بهینه سازی عملکرد هیدروسیکلون اولیه کارخانه فسفات اسفوردی با روش شبیه سازی و جستجوی ژنتیک
Publish Year: 1390
Type: Journal paper
Language: Persian
View: 65
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_ANM-1-2_006
Index date: 10 December 2024
بهینه سازی عملکرد هیدروسیکلون اولیه کارخانه فسفات اسفوردی با روش شبیه سازی و جستجوی ژنتیک abstract
هیدروسیکلون یکی از مهمترین تجهیزات در صنعت فرآوری مواد معدنی برای جدایش ذرات در ابعاد ریز و با کارایی بسیار بالاست. از آنجا که هیدروسیکلون ها بهطور گسترده با آسیاها در مدار بسته بهکار میروند، بهینهسازی عملکرد آنها تاثیر مستقیم بر کارایی مدار خردایش خواهد داشت. تعیین بهترین مقادیر عوامل موثر بر عملکرد یک هیدروسیکلون مستلزم به کارگیری روش های شبیه سازی و بهینهسازی عددی ست. در این پژوهش، شبیهسازی عملکرد هیدروسیکلون اولیه مدار خردایش کارخانه فسفات اسفوردی با استفاده از نرمافزار شبیهساز BMCS تحت MATLAB انجام گرفته است. در این نرم افزار از مدل تجربی پلیت برای پیشبینی عملکرد هیدروسیکلون استفاد شده است. از جعبه ابزار الگوریتم ژنتیک (GA Toolbox) برای بهینه کردن متغیرهای ورودی به این مدل استفاده شده است. برای تعیین شرایط عملیاتی بهینه، ابتدا تابع هدف بر اساس توزیع اندازه مورد نظر در تهریز تعریف شد. سپس شبیه سازی های مکرر عملکرد هیدروسیکلون توسط شبیهساز BMCS تحت MATLAB ، با تغییر خودکار متغیرهای ورودی توسط جعبه ابزار جستجوی الگوریتم ژنتیک، انجام شد. نتیجه به دست آمده با روش فوق و پیشبینی توزیع اندازه مواد در جریان تهریز بر پایه شبیه سازی های مکرر و خودکار توسط برنامه BMCS معرف مقادیر بهینه متغیرهای ورودی می باشد. این روش ابزاری قوی برای دستیابی به طراحی بهینه در وضعیت یکنواخت، در پروژه های جدید و همچنین کارخانه های در حال بهره برداری را فراهم ساخته است.
بهینه سازی عملکرد هیدروسیکلون اولیه کارخانه فسفات اسفوردی با روش شبیه سازی و جستجوی ژنتیک Keywords:
بهینه سازی عملکرد هیدروسیکلون اولیه کارخانه فسفات اسفوردی با روش شبیه سازی و جستجوی ژنتیک authors
Zeynab Mirzaei
دانشگاه کاشان
Akbar Farzanegan
دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
