Установление технологических зависимостей работы концентратора KC-CVD6 с помощью метода группового учета аргументов

Abstract

Актуальность исследования обусловлена получением новых знаний об оптимизации технологических параметров работы центробежных концентраторов, эксплуатируемых по технологии Knelson CVD, а именно: настройка частоты открытия клапанов и время, в течение которого клапаны остаются открытыми. Цель: статистический анализ результатов полупромышленных исследований применимости технологии Knelson CVD на различных продуктах фабрики с помощью метода группового учета аргументов для получения зависимостей между выходом концентра и настраиваемыми параметрами, позволяющими проводить предварительные расчеты по эффективности внедрения данной технологии на обогатительных предприятиях. Объекты: продукты, полученные в результате работы гидроциклонов, а также технологические параметры работы центробежных концентраторов. Методы: общие методы математической статистики, в частности методы регрессионного анализа, направленные на построение статистически значимых моделей, описывающих зависимость какой-либо переменной от множества регрессоров. Также, наряду с классическим аппаратом регрессионного анализа, применяется метод группового учета аргументов, основная идея которого заключается в построении множества моделей заданного класса и выборе среди них оптимальной. Результаты. Разработана эффективная методика обработки результатов тестов, проведенных на обогатительном оборудовании, базирующаяся на методе группового учета аргументов. На основании полученных данных построены статистически значимые модели, описывающие зависимость содержания в хвостах и концентратах по ценным компонентам от различных настраиваемых параметров оборудования, обоснована их эффективность, позволяющая применять данные модели в дальнейших исследованиях по применению CVD технологии. Продемонстрировано применение метода группового учета аргументов на примере построения полиномиальных регрессионных моделей, содержащих нелинейные комбинации регрессоров.

The relevance of the research is caused by the acquisition of new knowledge on optimization of the technological parameters of centrifugal concentrator operation using the Knelson CVD technology, namely: setting the frequency of opening the valves and the time during which the valves remain open. The aim of the research is a statistical analysis of the results of semi-industrial studies of the Knelson CVD technology applicability on various products of the factory, using the method of group accounting of arguments, to derive dependencies between the concentrate yield and tunable parameters, which allow preliminary calculations of the effectiveness of implementation of this technology at the processing enterprises. Objects: products obtained as a result of hydrocyclone operation, as well as the technological parameters of the centrifugal concentrators. Methods: general methods of mathematical statistics, in particular, regression analysis methods aimed at constructing statistically significant models describing the dependence of a variable on the set of regressors. Also, along with the classical apparatus of regression analysis, the method of group accounting of arguments was used. The main idea of the method is to build a set of models of a given class, and to select optimal one among them. Results. The authors have developed the effective method for processing the results of tests carried out on the processing equipment, based on the method of group accounting of arguments. Based on the obtained data, statistically significant models were constructed, describing the dependence of the content in tails and the concentrate on valuable components on various adjustable equipment parameters, and their effectiveness was justified, which makes it possible to apply these models in further studies on the application of CVD technology. The paper demonstrates the application of the method of group accounting of arguments using the example of constructing polynomial regression models containing non-linear combinations of regressors.