Закономірності керування вилученням корисного мінералу з рудопотоків із кульовим подрібненням. Кореляційний аналіз
/ 0
- Деталі
- Батьківська категорія: Зміст №4 2017
- Категорія: Інформаційні технології, системний аналіз та керування
- Створено: 07 вересня 2017
- Останнє оновлення: 07 вересня 2017
- Опубліковано: 07 вересня 2017
- Автор: Super User
- Перегляди: 3167
Authors:
І.К.Младецький, д-р техн. наук, проф., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна, e-mail: kuvaievig@gmail. com
Я.Г.Куваєв, канд. техн. наук, доц., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна, e-mail: kuvaievig@gmail. com
Н.С.Прядко, д-р техн. наук, старш. наук. співроб., Інститут технічної механіки НАН України, Державне Космічне Агентство України, м. Дніпро, Україна
Abstract:
Мета. Для виключення оператора з контуру керування методом кореляційного аналізу визначити індикативні події, що характеризують стан процесу по каналу управління „вміст корисного мінералу в руді ‒ вміст корисного мінералу в концентраті“ рудо-збагачувальною фабрикою з кульовим подрібненням.
Методика. Кореляційний аналіз параметрів об’єкта керування.
Результати. За видом та параметрами взаємокореляційних функцій виділено ряд індикативних подій, що характеризують стан процесу по каналу управління „вміст корисного мінералу в руді ‒ вміст корисного мінералу в концентраті“.
Наукова новизна. Уперше проведено порівняння чисельних значень часу спаду та еквівалентного запізнювання автокореляційних і кореляційних функцій вмісту загального заліза й постійної часу технологічної лінії збагачення, отриманих у процесі нормальної промислової експлуатації рудозбагачувальної фабрики з кульовим подрібненням.
Практична значимість. Індикативні події, що одержані за виглядом та за параметрами взаємокореляційних функцій між вмістом корисного мінералу у вихідній сировині та концентраті, можуть бути використані для побудови автоматичної системи ситуаційного управління процесом збагачення руд чорних і кольорових металів як на окремих секціях з кульовим подрібненням, так і на фабриках, до складу яких ці секції входять.
References.
1. Decisions for a mining and processing complex according to the Saturn company of a data international. [online] Available at: http://www.saturn-data.com/img/forall/file/Mining_rus_mod.pdf [Accessed 11 February 2017].
2. Automated process control systems of concentrating factories: according to the PROM-TECH company. [online] Available at: http://www.promtex.ru/custom-pages.html?layout=edit&id=185/ [Accessed 11 February 2017].
3. IRON ORE BENEFICIATION SOLUTIONS: according to the Outotec company. [online] Available at: http://www.outotec.com/en/Products-services/Ferrous-metals-and-ferroalloys-processing/Iron/Iron-ore-beneficiation/ [Accessed 5 February 2017].
4. Porkuyan, O.V., Davidenko, A.M. and Katz, M. D., 2010. Identification and suboptimization of technological process of iron ore dressing as object of automatic control. Visnik of East-Ukrainian University by Volodymyr Dahl, 6(148), Part 2, pp. 71‒75.
5. Khotskina, V.B., 2013. Process control automation of iron ore dressing technology complex with Petry net model use. Visnik of Krivorizky National University, 34, pp. 15‒18.
6. Khorolsky, V.P., Khotskina, V.B. and Khorolska, T.V., 2013. Intellectual control system of iron ore dressing technology complex. Mining electromechanic and automatic equipment, 91, pp. 47‒53.
7. Konokh, I.S. and Nayda, V.V., 2014. The analysis of relevance of development of information technologies for optimization of operation of the first stage of concentrating factory of Ferrexpo Poltava Mining. Visnik of Kremenchutsky National University named after Mikhail Ostrogradskyi, 5(88), pp. 68‒76.
8. Kuvaiev, Ya.H., 2006. Automatic expert energy saving management system closed loop of wet spherical grinding. Science and innovations, 3, pp. 48‒53.
9. Ivanov, A.B., Kuvaiev, V.N. and Kuvaiev, Ya.H., 2010. Perspective directions of process automation of ore crushing and grinding. Mining Magazine, 11, pp. 74‒77.
10. Kupin, A.I., 2008. Statistic parameter estimation of artificial neurostructures for control of nonlinear dynamic objects. Naukovy Visnik Chernivetsky University, 423, pp. 77‒82.
 04_2017_Mladetsky
|
|
 2017-09-05  1.84 MB  664 |
|
