پیشرفتهای اخیر در فناوری سنگشکنهای معدنی: حسگرهای هوشمند، ساخت افزایشی، دینامیک ضربه و انتخاب چندمعیاره
پیشرفتهای اخیر در فناوری سنگشکنهای معدنی: حسگرهای هوشمند، ساخت افزایشی، دینامیک ضربه و انتخاب چندمعیاره
سينا سليمانی1 محمود اسکندری نسب2
1) دانشجوی کارشناسی ارشد مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان
2) دکتری مهندسی فراوری مواد معدنی،دانشگاه شهید باهنر کرمان
کد IOI مقاله
:
ACCD-ACZDCA
محل انتشار :
دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
سنگشکنها یکی از انرژیبَرترین و حیاتیترین تجهیزات در زنجیره فرآوری مواد معدنی هستند و عملکرد آنها مستقیماً بر بهرهوری، کیفیت محصول و هزینههای عملیاتی خردایش اثر میگذارد. در سالهای اخیر، پژوهشهای متعددی با بهرهگیری از حسگرهای هوشمند، یادگیری ماشین، ساخت افزایشی فلزی و مدلسازی تحلیلی، تلاش کردهاند تا نظارت، طراحی و انتخاب سنگشکنها را بهبود بخشند. در این مقاله مروری، پنج پژوهش بهروز در این حوزه بررسی و با یکدیگر مقایسه شدهاند: (۱) توسعه یک حسگر نرم برای تخمین برخط توزیع اندازه ذرات (PSD) خوراک سنگشکن فکی از روی سیگنالهای الکتریکی موتور محرک؛ (۲) ارزیابی ساخت افزایشی مبتنی بر قوس الکتریکی (Arc-DED) برای تولید آستریهای سنگشکن فکی آزمایشگاهی و مقایسه عملکرد آن با فولاد هدفیلد متداول؛ (۳) توسعه یک مدل تحلیلی-ریاضی برای سینماتیک مکانیزم نوسان ضربهای در سنگشکنهای ضربهای؛ (۴) کاربرد فرآیند تحلیل سلسلهمراتبی (AHP) برای انتخاب بهینه سنگشکن اولیه معدن آهن گلگهر؛ و (۵) توسعه یک حسگر نرم دادهمحور برای تخمین توزیع احتمالاتی لیتولوژی خوراک در مدار سنگشکن غلتکی دوقلو با استفاده از الگوریتمهای یادگیری ماشین سبکوزن. یافتههای این پژوهشها نشان میدهد که ترکیب سیگنالهای الکتریکی/مکانیکی موجود با روشهای دادهمحور و مدلهای تحلیلی، مسیری عملی و کمهزینه برای پایش، طراحی و بهینهسازی سنگشکنها بدون نیاز به زیرساخت حسگری پیچیده فراهم میآورد.
کلمات کلیدی : سنگشکن توزیع اندازه ذرات حسگر نرم یادگیری ماشین ساخت افزایشی سینماتیک ضربهای فرآیند تحلیل سلسلهمراتبی لیتولوژی