首页 > 论文范文 > 工程工业论文 > 工程综合论文 > 矿业工程论文 > 基于正交试验设计的重液密度检测参数选择及优化

基于正交试验设计的重液密度检测参数选择及优化

2025-02-12 72 上传者：管理员

摘要：基于正交试验设计开展配制和检测实验，系统分析了造成氯化锌重液密度检测偏差的内在因素。结果表明：三因素对浮沉重液密度检测准确性的影响程度为重液的搅拌混合程度>重液的配制温度>重液配制后的静置等待时间，重液的搅拌混合程度与配制温度均为影响配制后密度检测值与密度设定值之间偏差值的显著性因素。重液密度检测参数不仅受到单因素的影响，因素间的交互作用也能够对其产生影响；为进一步分析三因素对浮沉重液密度检测参数的影响规律，构建了试验后密度检测值与密度设定值之间偏差值的预测模型，根据非线性规划原理，对浮沉重液密度检测参数进行了多目标优化，以密度检测偏差值为优化目标，求解出检测各密度级偏差程度最小的最优条件参数。

关键词：
参数优化
正交试验
氯化锌重液
煤炭浮沉试验
重液密度
加入收藏

在煤炭大浮沉试验中,氯化锌重液的密度是决定试验结果的关键因素之一,直接关系到可选性曲线的准确绘制,进而影响煤炭的分选效果和产品质量[1]｡然而,重液密度检测易受重液自身性质和外在环境因素干扰,导致检测结果不稳定且误差较大[2]｡为克服这些问题,提高检测的准确性,系统地研究与优化十分必要[3]｡本文依据正交试验原理,进行了各级浮沉重液密度的检测,重点探讨了重液的搅拌混合程度､配制温度及配制后的静置等待时间对浮沉重液密度检测准确性的影响规律,旨在为浮沉重液密度的准确检测提供理论依据和实践指导[4]｡

1、正交试验的设计

1.1考察因素及评定指标的确定

在大浮沉试验中,各密度级重液由氯化锌和水按国标比例配制后,其密度检测值与密度设定值之间的偏差主要由以下3个因素引起:首先是混合不完全,部分氯化锌分子在水中难以完全溶解或发生聚集,导致溶液中形成不均匀区域,从而引起密度分布的不均匀性｡其次是温度影响,氯化锌的溶解度受温度变化的影响显著,在不同温度下溶解度存在差异,进而导致密度检测结果的不准确｡最后是配制后的静置等待时间影响,氯化锌在水中的溶解是一个动态过程,溶解度随时间的变化而逐渐达到平衡状态｡因此,静置等待时间对密度检测结果也具有影响[5]｡

基于上述分析,本研究选择充气搅拌程度X1､重液配制温度X2和配制后的静置等待时间X3作为考察因素,以1.3~1.7kg/L重液配制后的密度检测值与密度设定值之间的偏差绝对值Y作为评价指标,开展配制和检测的正交实验[6]｡

1.2因素和水平的选择

对于每个因素各考察3个水平｡根据前期探索的试验结果,确定充气搅拌气压的水平分别为0､20､40kPa;重液配制温度的水平分别为25℃､65℃､95℃;静置等待时间的水平分别为5､30､60min｡

1.3正交表的选择

根据因素和水平的个数,此次试验选择3水平的正交表L9(34),空白列作为误差列｡

2、试验结果与分析

2.1试验结果

依据正交试验的方案,在室内开展1.3~1.7kg/L各级氯化锌重液的配制和密度检测试验,得到正交试验结果,如表1所示｡

表1正交试验结果表

2.2分析单因素对指标的影响

为考察充气搅拌程度X1､重液配制温度X2及配制后的静置等待时间X3对重液密度检测值与设定值之间的偏差绝对值Y的影响程度,对试验结果进行了极差分析和方差分析[7],得到极差和方差分析结果,分别如表2和表3所示｡此外,结合极差分析结果,绘制单因素对浮沉重液密度检测准确性的影响,如图1所示｡

表2极差分析结果表

表3方差分析结果表

图1单因素对密度偏差绝对值的影响图

通过表2可知:对于1.3~1.7密度级,三因素所对应的极差分别为0.149､0.019和0.008(1.3密度级);0.168､0.018和0.007(1.4密度级);0.141､0.021和0.008(1.5密度级);0.123､0.023和0.008(1.6密度级);0.093､0.013､0.009(1.7密度级),试验结果表明,充气搅拌程度对密度偏差绝对值大小的影响最大,配制重液温度影响次之,配制后的静置等待时间影响最小｡

通过表3可知:对于1.3密度级,充气搅拌程度､配制重液温度和静置等待时间的显著性水平P值分别为0.001､0.090和0.304,充气搅拌程度和配制重液温度的显著性水平小于0.1,表明充气搅拌程度和配制重液温度均为密度偏差绝对值大小的显著性影响因素,而配制后的静置等待时间不是显著性影响因素｡此外,充气搅拌程度的显著性水平P值明显低于0.05,说明充气搅拌程度为极显著性影响因素｡对于1.4~1.7密度级,充气搅拌程度､配制重液温度和混合等待时间的显著性水平P值分别为0.001､0.077和0.325(1.4密度级);0.002､0.095和0.380(1.5密度级);0.002､0.078和0.384(1.6密度级);0.001､0.052和0.103(1.7密度级),同理可知,充气搅拌程度为极显著性影响因素,配制重液温度为一定程度的显著性影响因素,而配制后的静置等待时间不是显著性影响因素｡

通过图1可知,单因素的水平值变化能够对密度偏差K大小产生显著的影响｡由图1(a)可知,当充气搅拌程度从0增加至20kPa时,密度偏差K大小表现出显著下降的趋势,其原因可能在于:充气搅拌程度的增加会增强扩散过程､引发湍流效应等多种机制,显著提高重液组分中的均匀混合程度,有效减小密度检测的误差｡然而,随着充气搅拌程度的继续增加,密度偏差K减小呈现不明显的趋势,这是因为在达到一定搅拌强度后,重液中的混合已趋于完全,湍流强度和扩散速率达到饱和状态,氯化锌颗粒的悬浮状态分布均匀稳定,导致进一步增加搅拌强度也不会显著提升混合均匀度｡

由图1(b)可知,当配制重液温度从25℃增大至95℃时,密度偏差K大小表现出不断增大的趋势,根据热力学原理,其原因可能在于:升温后的分子间动能增加将导致分子间间隔变大,进而会使得重液体积膨胀,在质量不变的情况下从而导致检测密度偏小,加大密度检测的误差｡

由图1(c)可以看出,随着静置等待时间的增加,大多数密度级别(1.3~1.6密度级)密度偏差K在呈现轻微的下降趋势后,又表现出轻微的上升趋势｡总体上,各密度级密度偏差K均没有显著的变化,说明静置等待时间对试验后密度测量值与密度设定值的偏差绝对值大小无显著性影响｡

2.3分析多因素对指标的影响

为定量分析检测密度偏差程度与各影响因素间的关系,以充气搅拌程度､配制重液温度､静置等待时间分别作为自变量x1､x2､x3,以配制后密度检测值与密度设定值的偏差值大小作为因变量y,对试验结果进行回归分析[8]｡因此,本文提出多因素耦合影响下的检测密度偏差程度多元非线性回归模型,配制后密度检测值与密度设定值的偏差

结合试验结果,对配制后密度检测值与密度期望值的设定值大小y进行非线性拟合得到各密度级数学建模的回归系数和拟合优度,如表4所示｡

表4非线性拟合的回归系数和拟合优度表

根据所构建的拟合模型,本文得到了不同密度级别(1.3~1.7)的回归系数和模型的拟合优度R2值｡从表4的数据中可以看出,所有密度级别的R2值均非常接近于1,1.3~1.7密度级的R2值分别为0.99938､0.99964､0.99945､0.99924､0.99843｡这些结果表明,所建立的回归模型具有极高的拟合度,说明构建的拟合模型能够很好地预测密度偏差程度的变化特征,可以给氯化锌重液的密度准确检测提供一定的理论指导｡

为进一步揭示因素间的交互作用对氯化锌重液密度偏差绝对值的影响,结合多元非线性回归模型构建了密度偏差影响因素的3D可视化模型,如图2所示｡由于静置等待时间不是显著性因素,所以只分析充气搅拌程度和配制重液温度的交互作用对密度偏差的影响｡

图2拟合非线性回归模型的三维曲面图

对于1.3密度级的3D可视化模型,通过图2(a)可知,当重液的配制温度为25℃时,随着充气搅拌程度从0增加到40kPa时,氯化锌重液密度偏差绝对值大小下降了0.163kg/L,而当配制温度为95℃时,密度偏差绝对值大小则下降0.145kg/L｡同样,对于1.4~1.7密度级的3D可视化模型,通过图2(b)~图2(e)可知,当重液的配制温度为25℃时,随着充气搅拌程度从0增加到40kPa时,氯化锌重液密度偏差绝对值大小分别下降了0.179､0.155､0.137､0.105kg/L,而当配制温度为95℃时,密度偏差绝对值大小则分别下降0.167､0.139､0.120､0.088kg/L｡

综合1.3~1.7密度级的3D可视化模型结果,氯化锌重液密度偏差绝对值对搅拌强度的敏感性随温度升高而降低,搅拌强度增加对密度偏差的有利影响随温度升高会减弱,这表明温度的不断升高会增大密度检测的偏差[9]｡

2.4检测密度偏差程度的多目标优化

在确定检测密度偏差程度最小的最优检测条件参数时,需要对充气搅拌程度X1､配制重液温度X2和静置等待时间X3等因素进行配比优化,以期获得最小的检测密度偏差程度｡本研究以配制后密度检测值与设定值的偏差绝对值Y大小这一指标为优化目标,进行多目标优化[10]｡利用MATLAB求解其最优值,可得出各密度级的最优检测条件参数,如表5所示｡

表5最优检测条件参数表

3、结语

(1)通过对正交试验结果进行极差和方差分析可知,三因素对配制后密度检测值与密度设定值的偏差绝对值大小的影响程度为充气搅拌程度>配制重液温度>静置等待时间｡同时,充气搅拌程度与配制重液温度均为密度检测偏差绝对值大小的显著性影响因素,并且充气搅拌程度为极显著性影响因素,而静置等待时间不是显著影响因素｡

(2)结合试验结果,构建了考虑充气搅拌程度､配制重液温度及静置等待时间耦合影响的多元非线性回归模型,验证结果表明模型能够准确反映密度检测偏差绝对值的变化特征｡

(3)通过构建影响因素的3D可视化模型可知,充气搅拌程度与配制重液温度间的交互作用也能够对密度检测偏差绝对值大小产生显著的影响｡最后,对浮沉重液密度检测参数进行多目标优化,得出1.3~1.7密度级的最优检测条件参数｡

参考文献:

[1]朱子祺,赵环宇,吕宏广,等.煤炭浮沉试验试样最小质量合理性探讨[J].煤炭技术,2017,36(9):286-288.

[2]吴继红.煤炭筛分浮沉试验应注意的问题[J].煤质技术,2014(4):29-30,33.

[3]赵杰.不同因素对煤泥浮选指标的影响研究[J].选煤技术,2019(3):19-22,29.

[4]王玲,聂轶苗,张晋霞,等.瓦斯泥浮选提碳正交试验研究[J].中国矿业,2015,24(10):145-148,154.

[5]闫锐敏,吴静,庾朝富,等.浮选作业操作因素的正交试验优化[J].煤质技术,2014(1):69-72.

[6]侯宝宏,桂洋洋,罗金洋.潘集选煤厂煤泥浮选正交试验研究[J].安徽化工,2023,49(2):85-88.