Науковий вісник НГУ

Обґрунтування критерія оптимального керування процесом самоподрібнення руд у барабанних млинах

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2024

Останнє оновлення: 28 серпня 2024

Опубліковано: 30 листопада -0001

Перегляди: 951

Authors:

І.В.Новицький, orcid.org/0000-0002-8780-6589, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Ю.О.Шевченко*, orcid.org/0000-0002-3895-3937, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2024, (4): 061 - 066

https://doi.org/10.33271/nvngu/2024-4/061

Abstract:

Мета. Обґрунтування критерія автоматичної оптимізації процесу подрібнення руди в барабанних млинах самоподрібнення шляхом складання й дослідження математичних моделей руху матеріалу всередині барабана млина, що обертається.

Методика. Використані методи математичного моделювання внутрішньої механіки барабанних млинів у поєднанні з експериментальними дослідженнями спектральної щільності змінної складової активної потужності споживаної приводним двигуном млина.

Результати. У результаті моделювання встановлено, що сипучий матеріал, поміщений на внутрішню поверхню барабана, що обертається, за певних умов здійснює періодичні коливання. Параметри цих коливань залежать від радіусу барабана, кількості матеріалу й коефіцієнта тертя. Теоретично обґрунтовано, що у разі коливань навантаження інтенсифікується робота сил тертя і, отже, процес руйнування матеріалу. Теоретично одержані висновки підтверджуються результатами експериментальних досліджень спектра сигналу активної потужності приводного двигуна млинів у характерному низькочастотному діапазоні. Встановлено, що найінтенсивніші коливання виникають при певному ступені заповнення барабана млина в робочому діапазоні заповнень і їх інтенсивність корелює із продуктивністю млина по новоствореному готовому класу.

Наукова новизна. Розкрито механізм виникнення коливань рудного навантаження барабанних млинів і обґрунтовано звязок цього явища з показниками технологічної ефективності процесу подрібнення.

Практична значимість. Інтенсивність коливань рудного навантаження доцільно використовувати як критерій автоматичного управління завантаженням млина, оскільки цей параметр характеризує технологічну ефективність роботи млина і може бути оперативно виміряний. Використання інтенсивності коливань рудного навантаження, як критерія управління, дозволяє реалізувати пошукову систему екстремального управління завантаженням млинів.

Ключові слова: продуктивність, барабанний млин, коливання, рудне навантаження, самоподрібнення, оптимізація, математична модель

References.

1. Sokur, M. I., Biletskyi, V. S., Vidmid, I. O., & Robota, E. M. (2020). Ore preparation (crushing, grinding, classification): monograph. ISBN 978-617-639-272-9.

2. Maruta, O. N., & Butnyk, A. M. (2003). Making rational economic decisions in gaming, risky and uncertain situations. Kharkiv: PH “Ingek”, 167-168. ISBN 966-8327-93-4.

3. Novytskyi, I. V., & Us, S. A. (2017). Modern theory of healing: textbook for universities. National Mining University. ISBN 978-966-350-661-6.

4. Sokur, V., Biletskyy, L., Sokur, D., & Bozyk, I. (2016). Investigation of the process of crushing solid materials in the centrifugal disintegrators. Eastern-European Journal of Enterprise Technologies. 3/7(81), 34-40.

5. Novytskyi, I., Sliesariev, V., & Shevchenko, Y. (2022). Self-adjusting filling control system for self-grinding drum mills. Collection of research papers of the National Mining University, 71, 203-210.
https://doi.org/10.33271/crpnmu/71.203.

6. Pageau, J., Pouliot, M., Bouchard, J., & Poulin, É. (2023). A misconception in regulatory control of secondary grinding circuits. IFAC-PapersOnLine, 56(2), 2689-2694. https://doi.org/10.1016/j.ifacol.2023.10.1362.

7. Zuñiga, J. M., & Mantari, J. L. (2017). A computational methodology to calculate the required power in disc crushers. Original Research Article. Journal of Computational Design and Engineering, 4(1), 14-20. https://doi.org/10.1016/j.jcde.2016.09.003.

8. Akande, S., Adebayo, B., & Akande, J. M. (2013). Comparative Analysis of Grindability of Iron ore and Granite. Journal of Mining World Express, 2(3), 55-62.

9. Silva, M., & Casali, A. (2015). Modelling SAG milling power and specific energy consumption including the feed percentage of intermediate size particles. Minerals Engineering, 70, 156-161. https://doi.org/10.1016/j.mineng.2014.09.013.

10. Jankovic, A., Dundar, H., Mehta, R., & Jankovic, A. (2010). Relationships between comminution energy and product size for a magnetite ore. The Journal of the Southern African Institute of Mining and Metallurgy, 110, 141-146. Retrieved from https://www.scielo.org.za/pdf/jsaimm/v110n3/07.pdf.

11. Morrell, S. (2009). Predicting the overall specific energy requirement of crushing, high pressure grinding roll and tumbling mill circuits. Minerals Engineering, 22(6), 544-549. https://doi.org/10.1016/j.mineng.2009.01.005.

12. Ting, D., Shiliang, Y., & Shuai, W. (2024). Super-quadric DEM study of cylindrical particle behaviors in a rotating drum. Powder Technology, 437. https://doi.org/10.1016/j.powtec.2024.119511.

13. Shevchenko, Y. O., & Novytskyi, I. V. (2012). Adaptive control system for the coarse crushing process. Mining electromechanics and automation, 88, 10-105.

14. Novytskyi, I. V., & Shevchenko, Y. O. (2014). Adaptive loading control system for autogenous drum mills. Collection of research papers of the National Mining University, 44, 103-109.

15. Morkun, V., & Morkun, N. (2018). Estimation of the crushed ore particles density in the pulp flow based on the dynamic effects of high-energy ultrasound. Archives of Acoustics, 43(1), 61-67. https://doi.org/10.24425/118080.

16. Monov, V., Sokolov, B., & Stoenchev, S. (2012). Grinding in Ball Mills: Modeling and Process Control. The Journal of Institute of Information and Communication Technologies of Bulgarian Academy of Sciences, 12(2). https://doi.org/10.2478/cait-2012-0012.

17. Tavares, L. M. (2017). A Review of Advanced Ball Mill Modelling. KONA Powder and Particle Journal, 34, 106-124. http://doi.org/10.14356/kona.2017015.

18. Dubé, O., Alizadeh, E., Chaouki, J., & Bertrand, F. (2013). Dynamics of non-spherical particles in a rotating drum. Chemical Engineering Science, 101, 486-502. https://doi.org/10.1016/j.ces.2013.07.011.

19. Cunkui, Huang, & Masami, Nakagawa (2023). Effects of rotation axis on mixing behavior of dissimilar particles in rotating drums. Powder Technology, 428. https://doi.org/10.1016/j.powtec.2023.118868.

20. Vu, D. Ch., Amarsid, L., Delenne, J.-Y., Richefeu, V., & Radjai, F. (2024). Rheology and scaling behavior of polyhedral particle flows in rotating drums. Powder Technology, 434. https://doi.org/10.1016/j.powtec.2023.119338.

21. Kumar, S., Khatoon, S., Parashar, Sh., Dubey, P., Yogi, J., & Anand, A. (2023). Effect of aspect ratio of ellipsoidal particles on segregation of a binary mixture in a rotating drum. Powder Technology, 427. https://doi.org/10.1016/j.powtec.2023.118682.

22. Tomaru, T., Miyamoto, K., Amemoto, H., & Akaboshi, K. (2010). The Characteristics and Self-Stabilizing Control of the Grinding Mill Process. IFAC Proceedings Volumes, 20(8), 85-90. https://doi.org/10.1016/S1474-6670(17)59075-8.

23. Mariuta, A. N. (2001). Theory of modeling vibrations of working bodies of mechanisms and its applications. Dnepropetrovsk: National Mining University. ISBN 5-86400-001-9.

• < Попередня
• Наступна >