بهینه‌سازی چند هدفه عملکرد آسیای گردان با استفاده از شبکه عصبی- فازی

با توجه به اهمیت آسیاهای گردان در صنایع و کارخانه‌های فرآوری و عدم وجود یک مدل قابل قبول برای شناسایی و پیش‌بینی عملکرد آنها، بهینه‌سازی این سیستم‌های پیچیده، غیرخطی و بزرگ ضروری است. در این مقاله بهینه‌سازی چند هدفه آسیای گردان بررسی شده است. به‌منظور بررسی پارامترهای عملیاتی آسیا مانند سرعت، شارژ گلوله، غلظت و حجم دوغاب بر فرآیند خردایش، سایش لاینرها و توان‌کشی می‌توان به شبیه‌سازی، مدل‌سازی و ساخت یک مدل آزمایشگاهی با ابعاد کوچک‌تر از آسیای واقعی پرداخت. برای این منظور از آسیای آزمایشگاهی به قطر یک و طول 5/0متر استفاده شد. خوراک ورودی آسیا، دوغابی از سنگ معدن مس با ابعاد کمتر از یک‌اینچ است. آزمایش‌ها در سرعت‌های بین 65 تا 85% سرعت بحرانی، برای شارژهای گلوله 10 تا 30% حجم آسیا، دوغاب‌هایی با 40 تا 80% جامد و حجم پرشدگی دوغاب بین 0/5 تا 2/5 برابر حجم مفید گلوله‌ها، انجام گرفته است. در این مقاله داده‌های حاصل از آزمایش‌ها برای ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه‌های عصبی به‌کار گرفته شده است تا به‌عنوان تابع هزینه در الگوریتم تکاملی چند هدفه استفاده شود. نتایج نهایی به‌صورت نقاط غیرمغلوب پارتو استخراج شده و به کمک دیاگرام‌های سطح، محدوده بهترین مقدار به‌دست آمد. به‌صورت کلی در سرعتی بین 70 تا 80% سرعت بحرانی، شارژ گلوله‌ای بین 15 تا 20% حجم آسیا، دوغابی با غلظت 60 تا 70% جامد و حجم دوغاب بین یک تا 1/5 برابر حجم مفید گلوله، خردایش بهینه در آسیا اتفاق می‌افتد.

Multi-Objective Optimization of Operating Parameters in Tumbling Mill with Neuro-Fuzzy Network

Due to the importance of tumbling mills in processing industries and factories and the lack of an acceptable model for identifying and predicting their performance, it is necessary to optimize these complexes, nonlinear, and large systems. This paper aimed to study multiobjective optimization of operating parameters in a tumbling mill. To evaluate the effects of the mill working parameters such as mill speed, ball filling, slurry concentration, and slurry filling on grinding process, power draw, wear of lifters and size distribution of the mill product, it was tried to manufacture a pilot model with a smaller size than the actual mill. For this aim, a mill with 1 ×0.5m was implemented. The feed of the mill is copper ore with a size smaller than 1 inch. The experiments were done at 65 to 85% of the critical speed. In addition, the combination of the balls was used as grinding media with 10 to 30% of the total volume of the mill. Slurry concentration is 40 to 80% (the weight fraction of solid in slurry) and the slurry filling is between 0.5 and 2.5. In this paper, Adaptive NeuroFuzzy Inference System (ANFIS) based multiobjective optimization (NSGAII) of tumbling mill is done. Level diagrams are used to select the best solution from the Pareto front. The results showed that the best grinding occurs at 7080% of the critical speed and ball filling of 1520%. Optimized grinding was observed when the slurry volume is 11.5 times of the ball bed voidage volume and the slurry concentration is between 60 and 70%.