بررسي كارآيي مدل Masliyah در پيش¬بيني حد جدايش كلاسيفايرهاي هيدروليكي با جريان قائم

Efficiency evaluation of Masliyah model on predicting the cut size of vertical current hydraulic classifiers

در پژوهش حاضر، میزان كارآیی مدل تجربی Masliyah، در پيش¬بيني حد جدايش كلاسيفايرهاي هيدروليكي با جريان قائم بررسی شده است. كلاسیفایر مذكور طراحی و در آزمایشگاه فرآوری دانشگاه شهید باهنر نصب شده است. تأثير دبي هيدروليكي، توزیع دانه¬بندي، درصد جامد خوراك، زمان ماند و ابعاد كلاسيفاير بر خطاي نسبي مدل، در قالب یك طرح فاكتوریلی كامل دو سطحی، بررسي شده است. نتايج نشان داد كه توزیع دانه¬بندي و تأثير متقابل آن با دبي خوراك، بيشترين تأثير را بر خطا دارند؛ به طوری كه افزايش ابعاد خوراك در مقايسه با ديگر عوامل، به نحو بارزی خطاي مدل را افزايش داد. افزايش تأثير متقابل دانه¬بندي و دبي نیز، سبب كاهش خطاي مدل شد. دبي، كمترين تأثير را بر خطاي نسبي مدل داشت. قدر مطلق تأثير درصد جامد و زمان ماند تقريباً يكسان بود، با اين تفاوت كه براي كلاسيفاير با ابعاد بزرگتر، درصد جامد، تأثير مستقيم و زمان ماند، تأثير عكس داشته ولی برای كلاسيفاير كوچك، اين تأثيرات برعكس بودند. خطاي نسبي تخمین حد جدايش با مدل مذكور، در سطح اعتماد 95% براي كلاسيفايرهاي با ابعاد بزرگ و كوچك به ترتيب 02/28± و 81/27± درصد به دست آمد.

The present study deals with a set of experiments to evaluate the accuracy of Masliyah model on predicting overflow cut size of vertical current hydraulic classifiers. Effects of washing rate, particle size distribution, solid content, pulp retention time, and classifier dimensions were studied through a 2-level full factorial experimental design using a bench scale device. The model relative error was considered as prediction response. Results showed that modeling error increased with the increase of particle size. The effect of washing rate was found to be negative but insignificant. For classifier with smaller dimensions, a drop-off was observed in error by decreasing solid content and increasing retention time. Contrary results were observed in the case of larger unit. The other main and interactive effects were insignificant. Mean relative error was calculated ±28.02 and ±27.81 percentages for large and small classifiers, respectively.