基于响应面法的废石-铜渣掺和比充填强度影响试验

充填料浆配比与强度在矿山准确充填过程中起决定性作用,运用两种骨料堆积密实度模型分析废石-铜渣混合比例以得出混合骨料最佳掺和比,采用BBD响应面法,对废石-铜渣进行膏体配比设计,建立了各龄期的充填体强度回归模型,研究了料浆质量浓度、水泥添加量、废石-铜渣掺和比单因素及其交互作用对不同龄期充填体强度的影响。结果表明：料浆质量浓度和废石-铜渣掺和比的交互作用对充填体强度初期形成起支撑作用,水泥添加量和废石-铜渣掺和比交互作用对中期充填体强度影响显著,料浆质量浓度和水泥添加量交互作用对后期充填体强度增长起决定性作用。建立充填物料多目标函数模型对废石-铜渣膏体配比进行优化,满足矿山生产要求。在一定程度上为矿山多元骨料的应用提供了理论指导,同时有助于矿冶固废铜渣的综合利用。     

磷石膏膏体充填材料强度优化配比试验研究

为研究贵州开磷矿业总公司采用磷石膏和黄磷渣胶结充填采空区的可行性, 在实验室测试了磷石膏及黄磷渣的主要物理化学性质, 制备了不同浓度不同配比的充填料浆, 并测试其坍落度、泌水率和不同龄期的单轴抗压强度。采用正交试验设计优化磷石膏膏体配比, 并采用Mathematica对强度数据进行拟合, 得出本次试验的最优结果为;磷石膏膏体充填料的最优质量比为黄磷渣∶磷石膏=1∶4, 添加CaO质量为5%, 磷石膏膏体质量浓度为67%~68%。在该配比条件下, 磷石膏膏体充填体28 d单轴抗压强度为2.15~3.42 MPa, 可满足矿山安全生产需求, 并显著降低料浆泌水率。     

粉煤灰膏体充填材料工作性能影响因素研究

为促进充填开采的推广应用,采用正交试验的方法,通过泌水率、坍落度和单轴抗压强度试验,研究了料浆质量浓度、矸石粒径、矸灰比和粉煤灰替代率对粉煤灰基膏体充填材料输送和力学性能指标的影响规律,给出了当前试验阶段充填材料的最佳配比.结果表明:料浆质量浓度是输送性能的主控因素,粉煤灰替代率和矸灰比次之,矸石粒径的影响较小;料浆质量浓度也是力学性能的主控因素,矸灰比次之,粉煤灰替代率和矸石粒径的影响较小;现阶段粉煤灰基膏体充填材料的较优配比为80％料浆质量浓度、0~5 mm 矸石粒径、1.0矸灰比以及30％粉煤灰替代率.研究成果对于降低充填成本具有重要意义.     

磷石膏充填材料的管道输送研究

参照金属矿山膏体泵送充填理论技术,通过环管输送试验研究了以磷石膏、尾砂、水泥为膏体充填材料的输送性能和流变特性。根据采矿设计要求,在质量浓度为71%,膏体充填材料配比水泥∶尾砂∶磷石膏分别为1∶4∶12,1∶8∶24,1∶12∶36时,测试了不同配比情况下的料浆流变参数。试验结果表明3种配比均呈现宾汉流体的特性,得出料浆特性及管道输送参数,为充填采矿设计提供了依据。     

奥尔托喀讷什锰矿粗骨料胶结充填体试验研究及配比优化

充填体材料的强度及充填体料浆的浓度、流动性和阻力坡降等是矿山充填体系统设计的关键指标,事关矿山的充填质量及矿山生产安全。为了保证矿山安全生产和降低矿山充填成本,针对奥尔托喀讷什锰矿矿山现状,选取了风化较少的青黑色废石和风化较多的土黄色废石,分别开展了材料基本物化性质试验、充填料胶结强度配比优化试验研究、充填料浆流变参数及输送性能研究等一系列试验。研究了不同粗骨料、水灰比、养护时间及料浆浓度对粗骨料胶结充填体单轴抗压强度、塌落度及充填体料浆流动性的影响,并进一步对粗骨料胶结充填体物料配比进行了优化。实验结果表明:当粗料为全粒径≤10 mm混合废石、灰砂比为1∶4时,充填体试块强度最大,料浆不易堵管或大量堆积于管道中;料浆浓度保持在82%～80%时,充填料浆的和易性和流动性较好;充填体料浆流速随浓度的下降快速上升,静料柱高也显著下降。     

固体废弃物膏体充填料浆质量的神经网络研究

固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式．充填料浆质量的研究至关重要．它是一典型的多输入、多输出、非线性的模糊模型．一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力．该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据．另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比．     

固体废弃物膏体充填料浆质量的神经网络研究

固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式．充填料浆质量的研究至关重要．它是一典型的多输入、多输出、非线性的模糊模型．一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力．该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据．另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比．     

基于 L管实验的全尾砂膏体流变特性研究

膏体的流变特性是影响膏体管道输送的重要因素。为获取膏体充填料浆真实的输送流变特性,利用 L 管实验装置,基于宾汉塑性模型获得膏体料浆的屈服应力及塑性粘度,得到不同料浆浓度和灰砂比条件下的管道输送阻力和充填倍线。结果表明：料浆浓度和灰砂比的上升都会导致剪切应力的增加,充填倍线的降低,其中,料浆浓度是影响充填体流动特性的最关键因素,而灰砂比是影响膏体强度的关键因素,但是膏体浓度的影响也不能忽视。根据 L 管和强度特性实验结果以及一二步骤采场的强度和输送需求,分别推荐了采场最佳膏体配比。     

固体废弃物膏体充填料浆质量的神经网络研究

固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比.     

稳定流状态下似膏体料浆管输临界流速的研究

“似膏体充填”是一种新型充填采矿模式。根据固体物料的沉降理论，结合实验分析，提出了似膏体料浆在管路中的临界流速值；分析了浆体浓度及管道直径对似膏体料浆管输临界流速的影响规律。