摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
1 文献综述 | 第10-26页 |
1.1 数学模型概述与分类 | 第10-11页 |
1.1.1 数学模型概述 | 第10页 |
1.1.2 数学模型分类 | 第10-11页 |
1.2 计算机仿真定义与分类 | 第11-12页 |
1.2.1 计算机仿真定义 | 第11页 |
1.2.2 计算机仿真的分类 | 第11-12页 |
1.3 数学模型的应用与仿真的发展 | 第12-17页 |
1.3.1 数学模型的应用 | 第12-15页 |
1.3.2 仿真技术的发展 | 第15-17页 |
1.4 矿物加工数学模型 | 第17-20页 |
1.4.1 矿物的破碎、分级、解离模型 | 第17-18页 |
1.4.2 矿物的浮选模型 | 第18-20页 |
1.4.3 重选、磁选数学模型 | 第20页 |
1.5 浮选模型与仿真技术的应用 | 第20-24页 |
1.5.1 浮选模型的实际应用 | 第20-23页 |
1.5.2 浮选仿真技术的应用 | 第23-24页 |
1.6 论文的选题意义与研究内容 | 第24-25页 |
1.6.1 论文的选题意义 | 第24-25页 |
1.6.2 论文的研究内容 | 第25页 |
1.7 本章小结 | 第25-26页 |
2 回收率-产率曲线模型关系 | 第26-38页 |
2.1 矿物的单体解离与连生体 | 第26页 |
2.2 浮选速率模型 | 第26-27页 |
2.3 浮选速率常数分布 | 第27-28页 |
2.3.1 离散型浮选速率常数分布 | 第27-28页 |
2.3.2 连续型浮选速率常数分布 | 第28页 |
2.4 回收率-产率曲线模型关系的建立 | 第28-37页 |
2.4.1 建立思想 | 第28-29页 |
2.4.2 模型关系的基本形式 | 第29-30页 |
2.4.3 常用浮选速率常数分布的ε-γ曲线模型关系 | 第30-37页 |
2.5 本章小结 | 第37-38页 |
3 浮选指标预测模型的建立 | 第38-65页 |
3.1 建模思想 | 第38-40页 |
3.1.1 矿粒运动 | 第38-39页 |
3.1.2 影响ε-γ曲线的两类因素 | 第39-40页 |
3.2 浮选指标预测模型的理论基础 | 第40-43页 |
3.2.1 模型建立的理论基础 | 第40-41页 |
3.2.2 单元品位曲线 | 第41-43页 |
3.3 浮选指标预测模型的基本形式 | 第43-44页 |
3.3.1 态分布 | 第43页 |
3.3.2 标准正态分布 | 第43-44页 |
3.3.3 基于正态分布的ε-γ曲线模型 | 第44页 |
3.4 基于正态分布的ε-γ曲线模型的可行性研究 | 第44-58页 |
3.4.1 求解基于正态分布的ε-γ曲线模型 | 第45页 |
3.4.2 多种矿物浮选基于正态分布的ε-γ曲线模型 | 第45-56页 |
3.4.3 基于正态分布的ε-γ曲线模型的验证 | 第56-58页 |
3.5 其他分选曲线模型 | 第58-64页 |
3.5.1 常用的矿石分选曲线模型 | 第58-59页 |
3.5.2 求解其他分选曲线模型 | 第59-63页 |
3.5.3 模型对比 | 第63-64页 |
3.6 本章小结 | 第64-65页 |
4 浮选指标预测模型的应用 | 第65-78页 |
4.1 在浮选指标预测中的应用 | 第65-67页 |
4.1.1 安徽某硫铁矿浮选试验 | 第65-66页 |
4.1.2 安徽某硫铁矿浮选模型建立以及指标预测 | 第66-67页 |
4.2 在浮选指标评价中的应用 | 第67-69页 |
4.2.1 ε-γ曲线评价浮选指标 | 第67-68页 |
4.2.2 紫金山某铜矿捕收剂方案对比 | 第68-69页 |
4.3 在浮选指标监测中的应用 | 第69-77页 |
4.3.1 在线监测研究平台设计 | 第69-76页 |
4.3.2 在线品位监测研究平台 | 第76-77页 |
4.4 本章小结 | 第77-78页 |
5 结论与展望 | 第78-80页 |
5.1 结论 | 第78页 |
5.2 展望 | 第78-80页 |
参考文献 | 第80-88页 |
附录1 浮选模型平台程序代码 | 第88-105页 |
附录2 胶磷矿试验数据 | 第105-108页 |
攻读学位期间的主要研究成果 | 第108-109页 |
致谢 | 第109页 |