物理选矿过程模拟与优化-第五章重力选模型

选矿过程模拟与优化第五章重力选模型|矿物加工工程专业课程Contents本章目录重力选煤数学模型与过程模拟的核心研究框架01重力选数学模型研究现状02煤炭可选性曲线数学模型03分配曲线模型与正态分布04重力选过程模拟方法05模型应用与工艺优化案例CHAPTER01重力选数学模型研究现状从手工计算到计算机模拟，重力选工艺计算的演变与挑战GRAVITYSEPARATION重力选工艺计算的核心问题重力选煤工艺计算围绕可选性分析、产率与灰分计算、产物预测和最大产率四大问题展开，这四类问题构成了重力选数学模型的基本应用框架，也是计算机模拟优化的核心目标。原煤可选性分析通过浮沉实验数据判断煤炭分选难易程度，为后续工艺方案选择提供基础依据浮沉实验产率与灰分计算基于分选产品化验数据，计算各密度级的产率分配与灰分指标密度级产物产率与灰分预测在设计或改造阶段，根据原煤性质和设备参数提前预估分选结果设备参数最大产率计算在精煤灰分约束条件下，通过优化分选密度实现精煤产率最大化精煤灰分EVOLUTION从手工计算到计算机模拟的演进重力选工艺计算经历了从手工图解法到计算机数值模拟的演变。手工方法虽有助于理解原理但效率低、精度差；计算机方法通过建立数学模型实现高效精确计算，但两种方法在学习阶段应当兼顾，以深化对分选机理的理解。传统手工计算方法采用图解法绘制可选性曲线，费时且精度较差，无法满足大规模工程计算的效率需求手工计算有助于加深对分选原理和数学关系的理解，是学习阶段不可或缺的训练环节作图分析受限于纸张精度和人工读数误差，在复杂多产品分选流程中难以保证一致性计算机优化计算方法引入计算机后可运用新的数学方法建立模型，实现高速精确计算，效率较手工提高数十倍计算机预测的本质与手工计算一致，但通过数值迭代和优化算法可处理更复杂的多约束问题便于进行灵敏度分析和参数优化，支持快速比较多种工艺方案以寻找最优解Classification重选数学模型的主要分类当前重力选数学模型主要分为可选性曲线模型和分配曲线模型两大类。前者描述原煤的内在可选性特征，用于可选性分析和产率预测；后者描述分选设备的实际分选行为，用于产物产率和质量的定量预测，是重选过程模拟的核心工具。SECTION01可选性曲线数学模型01包括理论可选性模型和实际可选性模型，用于描述原煤在不同密度下的分选行为特征02采用数学模型替代传统图解法，准确性显著提高，可预测原煤的粒度和密度组成变化规律03结合计算机实现自动化计算，大幅提高可选性分析效率，支撑大规模工艺方案比选SECTION02分配曲线模型01以分配率为核心指标描述分选设备的实际分选行为，是重选产物预测的主流方法02研究者提出了大量经验模型，包括正态分布模型、经验公式模型等多种数学表达形式03广泛应用于跳汰机、重介质旋流器等设备的产物预测，是工艺优化计算的关键输入CHAPTER02煤炭可选性曲线数学模型亨利曲线与迈耶尔曲线的数学表达及其在计算机建模中的应用COALWASHABILITY煤的可选性曲线——亨利曲线体系煤炭可选性曲线通过浮沉实验获取，经典的亨利曲线体系包含五条相互关联的曲线，从不同维度描述了煤炭在不同密度下的分选行为特征，是重力选工艺计算和数学建模的基础数据来源。01浮物累积曲线表示浮物累积产率与灰分的关系，反映精煤质量随产率变化的规律。曲线斜率变化指示分选效率，是确定精煤产率的核心依据。应用：精煤产率预测·质量-产量平衡02沉物累积曲线表示沉物累积产率与灰分的关系，用于确定尾煤或中煤的质量指标。与浮物曲线互补，共同构成完整的物料平衡分析框架。应用：尾煤质量控制·中煤分配优化03基元灰分曲线最重要的微分曲线，表达分选产物的理论边界灰分。曲线弯曲程度直接反映煤炭分选难易程度，曲率越大分选越困难。应用：分选难度判定·理论分选极限04密度曲线与±0.1含量密度曲线表示密度与产率关系，±0.1含量反映邻近密度物分布。两者共同用于评估分选精度，指导分选密度和介质制度的确定。应用：分选密度设定·介质系统优化λ-CurveAnalysis基元灰分曲线的数学表达与端点问题基元灰分曲线(λ曲线)是亨利曲线体系中最核心的微分曲线，其弯曲程度直接反映煤炭分选难易程度。但亨利曲线体系存在浮沉资料无法确定的端点问题，需要人为设定虚拟型值点，这给计算机精确建模带来了困难。01数学表达式—dA/dω=λ，其中ω为密度级含量、A为密度级灰分，表达分选产物的理论边界灰分dA/dω=λ02弯曲程度—直接反映分选难易：弯曲越剧烈说明邻近密度物含量越高、分选越困难弯曲度∝难度03端点问题—β、θ、λ曲线在端点处存在浮沉资料无法覆盖的区间，需人为设定虚拟型值点以完成曲线绘制β·θ·λ04建模局限—外插法确定端点精度不足，促使研究者寻找替代方案，如迈耶尔曲线Meyer曲线COALPREPARATION迈耶尔曲线（M曲线）及其改良迈耶尔曲线(M曲线)通过浮物累积产率与平均灰分的关系重新描述可选性，其改良版本以累积灰分量为横坐标，端点可由原始数据直接确定，有效解决了亨利曲线虚拟型值点问题，更适合计算机建模。煤炭浮沉实验·可选性研究基础M曲线以浮物累积产率为纵坐标、浮物平均灰分为横坐标，直观展示产率与质量的对应关系改良M曲线将横坐标改为累积灰分量，形成产率～灰分量关系，使端点可由原始数据直接确定端点确定不再依赖虚拟型值点或外插法，提高了计算机建模的准确性和可靠性累积灰分量与原煤灰分的直接对应关系，使工艺计算中的质量平衡核算更加便捷MATHEMATICALMODELINGM曲线的数学建模方法M曲线的数学建模利用其端点确定性和凸性几何特征，通过多项式拟合或分段函数拟合建立数学表达式。已知的起点(0,0)和终点(累计灰分量,100%)为拟合提供了天然边界约束，显著提升模型的稳定性和预测精度。多项式拟合法采用高阶多项式逼近实测数据，阶数选择需平衡拟合精度与过拟合风险。通过交叉验证确定最优阶数，避免高阶项带来的震荡问题。精度与泛化平衡分段函数拟合法将曲线分为若干区段分别拟合，适用于可选性特征变化较大的复杂煤种。分段点选取需保证各区段内曲线光滑连续。复杂煤种优选方案端点边界约束起点(0,0)和终点(原煤累计灰分量,100%)作为边界条件约束拟合函数，确保物理意义合理。端点约束是模型稳定性的关键保障。(0,0)→100%凸性几何检验M曲线的凸性特征可作为拟合结果合理性的几何检验标准，避免非物理意义的波动。凸性约束是判断拟合质量的重要依据。凸性=质量判据SUMMARY可选性曲线模型小结可选性曲线模型经历了从亨利曲线到迈耶尔曲线的演进。亨利曲线体系虽然物理意义直观但存在端点不确定的建模难题；M曲线通过改变坐标系解决了端点问题，更适合计算机建模。工程实践中需结合浮沉实验数据选择合适拟合方法。亨利曲线的局限01五条曲线端点处需人为设定虚拟型值点，外插法精度不足导致计算机建模结果不可靠。02图解法依赖人工读数和绘图精度，无法满足多方案快速比较和大规模优化计算的需求。M曲线的优势与建模策略01端点由原始数据直接确定，无需虚拟型值点，数学建模的稳定性和准确性显著提高。02根据煤种特征选择多项式或分段函数拟合，利用凸性约束确保模型物理合理性。CHAPTER03分配曲线模型与正态分布从实测分配曲线到正态积分模型的数学变换与参数确定PARTITIONCURVE分配曲线的基本概念与物理意义分配曲线以物料密度为横坐标、分配率为纵坐标，描述分选设备对各密度级物料的分配行为。理想分选对应阶跃函数，实际分选因设备不精确性呈现S形曲线，曲线形状直接反映分选设备的精度和分选效果。分配率定义某一密度级别物料进入重产品（沉物）的百分比，完整描述物料在各密度级的去向分布。0%–100%理想分配曲线密度小于分选密度的物料分配率为零，大于分选密度的物料分配率为百分之百，形成理想阶跃。阶跃函数实际分配曲线由于分选过程的不精确性，曲线在分选密度附近平缓过渡而非突变，形成特征性的S形形态。S形曲线分选精度指示S形曲线的陡峭程度直接反映设备分选精度，曲线越陡说明分选越精确、错配物越少。陡峭度CURVEANALYSIS实测分配曲线与正态分布积分曲线的差异实测分配曲线与正态分布积分曲线存在三个关键差异：不对称性、分布中心偏移与陡峭程度不同，这些差异决定了必须经过三步数学变换才能用正态积分模型描述分配曲线。DIFFERENCE01曲线对称性实测分配曲线在分选密度两侧不对称，高密度端较为平缓，低密度端较为陡峭。正态分布积分曲线关于其分布中心完全对称，两侧形态一致。不对称DIFFERENCE02分布中心位置正态分布积分曲线的分布中心位于纵轴上，即横坐标为零处。分配曲线的拐点位于分选密度dp处，分布中心偏离纵轴。偏移dpDIFFERENCE03曲线陡峭程度实测分配曲线通常比正态分布积分曲线更陡峭，过渡区间更窄。正态分布积分曲线外形相对平缓，需要通过比例扩展才能与实测曲线近似重合。更陡坐标变换变换第一步：对数坐标使曲线对称通过将分配曲线横坐标变换为对数坐标lg(d-1)，使得高密度端变陡、低密度端变缓，从而将原本不对称的实测分配曲线转化为近似对称的曲线。01对数坐标变换跳汰机的横坐标变换为lg(d-1)，对数坐标使高密度端间隔压缩、低密度端间隔展开lg(d-1)02曲线对称化高密度端变陡峭、低密度端变平缓，使分配曲线从不规则形态趋向对称对称化03非线性缩放对数变换的物理本质是对密度轴进行非线性缩放，适配重力选过程中密度分布的非均匀特征密度轴04设备差异化不同分选设备可能需要不同的坐标变换方式，重介质旋流器通常不需要对数变换旋流器CoordinateTransformation·Step02变换第二步：移轴将拐点平移到纵轴通过对数变换后的分配曲线虽然已近似对称，但拐点仍位于分选密度dp对应的坐标位置。第二步通过移轴操作将拐点平移到纵轴上，新坐标为lg(d-1)-lg(dp-1)，使分布中心归零，为后续与标准正态分布积分曲线的匹配奠定基础。01移轴操作——将横坐标从lg(d-1)变换为lg(d-1)−lg(dp-1)，使分选密度dp处的拐点移至原点lg(d-1)−lg(dp-1)02零点对应分选密度——平移后新坐标系的零点恰好对应分选密度，即分配率为50%的位置分配率50%03形状不变——移轴变换不改变曲线形状，仅改变位置，保持了对数变换后的对称性特征对称性保持04归零化匹配——归零化处理后，分配曲线可直接与标准正态分布积分曲线进行形态比较和参数匹配标准正态分布变换方法·STEP03变换第三步：扩展比例实现近似重合通过计算标准正态分布在25%处的坐标-0.6745与分配曲线在该点横坐标的比值n，对分配曲线横坐标进行等比扩展，使两条曲线在25%、50%、75%三个关键点重合，实现分配曲线的正态积分近似表达。01标准正态分布积分曲线在分配率25%处的横坐标为-0.6745，这是已知的理论常数-0.674502分配曲线在25%处的横坐标为lg(d₂₅⁻¹)−lg(dp⁻¹)，可从实测数据中计算获得lg(d₂₅⁻¹)−lg(dp⁻¹)03扩展倍数n=-0.6745/[lg(d₂₅⁻¹)−lg(dp⁻¹)]，表示两条曲线横坐标的比例差异n=比值04将分配曲线横坐标扩展n倍后，两条曲线在25%、50%、75%三点重合，实现近似正态化25%·50%·75%Formula&ErrorModel综合变换公式与机械误差三步变换综合后得到坐标转换公式，可将任意密度d映射为标准正态变量t；引入机械误差I简化模型参数确定。综合变换公式CoreFormulat=0.6745×[lg(d−1)−lg(dp−1)]/[lg(dp−1)−lg(d25−1)]将密度d转化为标准正态变量t，实现分配曲线的标准化处理综合对数变换、移轴变换和比例扩展三步操作，建立密度与正态分布的映射关系，可直接用正态积分函数计算分配率机械误差I的引入Problem跳汰机的Ep值随分选密度dp变化，导致公式右侧不是常数，增加计算机计算的复杂度，不利于工程实际应用Solution引入机械误差I=Ep/(dp−1)替代Ep，使公式简化为常数形式，便于工程计算和参数标定，提高模型实用性PARTITIONCURVE分配曲线的三个关键参数分配曲线模型由三个关键参数定义：分选密度dp（分配率50%对应的密度，代表实际分界点）、可能误差Ep（75%与25%密度差的一半，反映设备精度）和不完善度I（Ep/(dp-1)，用于不同条件下的精度比较）。三者共同决定了分配曲线的形态和位置。dp分选密度：分配率为50%时对应的物料密度，是分配曲线的拐点位置，代表设备的实际分选界限Ep可能误差：Ep=(δ75−δ25)/2，即分配率75%与25%对应密度差的一半，值越小分选越精确I不完善度：I=Ep/(dp−1)，消除了分选密度对Ep的影响，便于不同工况下的设备精度横向比较参数协同：dp决定位置，Ep/I决定陡峭程度，三个参数完整描述分选设备行为典型重选设备的不完善度范围重介质分选机不完善度最小(≈0.02)，分选精度最高；跳汰机细粒级精度相对较低COMPUTATIONALMETHOD基于正态积分函数的分配率计算通过综合变换公式将密度d转化为标准正态变量t后，可直接调用正态分布积分函数Φ(t)计算分配率，实现分配曲线的数学解析表达。该方法将图形查询转化为数值计算，为计算机自动化模拟奠定了基础。01将密度d代入综合变换公式t=0.6745·[lg(d−1)−lg(dp−1)]/[lg(dp−1)−lg(d25−1)]计算标准正态变量Transform02调用标准正态分布积分函数Φ(t)查表或使用计算机内置函数获得积分值Integration03积分值Φ(t)即为该密度级别的分配率0→1（0%→100%）Output04该方法为近似计算，精度取决于实测分配曲线与正态分布的吻合程度PrecisionEXPERIENCEMODELS其他分配曲线经验模型除正态分布积分模型外，分配曲线还可用指数函数、逻辑函数、分段多项式等多种经验模型表达。模型选择需综合考虑拟合精度、参数数量和外推性能三个维度，不同设备和物料条件下最优模型可能不同。常用经验模型类型指数函数模型形式简洁，参数少，适用于分配曲线形状较为规则的场合简洁逻辑函数模型S形曲线天然适配分配曲线形态，两端渐近行为更合理S形分段多项式模型灵活度高，可精确拟合复杂形态的分配曲线，但参数较多灵活模型选择的三个准则拟合精度模型对实测数据点的再现能力，通常用残差平方和或相关系数评价R²·RSS参数数量与外推性能参数越少越容易确定，外推性能好则预测范围更广PARSIMONYCHAPTER04重力选过程模拟方法基于数学模型的重力选产物预测与计算机模拟流程ProcessSimulation重力选过程模拟的基本原理重力选过程模拟通过将可选性曲线模型（描述原煤特性）与分配曲线模型（描述设备行为）相结合，按密度级别逐一计算物料分配，最终累加获得各产物的产率和灰分，实现分选结果的定量预测。密度级基础数据建立利用可选性曲线模型获取原煤各密度级的产率和灰分，建立入料的密度-产率-灰分基础数据，为后续计算提供物料特性参数。可选性曲线模型分选行为表征利用分配曲线模型计算各密度级物料进入重产品的分配率，表征分选设备的实际分选行为，反映设备对不同密度物料的选择性。分配曲线模型产物产率计算将密度级产率与对应分配率相乘，获得该密度级进入各产品的产率，再累加得总产物产率，实现从入料到产品的物料平衡计算。逐级累加产物灰分加权加权平均计算产物灰分：各密度级灰分以其进入该产品的产率为权重进行加权求和，得到反映产品质量的综合灰分指标。加权求和PROCESSFLOW计算机模拟的三阶段流程重力选计算机模拟遵循"数据输入→模型计算→结果输出"的标准化流程，全过程秒级完成且支持参数化多方案比较。STAGE01数据输入输入原煤浮沉实验数据（各密度级产率和灰分），建立入料的密度组成基础数据库输入分选设备参数（设备类型、分选密度dp、不完善度I或可能误差Ep），定义分选行为原煤数据STAGE02模型计算程序自动拟合可选性曲线和分配曲线，按密度级逐一计算物料在各产品中的分配量对多段分选流程，前一段输出自动作为下一段输入，实现级联计算级联计算STAGE03结果输出与分析输出各产物的产率、灰分及分选效率指标，生成完整的数质量平衡表支持参数灵敏度分析，可快速比较不同分选密度或设备配置下的分选效果灵敏度分析CascadeSimulation多段分选流程的级联模拟实际重力选工艺多采用两段或三段分选流程，模拟时需处理段间物料传递：前一段的分选产物作为下一段的入料，按密度组成逐级计算。计算机程序自动完成级联运算，使复杂多段流程的数质量平衡计算变得简便高效。01两段分选流程：第一段分出精煤和中矿，第二段对中矿再选分出中煤和矸石，段间物料自动传递02独立参数配置：每段分选独立配置设备参数（分选密度、不完善度），程序按段序依次计算各密度级分配03密度归一化处理：级联计算中前段产物的密度组成需重新归一化，作为下段入料的密度-产率-灰分基础数据04最终输出指标：多段流程模拟输出包括所有产品的产率、灰分及全流程的总分选效率指标DIGITALMINERALPROCESSING选矿工程数字化设计软件前沿中国恩菲发布的ENFIPlantMD1.0标志着选矿过程模拟从学术研究走向工程化应用。该软件搭载完全自主流程计算引擎，贯通"工厂建模—流程模拟—设备选型—智能出图"全流程，支持400余种专业知识模型的快速构建，打破了国外商业计算内核的长期依赖。01ENFIPlantMD1.0贯通"工厂建模—流程模拟—设备选型—智能出图—数据交付"全工作流程，实现从概念设计到施工图交付的数字化闭环，大幅提升设计效率与数据一致性。FULLWORKFLOW02完全自主研发的流程计算引擎，打破对国外商业计算内核的长期依赖，具备模型复用率高、错误易查、迭代快速等核心优势，为行业自主可控提供坚实技术底座。SELF-DEVELOPEDENGINE03融合机理模型、专家经验和实时数据的模型引擎，支撑四级模型库的层次化定义，可快速构建400余种专业模型，覆盖破碎、磨矿、浮选、脱水等全工艺环节。400+MODELS04基于云原生架构的多专业协同引擎，实现"一套模型、多方协同"，打破工艺、土建、电气等专业串行工作的壁垒，支持多人在线实时协作与版本管理。CLOUD-NATIVECHAPTER05模型应用与工艺优化案例基于数学模型的重力选工艺参数优化与实际应用演示CASESTUDY案例一：单段跳汰分选产物预测以某选煤厂跳汰机为例（dp=1.45g/cm³，I=0.08），演示利用分配曲线模型进行单段分选产物预测的完整计算过程。01已知条件：分选密度dp=1.45g/cm³、不完善度I=0.08，原煤浮沉数据包含8个密度级02极端密度级：低密度1.3g/cm³分配率约1.8%进入精煤；高密度1.8g/cm³分配率约93.3%进入尾煤03错配区：中间密度级1.4–1.5g/cm³分配率在20%–80%之间波动，是分选精度的关键影响区域04累加结果：精煤产率约62%、灰分约8.5%；尾煤产率约38%、灰分约42%单段跳汰分选产物预测结果产品名称产率(%)灰分(%)回收率(%)精煤62.38.5278.6尾煤37.742.1512.4原煤(入料)100.021.28100.0dp=1.45时精煤产率62.3%、灰分8.52%，可燃体回收率78.6%OPTIMIZATION案例二：基于灰分约束的最大产率优化通过在一定范围内系统扫描分选密度dp，计算每个dp值下的精煤产率和灰分，绘制产率-灰分关系曲线，可在精煤灰分约束条件下找到最大产率对应的最优分选密度。密度扫描—在dp=1.35～1.55范围内以0.01为步长扫描20个分选密度点，计算各点对应的精煤产率和灰分正相关趋势—精煤灰分随dp升高而增加，产率也随dp升高而增加，两者呈正相关关系最优密度—灰分要求≤10%时，最优dp约为1.48g/cm³，精煤产率达到最大约65%1.48操作指导—调整跳汰机风水制度和排料参数，使实际分选密度逼近最优值不同分选密度下的精煤产率与灰分灰分≤10%时最优dp≈1.48，产率达65.1%CaseStudy03案例三：多段分选流程的全局优化多段分选流程优化需全局考虑各段分选密度的耦合关系：第一段参数改变会影响后续