充填料浆流动温变性研究

为解决矿山充填料浆堵管事故频发的问题,以具有代表性的不同配比充填料浆为研究对象,通过安东帕MCR102高级流变仪获取并分析相关数据,重点研究了充填料浆的温度对高浓度充填料浆流变特性的影响,探索温度变化对充填料浆流动性能的影响。研究结果表明：（1）高浓度全尾砂充填料浆的流变性能会随着料浆的温度变化而发生变化;（2）随着温度的升高,高浓度全尾砂充填料浆黏度系数降低,屈服应力先下降再升高;（3）温度为10 ℃时高浓度全尾砂充填料浆流变性能最好。根据本研究结果,矿山在使用高浓度全尾砂充填料浆时,可适当调节充填料浆温度,使充填料浆达到流变性能最优状态,进而减少充填料浆堵管事故的发生。     

基于PCA-BP神经网络模型的充填体强度预测

充填体强度预测对矿山充填设计具有重要意义。选取胶砂比、水泥、石灰、石膏及矿渣含量作为充填体强度影响因素,借助主成分分析（PCA）消除自变量间相关性,降低数据维数,再结合BP神经网络具有较好预测性的特点,建立了PCA-BP模型以预测充填体强度。对18组充填体试验数据进行主成分分析,5个影响因子降维为3个主成分,将其作为BP神经网络的输入因子,进而探讨了隐含层神经元个数对充填体强度训练和预测精度的影响,并比较了PCA-BP神经网络、标准BP神经网络和二次线性回归效果。结果表明：PCA-BP模型最佳预测结构为3-7-1;PCA-BP神经网络结果优于BP神经网络和二次线性回归;PCA-BP神经网络训练和预测的最大相对误差仅为3.65%,实现了充填体强度的准确预测。PCA-BP模型为充填体强度预测提供了一种高精度的分析方法。     

基于ANSYS/FLOTRAN的高浓度全尾砂胶结充填管道输送数值模拟研究

高浓度全尾砂自流输送在金属矿山的应用日趋广泛。通过对某铁矿高浓度全尾砂胶结充填管道输送进行数值模拟研究,确定高浓度全尾砂料浆相关物理参数,构建适合高浓度全尾砂胶结充填料浆管道输送的数值模型。利用ANSYS/FLOTRAN模拟高浓度全尾砂料浆在充填管道内流动的动态特征,并将模拟结果与理论计算进行对比分析,同时进行料浆输送过程的数值解算,分析结果显示：（1）料浆浓度在68%~78%范围内以1.5,2.0,2.5 m/s进口流速完全能实现自流输送;（2）模拟结果与理论计算对比分析得出二者阻力损失相对比较一致;（3）随着料浆进口流速的增大,料浆浓度对弯管处的冲击影响越不明显。研究表明该数值模型建立合理,研究结果对高浓度全尾砂胶结充填管道自流输送试验和实践提供了一定的指导与借鉴。     

夏甸金矿分级尾砂充填材料试验研究

为增加夏甸金矿分级尾砂供应量,提高了全尾砂旋流器分级产率并开展了相关充填材料试验。介绍了分级尾砂胶结充填体强度试验、分级尾砂充填料浆塌落度试验及分级尾砂胶结充填料浆凝固时间测定试验。试验结果表明,夏甸金矿选厂全尾砂经旋流器分级的尾砂是一种良好的充填骨料,可以作为充填骨料进行充填。试验所得数据和结论对于矿山充填作业具有直接的指导意义。     

基于神经网络与遗传算法的多目标充填料浆配比优化

随着充填法在地下矿山开采中的应用越来越广，在满足充填体强度要求的情况下，寻找生产成本最低的充填料浆配比对于矿山生产经营十分重要。基于人工神经网络和遗传算法提出了一种新的充填料浆配比优化方法。首先，以水泥质量分数、粉煤灰质量分数和尾砂质量分数3个充填料浆配比参数为优化参数，以充填体强度为优化目标，建立了3-9-1的BP神经网络，并基于遗传算法对BP神经网络进行优化，建立起预测精度更高的GA_BP神经网络。然后，将预测精度更高的GA_BP神经网络作为适应度函数，结合成本计算函数，通过遗传算法进行多目标优化以获取最优的充填料浆配比参数。结果表明：当充填体抗压强度为1.5 MPa时的成本最低，充填料浆配比组合为水泥质量分数为8%，粉煤灰质量分数为2.3%，尾砂质量分数为66.3%，最低成本为29.3元/t，优化结果与实际情况一致。     

全尾砂膏体充填配比优化正交试验

某新建矿山计划采用全尾砂膏体嗣后充填采矿法进行地下开采。为了提供经济合理、满足强度要求且有利于管道输送的全尾砂膏体充填最优配比方案,以料浆流动性能和充填体强度性能为考察指标进行正交组合配比试验。运用MATLAB软件对试验数据进行极差分析和多元线性回归分析,获得了灰砂比和料浆浓度对充填体强度影响的敏感性以及各力学参数预测模型。结果表明：（1）料浆质量浓度对塌落度的影响起主要作用,灰砂比次之;（2）充填体强度的敏感性随着灰砂比和料浆浓度的增加而增强,充填体强度对灰砂比更敏感,而对料浆浓度的敏感性较弱;（3）确定了全尾砂膏体最优配比：水泥用量为13%,充填料浆质量浓度为77%,此时全尾砂、水泥和水的用量分别占制备全尾砂膏体质量的68.14%、8.86%和23.00%。在该配比条件下,经28 d养护龄期后的抗压强度为2.6279 MPa、弹性模量为205.2 MPa、塌落度为23.7 cm,以较少的水泥用量满足了矿山充填强度指标和自流输送要求。     

庙岭金矿分级尾砂胶结充填性能试验研究

为研究庙岭金矿分级尾砂的胶结充填性能，分析了分级尾砂的矿物组成、化学成分、粒级组成等，并进行了分级尾砂的坍落度试验、沉降性能试验、单轴抗压强度试验、压滤试验和L型管道试验。试验结果表明：庙岭金矿分级尾砂充填料浆在灰砂比1∶4、料浆浓度70%～74%时具有良好的抗压强度和流动性、可泵性，可用于矿山充填作业。     

某金矿充填系统的工艺改造研究

为解决某金矿现有分级尾砂充填系统存在的砂仓容积与充填规模不匹配、底流浓度偏低且极其不稳定、充填料浆输送性能不佳和易出现堵管等问题,拟将该矿充填系统改造为全尾砂膏体充填工艺。通过全尾砂、胶凝材料和水配制了不同灰砂比、不同质量浓度的全尾砂料浆,采用Φ100 mm、长300 m的管道进行半工业环管试验,测试了不同料浆的流动特性和输送过程的管道压力损失情况。结果表明:该矿全尾砂料浆的整体性较好,未发生尾砂离析沉降造成堵管现象,充填系统改造思路可行。     

全尾砂高浓度充填料浆的流变特性

全尾砂高浓度（膏状）充填料浆属于高粘塑性非牛顿流体．充填料浆中材料的配比选择、料浆浓度等因素，影响料浆在外加剪切力作用下的流变性质、管路输送中的稳定程度和阻力大小．通过对试验数据的分析，研究全尾砂高浓度（膏状）充填料浆的屈服应力、触变性、流动曲线、临界雷诺数、粘度系数和输送阻力等流变特性．为我国在金属矿山应用全尾砂高浓度充填技术提供参考．     

基于PCA与BP神经网络的充填管道失效风险评估

为避免传统评价方法中主观因素造成的影响并弥补神经网络在风险预测中的不足,将统计学中的主成分分析法（PCA）与BP神经网络模型进行有机结合,并根据大量有关矿山充填管道系统资料,建立充填管道失效风险评价模型。研究发现,将原始数据经过主成分分析法处理,不仅可以有效地减少模型输入维数,便于消除各指标间的相关性,而且与未经PCA处理的BP神经网络相比,训练收敛速度明显加快,预测结果更加准确。针对某矿山充填管道系统实际情况,利用该模型进行模拟预测的结果与实际情况相符合,证明模型合理。     

转炉钢渣粉磨特性的分形研究

 本文运用分形理论,依据钢渣粉磨试样的粒度分布测试结果,对其分形维数进行了理论计算,并对试样的颗粒特征进行了分析研究。结果表明,拟合曲线的线性相关系数均大于0.97,说明钢渣微粉的粒度分布具有分形结构特征。随着粉磨时间的延长,钢渣微粉粒度分布的分维值逐渐增大,在一定时间后,其粒度分布的分维值变化趋于平缓。分形维数与钢渣微粉的比表面积间满足良好的线性关系,并与钢渣基水泥材料的胶凝性能良性相关。     

恒定剪切作用下全尾膏体微观结构演化特征

全尾砂膏体作为一种塑性流体,其内部结构的形貌特征与浆体流动性能紧密相关,研究剪切过程中微观结构的演化特征,对于分析膏体管道输送及制备工艺中的流动行为具有十分重要的意义.本文借助扫描电镜技术,拍摄了不同搅拌时间的膏体微观结构图像.综合应用计算机图像处理技术和分形理论,估算了膏体微结构的分形盒维数,提出以结构系数λ作为微结构形貌特征的表征指标,建立了搅拌过程中微结构时间演化过程的数学模型.某铅锌尾矿膏体相关实验的结果表明:其结构系数λ随搅拌时间急剧减小,并逐渐趋于平缓,最终达到某一平衡状态.通过对实验数据的拟合,得到其演化模型相关的破坏系数及恢复系数,分别为0.171及0.491.      

不同氧化镁含量烧结矿粒度分布的分形研究

通过对不同MgO含量烧结矿破碎体的筛上、筛下物分布规律的研究,计算得出了烧结矿粒度分布的分形维数,线性相关系数均大于0.97,说明使用分形维数定量表征烧结矿在不同MgO含量条件下的粒度组成是可行的.结果表明:分形维数随着MgO含量的增加而增加,在一定程度上可以定量估测烧结矿中MgO含量的范围,并结合微观结构,合理解释了转鼓强度、成品率和分形维数之间的关系.为更加深入表达不同MgO含量的烧结矿的有关数值模型提供了新的理论依据和研究方法.     

钒氮合金粉体的分形特征研究

粉体的物性特征对粉体性能和工程应用具有重大的影响,分形理论和显微图像分析技术的发展使得对于粉体物性特征的分析更全面、完善.针对在包芯线中应用的钒氮合金粉体,应用分形分析得到粉体粒度分布分形特征和颗粒形貌分形特征,表明钒氮合金粉体具有良好的分形特性,粉体流动性各表征参数与粒度分布分维有良好的相关关系;颗粒表面分维包含颗粒...     

基于PCA-RBF网络模型的硫化矿自燃安全性研究

为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集。利用主成分分析法（Principal Component Analysis,PCA）对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分。将降维后的84组数据作为基于径向基函数神经网络（Radial Basis Function Neural Network,RBF）预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测。最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%。研究结果表明：PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果。     

Floating Properties of Agglomerated Inclusion in Liquid Steel

 The fractal properties and floating features of agglomerated inclusions are investigated by the analysis of fractal theory and water simulation experiment. The results show that there is an obvious quantitative relationship between the aggregate floating velocity, the number of tiny inclusion granules and fractal dimension. Namely, for the aggregates which contain the same number of micro granules, the greater the fractal dimension, the larger the floating velocity; for the aggregates which have the same fractal dimension, the more the number of tiny inclusion granules contained by an aggregate, the larger the floating velocity. The mathematical model obtained by regression analysis can better reflect the relationship between the aggregate floating velocity, the number of tiny inclusion granules and fractal dimension. So in order to increase the floating velocity of aggregated inclusion with small fractal dimension, some appropriate measures of making it reconstruct to increase its fractal dimension can be taken.     

基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法

为提取有效的砂岩破裂声发射信号特征, 提高砂岩破裂过程预测精度, 提出一种基于改进变分模式分解算法(VMD)和GA-BP神经网络的预测方法。首先, 开展单轴压缩实验进行砂岩破裂试验, 并采集破裂过程的声发射信号; 其次, 为取得有效声发射信号, 从中提取出有效特征参数进行预测, 引入相关系数改进VMD算法并对原始声发射信号进行预处理, 提取信号能量特征参数作为模型的输入以便区分破裂过程; 最后构建GA-BP预测模型, 通过遗传算法(GA)优化BP神经网络的权值和阈值, 将信号能量作为样本用于预测模型的训练。结果表明, 通过引入相关系数可有效解决VMD算法中K值难以选取的问题, 对采集到的声发射信号进行有效去噪; 此外, 经GA算法改进后的BP神经网络预测模型能够准确预测破裂状态, 相较于改进前传统的BP神经网络模型稳定性更高, 收敛能力更好, 预测准确率提高17.5%。      

轧辊磨损过程中的形貌图像特征及分形

 轧辊表面形貌直接影响板带钢产品的表面质量甚至其织构组成。为了定量研究轧辊磨损过程中其表面形貌特征的变化规律,采集了1个磨辊周期内不同轧制阶段的轧辊表面图像信息,基于MATLAB平台,利用图像处理方法对不同阶段的下机轧辊表面图像进行了预处理,提取样本图像的几何形状及纹理特征等17维图像特征参数和分形维数,经过对这些参数的属性约简建立了用于轧辊磨损形貌状态识别的BP神经网络模型。结果表明：等效面积圆半径﹑圆形度﹑纹理熵及二阶矩等轧辊形貌图像特征参数和分形维数可以作为描述轧辊表面形貌的定量指标,并可用BP网络模型对轧辊磨损形貌进行识别预测。为建立轧辊磨损形貌的定量评价体系提供了新途径。     

碳酸盐岩酸蚀蚓孔等效渗透率影响因素研究

在碳酸盐岩储层在开发过程中,随着一段时间的生产,外来流体的侵入以及地层中的微粒会使得近井筒地带的储层受到污染从而渗透率下降,因此需要引入增产措施来改善地层渗透性。针对碳酸盐岩储层基质酸化形成的酸蚀蚓孔特点,基于基质酸化机理和分形理论,借助编制的VB软件,运用“点到圆”二分叉树状分形网络渗流模型,分析了二分叉网络长度分布分形维数、二分叉网络半径分布分形维数、二分叉网络分叉级数以及二分叉网络分叉角对蚓孔区无量纲等效渗透率的影响。     

不同巴西粉配比的低硅烧结矿粒度分布分形特征

探讨了低硅烧结矿在不同高品位巴西粉条件下粒度分布的分形特征,并用最小二乘法测定了其分形维数.低硅烧结矿的粒度组成具有分形特征,可以用分形维数定量表征低硅烧结矿的粒度组成,同时获得了其分形维数随巴西粉的增加而增加以及在不同巴西粉条件下烧结矿冷态冶金性能的变化趋势.研究表明,使用分形维数定量表征不同巴西粉条件下的粒度组成是可行的.