基于离散元法的半自磨机磨矿过程的仿真研究

通过离散元软件EDEM建立了半自磨机仿真试验模型,并对其磨矿过程进行了模拟,分析了不同转速、衬板个数及衬板高度对半自磨机有效功率的影响。结果表明,随着转速率和衬板的增加,半自磨机的有效功率成线性增加;不同衬板高度对半自磨机有效功率的影响不同;随着L/H的变化,半自磨机的有效功率不断变化,在L/H=5左右,半自磨机的有效功率趋于最大值。可为半自磨机运行参数的选择提供一定的参考依据。     

基于Weibull分布的Bond冲击破碎粒度分布特征

为了对石灰石受冲击破碎后的颗粒粒度分布特征进行分析,采用Bond冲击破碎试验机对不同粒度的单个石灰石颗粒在不同摆锤冲击角度下进行冲击破碎试验。结果表明：Bond冲击破碎后石灰石颗粒粒度符合Weibull分布模型;破碎后颗粒的质量累积概率随冲击能量的增加而提高;破碎后颗粒的质量累积概率密度函数曲线峰值随着给矿粒度的增加而减小;冲击能量增加到一定数值后,冲击能量继续增加,破碎后石灰石各粒径颗粒的质量增加效果随给矿粒径增加而逐渐减弱;给矿粒度一定时,细粒径颗粒的增加幅度随着冲击能的增加而较小,破碎后颗粒的质量累积概率密度函数曲线的峰值随着冲击能的增加而提高;破碎后颗粒的质量累积概率密度函数曲线的宽度随给矿粒径的增加而增大。     

基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine,ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。     

基于CFD立式离心分选机的内部流场数值模拟分析

针对离心选矿机内部流场分布、颗粒无规则运动等问题,构建矿机内部三维流场域模型,并结合有限元理论借助CFD对分选腔内物料的分布规律进行数值模拟研究。结果表明:分选区间存在一种水力特征流态效应对细粒分选具有强化作用;通过模拟富集槽内轻重颗粒运动规律得出影响分选效率的主要因素集中体现在富集槽的截面形状不同,设计了一种双弧形壁面缩短了选矿恶化时间周期,为进一步优化立式离心分选机结构参数及查明流场特征及其规律提供相应的理论指导。     

某矿石准静态加载破碎特性试验与模拟研究

为研究某矿石（硅质岩）准静态加载破碎特性,在压筒加载试验的基础上,利用Tavares破碎模型建立了矿石颗粒群破碎模型,对比分析了压筒加载试验与破碎仿真的破碎过程及特征。结果表明：（1）随着加载压力的增加,矿石颗粒群的破碎主要划分为3个阶段：紧密阶段,矿石颗粒群的空隙率减少,逐渐形成几个较为可靠的接触点,基本不会发生矿石颗粒的破碎;破碎阶段,矿石颗粒之间更加密实,矿石之间接触点的受力增大,部分矿石发生破碎;结团阶段,矿石颗粒被压实而产生大量细粉颗粒,进而发生结团现象。（2）在最大加载压力为400 kN的情况下,随着窄粒级（2 mm范围）矿石入料粒度的减小,碎后小颗粒的占比更高,不同入料粒径对破碎后小颗粒的占比有一定影响。（3）通过仿真与试验对比,将破碎仿真可视化,更好地描述破碎特征,同时验证了Tavares模型的有效性,标定了某矿石的仿真参数,为矿石颗粒的破碎仿真提供了新的方法,研究结果为后续破碎机设计提供了新的思路。     

圆锥破碎机衬板磨损特征及破碎腔型演变过程分析

为研究不同时刻下圆锥破碎机衬板的磨损特征及破碎腔型的演变过程,基于衬板磨损理论,并结合挤压力破碎模拟实验,建立衬板表面破碎力分布模型。在利用超声波传感器测量定锥衬板磨损量的基础上,结合衬板磨损计算模型递推由定锥磨损量到动锥磨损量的转化关系,并引入衬板磨损量修正系数以提高计算结果的准确性。针对衬板磨损轮廓曲线拟合问题,提出一种动态加权修正方法,通过对比分析现场衬板实际磨损轮廓线,发现动锥衬板及定锥衬板加权修正后的相对误差分别降至1.9%和0.7%。结果表明：所提出的方法能有效利用传感器测量数据计算磨损后的衬板轮廓曲线,并实现对圆锥破碎机磨损腔型结构的预测。     

采用APSO-LM-BP神经网络的挖掘机器人运动学逆解研究

针对挖掘机器人执行机构的运动学逆解求解难、速度慢的问题,提出一种基于APSO-LM-BP神经网络的逆运动学求解方法。利用自适应粒子群(APSO)算法对BP神经网络中的连接权值以及阈值进行优化,再把BP神经网络训练过程中的梯度下降法用LM算法代替,以克服传统BP神经网络的输出误差大,陷入局部极优解的缺陷。仿真结果表明,与传统BP神经网络相比,APSO-LM-BP神经网络输出误差大大降低,训练时间更短,改善了算法的收敛精度和收敛速度,且满足挖掘机器人运动学逆解要求。该方法可以推广至任意自由度串联机器人的逆运动学求解,具有较强的实用性。     

摆动辗压成形工艺过程的PLC控制

根据摆辗工艺要求，建立摆动辗压工艺过程的控制模型，应用PLC控制技术实现摆动辗压工艺过程控制，并介绍了相关的控制方式以及控制程序的特点。     

摆动辗压成形工艺程序控制

根据摆辗工艺要求，建立摆动辗压工艺程序的控制模型，应用PLC控制技术实现摆动辗压工艺过程控制，并介绍了相关的控制方式以及控制程序的特点。     

基于小波变换圆度误差的检测方法

针对圆度误差在非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行采样信号的降噪处理,小波变换具有多分辨率分析的特点,在信号分析处理中能有效区分信号中的噪声,具有良好的去噪能力;讨论了快速小波变换算法及小波阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了最小二乘圆的理论模型;运用Matlab小波工具箱并通过试验说明了小波分析处理圆度误差的方法和效果。