Revista de pulvimetalurgia y minería

Abstracto

Modelado de redes neuronales artificiales del proceso de molienda en molino de bolas

Veerendra Singh, PK Banerjee, SK Tripathy, VK Saxena y R Venugopal

La molienda consume alrededor del 2% de la energía producida en el mundo, pero los métodos de molienda existentes son muy ineficientes y utilizan solo el 5% de la energía de entrada para la reducción de tamaño real, el resto lo consume la propia máquina. Los minerales de cromo se trituran, filtran, peletizan y sinterizan para su uso en hornos de arco sumergido para la producción de ferrocromo. La variación en las propiedades del mineral afecta la distribución del tamaño de las partículas durante la molienda. Se desarrolló un modelo basado en una red neuronal artificial para predecir la distribución del tamaño de las partículas del producto del molino de bolas utilizando los datos de molienda disponibles para la diferencia en la molturabilidad de los minerales de cromita de Sukinda. Las variables de entrada para el modelo fueron el tamaño de las bolas, la carga de las bolas, la relación bola-mineral y el tiempo de molienda. La salida fue la distribución del tamaño de las partículas (+75 μm, -75 μm, +38 μm; -38 μm). Se compararon tres tipos diferentes de modelos matemáticos para predecir la distribución del tamaño de las partículas. Finalmente, se encontró que un modelo basado en una red neuronal era el más preciso. El modelo de red neuronal artificial dinámico no requiere ninguna constante de material y optimiza la aceleración matemática con una mejor precisión en un proceso dinámico. Esta metodología se puede utilizar para desarrollar un sistema en línea para predecir el rendimiento del molino de bolas para mejorar el rendimiento del circuito de molienda en la industria de minerales, metales y cemento.