نوع مقاله: علمی - پژوهشی

نویسندگان

1 فارغ التحصیل کارشناسی ارشد دانشگاه صنعتی امیرکبیر

2 عضو هیات علمی دانشگاه کاشان

چکیده

تعیین مقدار پارامترهای مختلف در یک مدار فرآوری از طریق اندازه‌گیری مستقیم یا نمونه‌گیری امری رایج برای بررسی پایداری مدار و تشخیص خصوصیات فیزیکی و شیمیایی بخش‌های مختلف آن است. اما با توجه به وجود خطاهای سیستماتیک، تصادفی و یا اتفاقی در هنگام اندازه‌گیری، همواره مقادیر اندازه‌گیری شده دقیق و صحیح نیستند. اگرچه با اندازه‌گیری مجدد و تکرار نمونه‌گیری می‌توان مقادیر مذکور را تصحیح و خطاهای احتمالی را حذف نمود، اما باید توجه داشت که انجام مجدد مراحل نمونه‌گیری و آنالیز نمونه علاوه بر زمان‌بر بودن، هزینه‌بر نیز می‌باشد. بکارگیری روش‌های محاسباتی از جمله معادلات موازنه جرم برای بررسی صحت داده های در اختیار و در صورت نیاز تصحیح آنها به عنوان روشی سریع و کم هزینه بسیار حائز اهمیت خواهد بود. از آنجایی که معمولا بیش از یک متغیر (دبی جریان مواد) برای اطلاع از عملکرد متالورژیکی مدار اندازه گیری می شود، برقراری معادلات موازنه جرم از حالت خطی خارج شده و محاسبات پیچیده می‌گردد. از این رو، در تحقیق حاضر به ارائه روشی سریع و قابل اعتماد برای برقراری موازنه جرم در حالت چند خطی و تصحیح مقادیر اندازه‌گیری شده چند متغیر مختلف در یک مدار فرآوری با بکارگیری یک الگوریتم سلسله مراتبی پرداخته می‌شود. همچنین به منظور ارزیابی قابلیت روش مذکور، مقادیر اندازه‌گیری شده دبی حجمی، عیار و دانسیته یک مدار فلوتاسیون در قالب مدار نمونه، مورد بررسی قرار گرفته است. 

کلیدواژه‌ها

عنوان مقاله [English]

Multilinear Mass Balancing Data Reconciliation in a Flotation Circuits by Using Hierarchical Algorithm

نویسندگان [English]

  • parisa ghobadi 1
  • aliakbar abdollah zade 2

 

[1] Sbarbaro, D., Del Villar, R.; 2010; “Advanced Control and Supervision of Mineral Processing Plants”, 1th edt., Springer London Dordrecht Heidelberg.

[2] Hodouin, D., Vaz Coehlo, S.; 1987; “Mass balance calculations around mineral processing units using composition analyses within particle-size classes”, International Journal of Mineral Processing, Vol. 21, pp. 65–82.

 [3] Wiegel, RL.; 1972; “Advances in mineral processing material balances”, Canadian Metallurical Quarterly, Vol. 11, No. 2, pp. 413–424.

 [4] Hodouin, D., Everell, MD.; 1980; “A hierarchical procedure for adjustment and material balancing of mineral process data”. International Journal of Mineral Processing, Vol. 7, No. 2, pp. 91–116.

[5] Kuehn, DR., Davidson, H.; 1961; “Computer control II: Mathematics of control”, Chemical Engineering Progress, Vol. 57, No. 6, pp. 44–47.

[6] Crowe, CM.; 1996; “Data reconciliation-progress and challenges”, Journal of Process Control, Vol. 6, pp. 89–98.

[7]     Banisi, S.; 2001; “Mass balance of mineral processing circuits”, Hormozgan University Pub.

 [8] Narasimhan, S., Jordache, C.; 1999; “Data reconciliation & gross error detection: an intelligent

use of process data”, Gulf Pub. Co., Houston.

[9] Romagnoli, JA., Sanchez, MC.; 2000; “Data processing and reconciliation for chemical process operations”, Academic Press.

[10] Du, YG., Hodouin, D., Thibault, J.; 1997a; “Use of a novel autoassociative neural network for nonlinear steady-state data reconciliation”, AIChE Journal, Vol. 43, No. 7, pp. 1785–1796.

[11] Du, YG., Thibault, J., Hodouin, D.; 1997b; “Data reconciliation for simulated flotation process”, Artificial Intelligence in Engineering, Vol. 11, No. 4, pp. 357–364.

[12] Aldrich, C., Van Deventer, J.; 1994; “Identification of gross errors in material balance measurements by means of neural nets”, Chemical Engineering Science, Vol. 49, No. 9, pp. 1357–1368.

[13] De Andrade, LRP.; 2006; “Nonlinear data reconciliation in gold processing plant”, Minerals Engineering, Vol. 19, pp. 938–951.

[14]   Nakhaei, F.; 2010; “Prediction of grade and recovery of copper-molybdenum column flotation circuit by using neural net work”, Engineering Dep. Shahid Bahonar University, Kerman.   

 [15] MATLAB 7.12, software, the MathWorks, R2011a