サポートベクトル回帰による濃縮液加圧濾過の脱水プロセスの最適化

Scientific Reports volume 12、記事番号: 7135 (2022) この記事を引用

1329 アクセス

4 引用

メトリクスの詳細

この研究では、濃縮フィルタープレス脱水操作の効率を向上させるために、フィルタープレス脱水プロセスのメカニズムと最適化方法を研究します。 動径基底関数 (RBF) – OLS、RBF 一般化回帰ニューラル ネットワーク、およびサポート ベクトル回帰 (SVR) の機械学習 (ML) モデルが構築され、実験室および工業用シミュレーションが個別に実行され、最終的に濾過脱水の最適化方法が決定されます。プロセスが設計され、適用されます。 実験室では、すべての機械学習モデルには明らかな間違いがありますが、SVR が最高のシミュレーション効果を持っていることがわかります。 ろ過および脱水プロセス全体の最適化を達成するために、産業用ろ過および脱水システムから十分なデータを取得しました。産業用シミュレーションの結果では、すべての機械学習モデルが大幅に実行され、SVR は産業用シミュレーションで最高の精度を達成しました。シミュレートされた水分と処理能力の平均相対誤差は 1.57% と 3.81% であり、信頼性を検証するために新しく収集された工業データを使用してモデルがテストされました。 制御変数に基づいた最適化手法により、最適なシミュレーション結果が得られます。 結果は、産業に適用されるSVRのML法と制御変数の最適化法が、エネルギー消費とコストを節約できるだけでなく、フィルタープレスの動作効率を根本的に改善できることを示しており、これによりインテリジェントな脱水プロセスやその他の産業にいくつかのオプションが提供されます。生産の最適化。

容易に選鉱できる鉱物資源が徐々に枯渇し、複雑で低品位の鉱石の量が増加し、粉砕の粒度がより細かくなりました。 したがって、濃縮物の脱水と濾過はますます困難になります。 高効率の加圧フィルターが開発され、濃縮物のフィルタープレス脱水に段階的に適用されています。 このタイプの高効率加圧フィルターは加圧フィルターの自動制御技術のため、一般に自動加圧フィルターと呼ばれています1。 自動加圧フィルター2では、従来のフィルタープレスの「フィード圧力」による「機械プレス」と「風乾」による強制脱水処理を行っています。 したがって、水分の少ないフィルターケーキが得られるだけでなく、操作効率も高くなります3。

フィンランドの Larox によって開発された Larox-PF 自動フィルター プレス 4,5 や中国の BPF 自動フィルター プレス 6 など、多くの種類の自動フィルター プレスが鉱物加工業界で使用されてきました。 自動加圧フィルターの脱水プロセスは比較的複雑であり、指標の安定性と脱水プロセスの効率は、脱水プロセスの制御パラメータ設定の妥当性によって影響されます7。 したがって、フィルタープレス脱水プロセス制御の最適化研究はますます注目を集めています8。

現在、脱水回路の設計9、濾材の最適化10,11、圧力による電気脱水の駆動12,13など、脱水の最適化に関する研究が数多く行われている。 電動脱水は高効率ですが、エネルギーを消費し、安定性が低いです。 そしてそれは材料科学の研究によって大きく制限されます。 しかし、脱水産業で遭遇する問題を解決するために生産データを収集することによって調整された最適化モデルを構築することは新しいアイデアです14。 いくつかの脱水最適化は、鉱物粒子の脱水を最適化するために化学的方法、脱水助剤、および凝集剤を介して使用されます15,16,17,18。さらに、脱水を最適化するために物理的および化学的方法と二重最適化方法を組み合わせることによっても使用されます19,20。これらは確かに興味深い発見ですが、マクロ的な観点から見ると、これらはすべて問題指向の脱水最適化であり、濃縮フィルタープレス脱水操作の効率は制限されています。 リープフロッグマルチパラメータ全体最適化は、フィルタープレス脱水システムの共通適応調整の実現であり、将来の脱水システムのインテリジェント化における重要なステップとなります。