Метод типизации медно-цинковых руд сложного состава с применением нейросетевых моделей

Рассмотрен вопрос о вариативности перерабатываемого сырья на обогатительной фабрике. В настоящее время существенное значение имеет классификация перерабатываемой руды. Неоднородность поступающего на обогатительную фабрику сырья оказывает влияние на процесс переработки. Установлено, что применение классических регрессионных моделей не обеспечивает необходимый уровень достоверности взаимовлияния пар факторов вследствие многофакторности и нелинейности исследуемого объекта флотационного обогащения. Проведен анализ геолого-минералогических особенностей руды посредством применения элементов нейросетевого моделирования. Объектом исследования являлась руда медно-цинкового месторождения. Для решения вопроса о многофакторности перерабатываемой руды была разработана нейросетевая модель Кохонена. На основании данной нейросетевой модели было выделено шесть основных кластеров. Для каждого кластера характерны схожие значения выходов. По полученным данным были построены самоорганизующиеся карты Кохонена для наглядной интерпретации полученных результатов. Показана зависимость технологических показателей переработки от типа шихты и необходимость разработки высокоавтоматизированной технологии флотационного обогащения, которая будет обеспечивать более высокое извлечение металлов.

Ключевые слова: нейронные сети, извлечение металлов, флотация, моделирование, типизация сырья.
Как процитировать:

Александрова Т. Н., Ушаков Е. К., Орлова А. В. Метод типизации медно-цинковых руд сложного состава с применением нейросетевых моделей // Горный информационно-аналитический бюллетень. – 2020. – № 5. – С. 140–147. DOI: 10.25018/02361493-2020-5-0-140-147.

Благодарности:

Работа выполнена при поддержке Российского научного фонда (проект № 19-17-00096).

 

Номер: 5
Год: 2020
Номера страниц: 140-147
ISBN: 0236-1493
UDK: 622.765-52
DOI: 10.25018/0236-1493-2020-5-0-140-147
Дата поступления: 02.02.2020
Дата получения рецензии: 28.02.2020
Дата вынесения редколлегией решения о публикации: 20.04.2020
Информация об авторах:

Александрова Татьяна Николаевна1 — д-р техн. наук, профессор, зав. кафедрой,
Ушаков Егор Константинович1 — аспирант,
Орлова Анна Вячеславовна1 — аспирант,
1 Санкт-Петербургский горный университет.

 

Контактное лицо:

Ушаков Е.К., e-mail: s195065@stud.spmi.ru.

Список литературы:

1. Ломоносов Г. Г., Турыгина Н. А. Влияние вещественного состава руд на показатели переработки // Горный информационно-аналитический бюллетень. — 2010. — № 2. — С. 314—320.

2. Bicak O. A technique to determine ore variability in a sulphide ore // Minerals Engineering. 2019. Vol. 142, Article 105927. DOI: 10.1016/j.mineng.2019.105927.

3. Lvov V., Sishchuk J., Chitalov L. Intensification of Bond ball mill work index test through various methods // 17th International Multidisciplinary Scientific GeoConference & EXPO SGEM. 2017. Vol. 17, Issue 11, pp. 857—864. DOI: 10.5593/sgem2017/11/S04.109.

4. Sadeghi M., Hodouin D., Bazin C. Mineral processing plant data reconciliation including mineral mass balance constraints // Minerals Engineering. 2018. Vol. 123, Pp. 117—127. DOI: 10.1016/j.mineng.2018.04.023.

5. Бериашвили А. Т., Пикулина В. М. Новый подход к решению проблемы вариабельности извлечения меди на примере Жезказганского рудного поля // Обогащение руд. — 2018. — № 5. — С. 40—44.

6. Taguta J., McFadzean B., O`Connor C. The relationship between the flotation behaviour of a mineral and its surface energy properties using calorimetry // Minerals Engineering. 2019. Vol. 143, Article 105954. DOI: 10.1016/j.mineng.2019.105954.

7. Liu J., Long H., Corin K. C. A study of the effect of grinding environment on the flotation of two copper sulphide ores // Minerals Engineering. 2018. Vol. 122, Pp. 339—345. DOI: 10.1016/j.mineng.2018.03.031.

8. Романенко С. А., Ушаков Е. К. Разработка технологической типизации медно-цинковых колчеданных пирротинсодержащих руд на примере Приорского месторождения / Материалы XXIV международной научно-технической конференции «Научные основы и практика переработки руд и техногенного сырья», 9—12 апреля 2019 г. — Екатеринбург, 2019. —С. 66—71.

9. Александрова Т. Н., Арустамян К. М., Романенко С. А. Применение математических методов анализа при оценке мировой практики селективной флотации медно-цинковых и колчеданно-полиметаллических руд // Обогащение руд. — 2017. — № 5 (371). — С. 21—27.

10. Хеиккинен С., Машевский Г. Н. Алгоритмическая база для управления процессом флотации // Обогащение руд. — 2005. — № 6. — С. 32—37.

11. Aleksandrova T., Romanenko S., Arastumian K. Electrochemistry research of preparation slurry before intermediate flotation for sulphide-polimetallic ores // 17th International Multidisciplinary Scientific GeoConference & EXPO SGEM. 2017. Vol. 17. No 11. Pp. 841—848.

12. Кохонен Т. Ассоциативная память / пер. c англ. изд. В.К. Быховского. — М.: Мир, 1980. — 239 с.

13. Кохонен Т. Самоорганизующиеся карты: Адаптивные и интеллектуальные системы / пер. 3-го англ. изд. В.Н. Агеева; под ред. Ю.В. Тюменцева. — М.: БИНОМ. Лаборатория знаний, 2010. — 655 с.

14. Романенко С. А. Эффективность применения мультисенсорных систем ионометрии и методов нейросетевого моделирования процесса флотации в лабораторных исследованиях // Обогащение руд. — 2013. — № 1. — С. 18—22.

15. Электронный учебник по статистике / StatSoft [электронный ресурс]. URL: http:// statsoft.ru/home/textbook/default.htm (дата обращения 20.07.2018).

Наши партнеры

Подписка на рассылку

Раз в месяц Вы будете получать информацию о новом номере журнала, новых книгах издательства, а также о конференциях, форумах и других профессиональных мероприятиях.