مدار بهینه فلوتاسیون کارخانه زغالشویی زرند بر مبنای روش مجموع وزن‌دار با استفاده از الگوریتم وراثتی هدایت شده

نوع مقاله: علمی - پژوهشی

نویسندگان

1 استاد بخش مهندسی معدن،مرکز تحقیقات فرآوری مهندس کاشی گر

2 دکتری فرآوری مواد معدنیTمرکز تحقیقات فرآوری مواد مهندس کاشی گر

3 استاد بخش مهندسی معدن، گروه مهندسی معدن، دانشگاه شهید باهنر کرمان

چکیده

جستجوی ترکیب مدار فلوتاسیون بهینه برای دستیابی به اهداف متالورژیکی مطلوب انجام می‌شود. در مدار فلوتاسیون کارخانه زغالشویی پارامترهای متالورژیکی مانند راندمان و محتوای خاکستر محصول اهداف مورد نظر برای رسیدن به ترکیب مدار بهینه می‌باشند. برای محاسبه پارامترهای متالورژیکی هر ترکیب ممکن از مدار فلوتاسیون نیاز به مدل‌سازی است. با توجه به اهداف عملیات، بعضی از پارامترهای متالورژیکی نسبت به دیگر پارامترها مهم‌تر هستند.  برای اجرایی کردن این امر، با به‌کارگیری روش مجموع وزن‌دار و نسبت دادن وزن بیشتر به پارامتر مهم‌تر، ترکیب مدار بهینه‌ای یافت می‌شود که نتیجه آن دستیابی به محصولی با مشخصات مورد نظر است. در کارخانه زغالشویی زرند برای محاسبه  پارامترهای متالورژیکی هر ترکیب مدار از مدل سینتیک مرتبه اول استفاده شد. چون با تغییر اندازه ذرات زغالسنگ، نرخ شناوری آن‌ها نیز تغییر می‌کند این شاخص به عنوان مبنایی برای تفکیک خوراک به گونه‌های مختلف در نظر گرفته شد.  مقایسه نتایج با مقادیر اندازه گیری شده نشان داد که خطای متوسط پیش‌بینی راندمان و محتوی خاکستر کنسانتره توسط مدل به ترتیب 2/4 ± و 75/0 ± درصد می‌باشد. با به‌کارگیری روش مجموع وزن‌دار، همه ترکیب وزن‌های ممکن نسبت داده شده به پارامترهای متالورژیکی، ارزیابی شد. از میان سه ترکیب مدار فلوتاسیون پیشنهادی، ترکیبی که با اختصاص دادن وزن‌های 9/0 و 1/0 به ترتیب به شاخص محتوای خاکستر و راندمان به‌دست آمد، به دلیل امکان‌پذیر بودن در کارخانه به اجرا گداشته شد که نتیجه آن دستیابی به محصولی با کیفیت قابل قبول (محتوی خاکستر کنسانتره کمتر از 11 درصد) به همراه افزایش راندمان از 6/57 درصد در مدار اولیه به 8/65 درصد بود. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimum flotation cells configuration for Zarnd coal washing plant

نویسندگان [English]

  • dorna pirouzan 1
  • mohsen yahyaei 2
  • samad banisi 3
چکیده [English]

The optimum flotation cells configuration is sought in order to achieve the desired metallurgical objectives. At the coal washing plants, metallurgical parameters such as yield and ash content of the concentrate are considered in reaching the optimum circuit. Modelling is used to calculate the metallurgical parameters of any possible configuration. Considering the operation objectives, some of parameters are superior to others. In order to implement this, by using the sum-of-weighted method and allocating higher weights to more important parameters, an optimum circuit configuration is found which provides a product with the desired characteristics. At Zarand coal washing plant, to calculate metallurgical parameters the first order kinetics approach was used. Since by variation of particle size, their flotation rate also change, it was decided to use the particle size as the criterion to separate various feed species. Results showed that with a 95 % confidence the absolute difference between the modeled and plants values were between 2.9 and 5.5% for the yield and 0.4-1.1 % for the concentrate ash content. By using the sum-of-weighted method all possible combinations of weights were evaluated. Among the three recommended flotation circuit configurations, one was implemented in the plant because of its practicality. The monitoring of the implemented circuit showed that a product with an acceptable quality (ash content lower than 11%) along with an increase from the original yield of 57.6% to 65.8% was achieved.
 

کلیدواژه‌ها [English]

  • Flotation, Rate constants
  • Modeling, Optimization, Sum- of -weighted method
[1] Dey, A.K., Kapur, P.C., Mehrotra, S.P., 1989a, A search strategy for optimization of flotation circuits, Int. J. Miner. Process., Vol. 26, pp. 73-93.

[2] Green, J.C.A., 1984, The optimization of flotation networks, Int. J. Miner. Process., 13: 83- 103.

[3] Loveday, B.K., Hemphill, A.L., 2006, Optimization of a multistage flotation plant using plant survey data, Minerals Engineering, 19: 627- 632.

[4] Cisternas, L.A., Galvez, E.D., Zavala, M.F. and Magna, J., 2004, A MILP model for the design of mineral flotation circuits, Int. J. Miner. Process., 74: 121- 131.

[5] Schena, G.D., Zanin, M. and Chiarandini, A., 1997, Procedures for the automatic design of flotation networks, Int. J. Miner. Process., 52:137- 160.

[6] Nezamabadi, H., 2010, Genetic algorithm, Shahid Bahonar University of Kerman Press, 1st Edition, pp. 185.

[7] Ghobadi, P.,Yahyaei, M., Banisi, S., 2011, Optimisation of the performance of flotation circuits using a genetic algorithm oriented by process-based rules, Int. J. Miner. Process., 98, pp.174-181.

[8] Cisternas, L. A, Lucay,F., Gálvez, E. D., 2014, Effect of the objective function in the design of concentration plants, Minerals Engineering, 63, pp.16–24.

[9] Censor, Y., 1977, Pareto Optimality in Multiobjective Problems, Appl. Math. Optimiz., Vol. 4, pp 41–59.

[10] Galvez, E.D., Cisternas, L.A., Herrera, G. and Gani, R., 2009, A group contribution method for mineral flotation circuit design, 10th International Symposium on Process Systems Engineering.

[11] Lynch, A.J., Johnson, N.W.,Manlaping, E.V., Thorne, C.G., 1981, Mineral and coal flotation circuits, Elsevier Scientific, New York, pp.56-96.

[12] Pirouzan, D., Yahyaei, M., Banisi, S., 2012, Application of an oriented genetic algorithm in multiobjective optimization of the Zarand coal washing flotation circuit, Analytical& Numerical Methods in Mining Engineering,  Vol. 3, 75-88.

[13] Pirouzan, D., Yahyaei, M., Banisi, S., 2014, Pareto based optimization of flotation cells configuration using an oriented genetic algorithm, Int. J. Miner. Process., 126, 107–116.

[14] Pirouzan, D., Yahyaei, M., Banisi, S., 2012, Pareto based optimization of flotation cells configuration using an oriented genetic algorithm, IMPC, New Delhi, India, Paper No. 391.

[15] Ferreira,, J.P. and Loveday, B.K., 2000, An improved model for simulation of flotation circuits, Minerals Engineering, 13: 1441- 1453.

[16] Loveday, B.K. and Brouckaert, C.J., 1995, An analysis of flotation circuit design principles, Chemical Engineering Journal, 59: 15- 21.

[17] Fichura, M.A., Chudacek, M.W., 1992, Batch cell flotation models- A review, Min. Eng., Vol.5, pp. 41- 55.

[18] Arbiter, N., Harris, C.C., 1962. Froth Flotation 50th Anniversary Volume. In: Fuerstenau, D.W. (Ed.), Chapter 8: —Flotation Kinetics. AIME, New York, pp. 215–246.

[19] Eskandari Seyahkohi, M., Banisi, S., Sam, A., 2004, Increasing the efficiency and alteration of the Zarand coal washing plant flotation circuit, Forth Mining Engineering Student’s Conference, Kerman, pp.143-154.

[20] Hajizadeh, A., Yahyaei, M., Mozafari, P., Banisi, S., 2010, Determination of residence time distribution of material in the Zarand coal washing plant flotation circuit, Mining Industries Conference, Shahid Bahonar University of Kerman.

[21] Farmad, A.R., Yahyaei, M., Banisi, S., 2009, Determination of residence time distribution of material in grinding and flotation circuits by spreadsheet programs, Third Mining Engineering Conference, Yazd, pp. 1998-2003.

[22] Dey, A., Kapur, P.C. and Mehrotra, S.P., 1989b, Modeling of flotation kinetics and design of optimum flotation circuits, Int. J. Miner. Process., 26: 73- 94