Submitted by Stéfany Moreira (stemellra@yahoo.com.br) on 2013-02-27T12:29:34Z
No. of bitstreams: 1
DISSERTAÇÃO_CominuiçãoSeletivaMesclas.pdf: 1980445 bytes, checksum: edd5283a32653ecbc54b522cc10a5594 (MD5) / Approved for entry into archive by Neide Nativa (neide@sisbin.ufop.br) on 2013-03-13T22:04:37Z (GMT) No. of bitstreams: 1
DISSERTAÇÃO_CominuiçãoSeletivaMesclas.pdf: 1980445 bytes, checksum: edd5283a32653ecbc54b522cc10a5594 (MD5) / Made available in DSpace on 2013-03-13T22:04:37Z (GMT). No. of bitstreams: 1
DISSERTAÇÃO_CominuiçãoSeletivaMesclas.pdf: 1980445 bytes, checksum: edd5283a32653ecbc54b522cc10a5594 (MD5)
Previous issue date: 2009 / O presente trabalho divide-se em duas partes: estudo da moagem de mesclas binárias de minerais com diferentes moabilidades e simulação de moagem de mesclas binárias por meio de rede neural artificial (do tipo perceptron multicamada treinada com o algoritmo retropropagação com momento). Na primeira etapa, realizou-se o estudo do comportamento dos principais fatores relacionados a moagem mista binária em batelada dos minerais dolomita e quartzo, visando estabelecer condições ideais para obtenção de um maior contraste granulométrico entre tais espécies minerais. Por meio de vários ensaios físicos em diferentes proporções volumétricas desses minerais e diferentes ciclos moagem, acompanhou-se a evolução da granulação dos produtos. Os resultados das análises granulométricas dos produtos provaram que os mesmos aderiram satisfatoriamente à função de distribuição de probabilidades sigmoidal de Hill, a qual foi adotada para apoiar a analise comparativa dos resultados, conjuntamente com o indicador global de contraste granulométrico (IGCG), definido neste trabalho. Na segunda etapa, os resultados obtidos na primeira foram utilizados para treinar uma rede neural artificial, a qual foi capaz de prever bons resultados a partir de padrões de entrada que não fizeram parte do conjunto de treinamento. ____________________________________________________________________________________________________ / ABSTRACT: The present work becomes separated in two parts: the study of the binary mix grinding of minerals with different grindabilities and simulation of the binary mix grinding through a neural network (multiple-layer perceptron retropropagation-like algorithm with momentum). In the first stage took place the study of the behavior of the principal factors related to the batch mix binary grinding of the minerals dolomite and quartz, seeking to establish the ideal conditions for obtaining a larger granule contrast between such mineral species. Through several physics trials in different volumes proportions of those minerals and different grinding cycles, the granule evolution of the products was checked. The results of the size analyses of the products proved that the same ones stuck to the sigmoid of Hill distribution probabilities function satisfactorily, which was adopted to give analyzes support to compare the results, jointly with the global granule contrast indicator (IGCG), defined in this work. In the second stage, the results obtained in the first one were used to train a neural network system, which was capable to foresee good results starting from entrance patterns witch were not part of the training group.
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/2538 |
| Date | January 2009 |
| Creators | Rosa, Germano Mendes |
| Contributors | Luz, José Aurélio Medeiros da |
| Publisher | Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Escola de Minas, Universidade Federal de Ouro Preto. |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFOP, instname:Universidade Federal de Ouro Preto, instacron:UFOP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds