基于新型颗粒反常散射现象的磷矿磨矿粒度反演理论研究

Imperfection particle size analysis theory restricts the optimization of grinding process.The project using newly discovered anomalous scattering phenomena under the high concentration to analyze the particle size distribution in phosphate rock.We found that the transmission light intensity on the specific wavelength will be experienced three stages: linear decrease, parabolic reduce and the.abnormal increase,such trend is changing with the increase in the concentration and complete anomalous scattering curve.The project focuses on the analysis of the scattering properties of the phosphate particles,which is from actual grinding.According to the anomalous scattering phenomenon, put forward two hypotheses:anomalous scattering characteristics is correlate with size distribution,scattering phase function changing with the concentration in multiple scattering.we basing mathematical model between anomalous scattering curve and phosphate particle size distribution , using genetic algorithm for numerical calculation of model coefficients and inversing the particle size distribution by established model. Through the detection of the scattering phase function and introduction of concentration correction factor,we could perfect multiple scattering theory in the mathematical expression.

粒度分析理论的不完善制约着磨矿过程的优化。本项目以磷矿为研究对象，利用一种新发现的高浓度条件下矿物颗粒的反常散射现象对颗粒粒度分布进行研究。我们研究发现，随着矿物颗粒浓度的增加，其在特定波长下的透射光强度会依次经历线性降低、类抛物线降低和反常增加三个阶段，三个阶段所对应的透射光强值构成完整的反常散射曲线。本项目着重对实际磨矿条件下所得磷矿粒群的散射特性进行分析，根据反常散射现象，提出两个假设：反常散射特征与粒度分布具有相关性、复散射条件下散射相函数随浓度而变化。我们建立反常散射曲线与磷矿磨矿粒度分布之间的数学模型，并采用改进的遗传算法和人工神经网络算法对模型系数进行数值计算，利用所建立的模型对粒度分布进行反演。同时，通过对高浓度磷矿浆散射相函数进行检测，引入浓度修正因子，从数学表达上完善复散射过程。

本项目采用神经网络建立磷矿光散射曲线特征值和磷矿粒度分布之间反演模型的方法，实现通过测量不同磷矿浓度下的光散射强度来反演磷矿磨矿产品的粒度分布。基于这个设想，对光散射法粒度测试技术进行了单独的研究，设计了测量不同磷矿浓度光散射强度的试验装置的硬件系统和软件系统，最后采用BP网络建立了光散射特征值和粒度分布之间的反演模型，取得了较好的效果。. 本项目首先详细讨论了磷矿发生单散射和复散射的浓度条件，确定了不同浓度下的光散射强度与粒度分布之间存在复杂的函数关系。然后通过对 Mie 散射理论、激光粒度仪测量原理的研究，设计了激光磷矿光散射强度检测试验装置的硬件系统，试验装置总体包括三大部分，光学系统部分、数据采集处理系统部分和样品循环系统部分。. 根据测量磷矿光散射强度的实际需要，设计了磷矿浆光散射强度采集试验装置的软件系统，实现了实验数据的数字滤波以及实验数据自动记录的功能。采用不同的磨矿机以及安排不同的磨矿时间制备了60组不同粒度分布的磷矿样品，并用实验室激光粒度仪准确测量了各组样品的具体粒度分布数据。然后采用自行设计的激光磷矿光散射强度检测试验装置采集了各组磷矿样品在不同浓度下的的光散射强度数据，并使用matlab绘制了各组磷矿样品的光散射曲线，并从中提取了6个光散射特征点。. 使用BP神经网络建立了光散射曲线特征值与粒度分布之间的反演模型，最终建立了拓扑结构为6-10-4的BP神经网络，BP神经网络模型的输入为光散射曲线的6个特征值，输出为磷矿的4个粒级。并采用校验数据验证了模型的准确性，证明模型具有较高的拟合优度，为进一步提高模型的效果，本项目还采用遗传算法和粒子群算法对BP神经网络的初始权值和阈值进行优化，实验结果表明，优化后的BP网络效果均有所提高，其中遗传算法的优化效果尤为明显。. 综上所述，本项目所进行的研究效果良好，对实践生产有一定的指导意义。