Авторизация:
Логин:
Пароль:
  


АНОНС
Всё для будущих инженеров: сотрудничество "Уралмашзавода" и УГГУ
Уралмашзавод продолжает сотрудничество с одним из ведущих вузов региона – Уральским государственным горным университетом. При поддержке Газпромбанка и Уралмашзавода в УГГУ были...
ИТОГИ ТРЕТЬЕГО НАЦИОНАЛЬНОГО ГОРНОПРОМЫШЛЕННОГО ФОРУМА
НП "Горнопромышленники России" подвело итоги Третьего Национального горнопромышленного форума, который состостоялся 8 ноября 2017 года в Конгресс-центре Торгово-промышленной палаты Российской...
ГДЕ ПРОИЗВОДСТВО, ТАМ И НАУКА
На Ставровском карьере по добыче щебня, расположенном в Калужской области, планируется организовать работу научно-исследовательских коллективов. Руководство карьера стремится предложить им...


ОБЗОР
СОВЕРШЕНСТВОВАНИЕ ДЕЯТЕЛЬНОСТИ МЕТАЛЛУРГИЧЕСКОГО ПРЕДПРИЯТИЯ В УСЛОВИЯХ КОНКУРЕНЦИИ
Рассмотрены проблемы развития российских металлургических предприятий, а также состояние сталелитейной промышленности в мире. Отмечается, что в условиях рынка и жесткой конкуренции...
МИРОВЫЕ ТЕНДЕНЦИИ К ПЕРЕХОДУ НА СЖИЖЕННЫЙ ГАЗ
Показано состояние в мире с производством и потреблением сжиженного газа в настоящее время. Приведена динамика изменения производства его объемов за последние годы. Перечислены...

ПОДРОБНАЯ ИНФОРМАЦИЯ

 

ОПТИМИЗАЦИЯ РЕЖИМА РАБОТЫ МАЯТНИКОВОГО ПРОБООТБОРНИКА С ПОМОЩЬЮ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ



Ошибка пробоотбора маятниковых пробоотборников выше, чем у устанавливаемых на пересыпку, и зависит от многих факторов. Изучены параметры работы маятникового пробоотборника с помощью компьютерного моделирования, определен диапазон рабочих режимов, определены технические требования к маятниковому пробоотборнику для достижения максимальной достоверности пробоотбора. Проведены исследования ошибки пробоотбора маятникового пробоотборника на основе моделирования методом конечных элементов. На основании данных, полученных в результате моделирования была проведена оценка факторов, влияющих на качество пробоотбора в непрерывном потоке сыпучего материала. Установлено, что для качественной работы маятникового пробоотборника необходимо поддержание стабильной скорости пробоотбора на оптимальном уровне. Установлены факторы, влияющие на оптимальную скорость пробоотбора. Для ряда скоростей конвейера и грансостава материала были рассчитаны оптимальные скорости пробоотбора и параметры двигателя, необходимые для поддержания этой скорости. Сделан вывод о необходимости компьютерного моделирования работы маятникового пробоотборника в конкретной точке установки и с конкретными параметрами производства для верного подбора технических характеристик пробоотборника и минимизации ошибки пробоотбора.



Номер: 9
Год: 2018
УДК: 62-9
DOI: 10.25018/0236-1493-2018-9-0-193-201
Авторы: Прокопенко А. Ю., Денисов С. А., Морковин А. С., Нестеров Д. К.

Информация об авторах:
Прокопенко Алексей Юрьевич — генеральный директор,
e-mail: alexei.prokopenko@konvels.com,
Денисов Сергей Александрович — заместитель генерального директора по развитию,
e-mail: sergei.denisov@konvels.com,
Морковин Александр Сергеевич — руководитель отдела мат. моделирования,
e-mail: alexander.morkovin@konvels.com,
Нестеров Дмитрий Константинович — руководитель конструкторского отдела,
e-mail: dmitry.nesterov@konvels.com,
ООО «КОНВЕЛС Автоматизация».

Ключевые слова:
Pуда, качество, пробоотбор, маятниковый пробоотборник, пробоотбор с конвейера, репрезентативность, грансостав.

Библиографический список:

1. Туртыгина Н. А. Сущность проблемы контроля и управления качеством руд на горных предприятиях // Горный информационно-аналитический бюллетень. — 2012. — № 6. — С. 372—373.


2. Karin Engström, Kim H. Esbensen Evaluation of sampling systems in iron ore concentrating and pelletizing processes — Quantification of Total Sampling Error (TSE) vs. process variation // Minerals Engineering, 2018, vol. 116, pp. 203—208.


3. Морозов В. Б., Морозова Т. Г. Методологическое и техническое обеспечение процесса получения репрезентативных проб // Известия ТулГУ. Технические науки. — 2015. — № 7. — ч. 2. — С. 14—21.


4. Горелов А. С. Методология автоматизированного статистического контроля массовых производств // Известия ТулГУ. Техническиенауки. — 2010. — № 2. — ч. 1. — С. 173—186.


5. Pierre M. Gy. Sampling of particulate materials. Theory and practice. Amsterdam: Elsevier Scientific Publishing Company. 1979. 431p.


6. ISO 3082:2017(E) Iron ores — Sampling and sample preparation procedures. Geneva: International Organization for Standardization. 2017. 81 p.


7. ГОСТРИСО 11648-2-2009 Статистические методы. Выборочный контроль нештучной продукции. Ч. 2. — М.: Стандартинформ, 2010. — 139 с.


8. ГОСТ 14180-80 Руды и концентраты цветных металлов. — М.: Изд-во стандартов, 1990. — 19 с.


9. Ломоносов Г. Г., Туртыгина Н. А. Явление сегрегации рудной массы и его влияние на формирование качества продукции горнорудного производства // Горный информационно-аналитический бюллетень. — 2014. — № 6. — С. 37—40.


10. Pawlus P., Zelasko W. The importance of sampling interval for rough contact mechanics // Wear, 2012, vol. 276—277, pp. 121—129.


11. Claude Bazin, Daniel Hodouin, Raphaël Mermillod Blondin. Estimation of the variance of the fundamental error associated to the sampling of low grade ores // International Journal of Mineral Processing, 2013, vol. 124, pp. 117—123.


12. Barry A. Wills, James Finch. Wills' Mineral Processing Technology. Amsterdam: Elsevier Scientific Publishing Company. 2016. 498 p.


вернуться назад
Карта сайта