Dergiler / Scientific Mining Journal / 2022 / Cilt: 61 Sayı: 1

Predicting screening/classification products via the pseudorandom number selection routine

PREDICTING SCREENING AND CLASSIFICATION PRODUCTS VIA THE PSEUDORANDOM NUMBER SELECTION ROUTINE

Sayfa
25–30
Yayın Tarihi
2022-03-07
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuçlar, tanelerin seçilme olasılığının taneyi içeren dar tane aralığının kütlesine ve tane çapının bazı kuvvetine orantılı olduğunda algoritmanın doğruya yakın tahmin yapabileceğini göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Eleme ve sınıflandırma, tanelerin boyuna göre ayrılması için kullanılmaktadır.
📊
Temel Bulgular & Veri:Sonuçlar, tanelerin seçilme olasılığının taneyi içeren dar tane aralığının kütlesine ve tane çapının bazı kuvvetine orantılı olduğunda algoritmanın doğruya yakın tahmin yapabileceğini göstermektedir.
💡
Sonuç & Katkı:Sonuçlar ayrıca titreşimli eleklerin en keskin tane ayrımını yapabileceğini tavsiye etmektedir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Eleme · Sınıflandırma · Yalancı rastgele sayı üretme

Özet

Eleme ve sınıflandırma, tanelerin boyuna göre ayrılması için kullanılmaktadır. Eleme/sınıflandırma ürünlerinnin tane boyu dağılımlarını belirlemek için ampirik, yarı-ampirik ve nümerik modeller vardır. Bu makale, aynı amaçla kullanılan, kısmen yarı-ampirik ve nümerik modellere benzeyen bir algoritma sunmaktadır. Algoritma dar tane aralıklarını önceden belirlenmiş olasılıklarla seçmekte; daha sonra seçilen dar tane aralıklarından tane kütlelerini iri veya ince ürüne taşımaktadır. Algoritmanın uygulanabilirliği, bazı endüstriyel ölçekli eleme/sınıflandırma işlemlerinin ürün tane boyutlarına karşı doğrulanmıştır. Sonuçlar, tanelerin seçilme olasılığının taneyi içeren dar tane aralığının kütlesine ve tane çapının bazı kuvvetine orantılı olduğunda algoritmanın doğruya yakın tahmin yapabileceğini göstermektedir. Sonuçlar ayrıca titreşimli eleklerin en keskin tane ayrımını yapabileceğini tavsiye etmektedir.

Abstract

Screening and classification are performed for the separation of particles by their sizes. There are empirical, phenomenological, and numerical models for predicting the size distributions of screening/classification products. This paper introduces a new algorithm for the same purpose, which partially mimics phenomenological and numerical models. The algorithm iteratively selects the monosize fractions with pre-defined probabilities, then carries particle masses from the selected fractions either to the oversize or undersize product. The applicability of the algorithm was validated against the product size distributions of some industrial-scale screening/classification operations provided in the literature. The results show that the algorithm is predictive if each particle has a selection probability proportional to the mass of its monosize fraction and some power of its diameter. Results also suggest that vibrating screens can provide the sharpest size separation.

🔖

Bu Makaleye Atıf Yap

CAMALAN, M. (2022). Predicting screening/classification products via the pseudorandom number selection routine. Scientific Mining Journal, Cilt: 61 Sayı: 1, 25–30. https://ajindex.com/articles/953754

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Austin, L. G., Klimpel, R. R., and Luckie, P. T. (1984). Process Engineering of Size Reduction: Ball Milling (Vol. 1). New York: AIME. Camalan, M. (2021a). A computational algorithm to understand the evolution of size distribution with successive breakage events at grinding (In Press). Proceedings of the 2nd International Electronic Conference on Mineral Science. https://doi.org/10.3390/iecms2021-09381
  2. Camalan, M. (2021b). Investigating the effects of random sieving losses on particle size distributions. Particulate Science and Technology, 39(1), 108–115. https://doi.org/10.1080/02726351.2019.1669749
  3. Coelho, M. A. Z., and Medronho, R. A. (1992). An Evaluation of the Plitt and Lynch & Rao Models for the Hydrocyclones. In L. Svarovsky and T. M. Thew (Eds.), Hydrocyclones Analysis and Applications (pp. 63–72).
  4. Springer. Davoodi, A., Asbjörnsson, G., Hulthén, E., and Evertsson, M. (2019). Application of the discrete element method to study the effects of stream characteristics on screening performance. Minerals, 9(12). https://doi.org/10.3390/min9120788
  5. Dong, K. J., Wang, B., and Yu, A. B. (2013). Modeling of particle flow and sieving behavior on a vibrating screen: From discrete particle simulation to process performance prediction. Industrial and Engineering Chemistry Research, 52(33), 11333–11343. https://doi.org/10.1021/ie3034637
  6. Dong, K. J., and Yu, a. B. (2012). Numerical simulation of the particle flow and sieving behaviour on sieve bend/low head screen combination. Minerals Engineering, 31, 2–9. https://doi.org/10.1016/j.mineng.2011.10.020
  7. Dündar, H. (2020). Investigating the benefits of replacing hydrocyclones with high-frequency fine screens in closed grinding circuit by simulation. Minerals Engineering, 148(January), 106212. https://doi.org/10.1016/j.mineng.2020.106212
  8. Elskamp, F., and Kruggel-Emden, H. (2015). Review and benchmarking of process models for batch screening based on discrete element simulations. Advanced Powder Technology, 26(3), 679–697. https://doi.org/10.1016/j.apt.2014.11.001
  9. Frausto, J. J., Ballantyne, G. R., Runge, K., Powell, M. S., Wightman, E. M., Evans, C. L., … Gomez, S. (2021). The effect of screen versus cyclone classification on the mineral liberation properties of a polymetallic ore. Minerals Engineering, 169(April), 106930. https://doi.org/10.1016/j.mineng.2021.106930
  10. Gupta, A., and Yan, D. (2016). Mineral Processing Design and Operations. Amsterdam: Elsevier. Heiskanen, K. G. H. (1996). Developments in wet classifiers