浮选指标的预测

风靡全球

浮选指标的预测

精矿产品的品位和回收率是与选矿厂的经济收益息息相关的，对于选矿厂而言，若是能够增加百分之零点五的回收率，就可以获得非常可观的收入，所以创建浮选预测数学模型，进一步对浮选指标进行预测是十分有实际意义的。以矿装动力学为基础，建立了回收率预测模型，通过仿真检验，可以较为精确的预测回收率，为仿真软件的开发提供了参考。开发了基于和神经网络的预测模型，结果证明该方法可以有效的对浮选精矿的品位进行预测。对浮选柱内的操作变量进行了动态仿真，该仿真程序可以对以时间为变量的条件下，对浮选泡沫的深度和气体：藏量进行预测。研究出一种可以用于改良浮选回路的模型，利用编写了仿真的执行程序，该程序可以用来预测不同矿物在一段很长的滞留时间内的回收率和品位情况，除此之外，即使增加精选的次数，也可以较为准确的对精矿的回收率和品位进行预测。

浮选的过程控制

现在对于有色金属、黑色金属以及煤的选矿方法来说，浮选是应用的最为广泛的。但是浮选需要大量消耗能量和药剂以及造成设备破损，所以若想获得较为理想的精矿指标，又尽量减少其他方面的投入，过程控制在浮选中就显得相当重要了。并且，自动过程控制可以为新进员工的培训提供了方便的咨询手段，同时也降低了现场工作人员的工作强度。以铜矿为研究目标，建立了浮选精矿指标与多种操作变量之间的关系，为浮选的控制和优化提供了基础条件。开发了咨询系统和预测系统，其中，咨询系统就是为了控制药剂制度达到稳定浮选流程的作用，提高了浮选的回收率，也能够准确的预测精矿中铅和锌的品位。浮选过程中，矿衆的值始终是影响浮选效果的主要因素，唐朝晖等人根据自适应遗传混合神经网络对值实时预测，为浮选的过程控制提供了一种手段.

浮选的优化

随着矿产资源的消耗，矿产资源贫化现象越来越多，关于选矿流程的优化显得更加重要了，通过仿真优化浮选过程，不仅降低了金钱的投入，而且能够寻得最佳的浮选方案。仿真优化的目的在于提高仿真的准确性和预见性，出发点首先是要确立目标优化程序，然后根据模型进行过程仿真，通过不断的改变仿真过程中的模型参数或者变量，最终通过各种算法的对比与寻优处理，确定最优的输入，实现仿真的优化。通过某铜矿的实例验证，利用静态模型和仿真器确定选矿厂的最佳操作流程，并且使产量增加了。优化了煤泥浮选的操作变量，改进了浮选参数，使得精矿产量和质量均有提高，灰分含量减少。