici_uygulamalar.pdf.

6. Metso Group (2013). Minerals Processing Solutions. Automation. Helsinki, Finland. Retrieved from http://www.metso.com/miningandconstruction/mm_proj.nsf/WebWID/WTB-131030-2256F-1C5EA/$File/Metso%20Automation%202013.pdf.

7. OUTOTEC (2017). OUTOTEC automation solutions for grinding optimization. Espoo, Finland. – Retrieved from https://www.outotec.com/globalassets/products/analyzers-and-automation/ote_act_grinding_optimization_eng.pdf.

8. ANDRITZ (2015). Control systems for partial self-grinding mills. Graz, Austria. Retrieved from https://www.andritz.com/resource/blob/14846/87c53c36290cd5c943e75b006ba2f877/aa-brainwave-sagmill-ru-data.pdf.

9. OUTOTEC (2014). OUTOTEC Act Platform (2014). Espoo, Finland. Retrieved from https://www.outotec.com/globalassets/products/analyzers-and-automation/ote_act_platform_eng.pdf .

10. Mladetsky, I. K., Kuvaiev, I. G., & Priadko, N. S. (2018). The control regularity detection of the useful mineral extraction from the ore feed stream with autogenous grinding. Part 1. Correlation analysis. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 4(166), 59-65. DOI: 10.29202/nvngu/2018-4/6.

11. Mladetsky, I. K., Kuvaiev, I. G., & Priadko, N. S. (2017). Control regularities of the useful mineral extraction from ore feed stream with ball grinding. Spectral analysis. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu , 6(162), 132-138.

12. Mladetsky, I. K., Kuvaiev, I. G., & Priadko, N. S. (2017). Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu , 4(160), 91-98.

 повний текст / full article