Wyznaczenie powierzchni rozdziału materiału uziarnionego za pomocą nieklasycznych metod aproksymacji funkcji rozkładów wielkości i gęstości ziarna

W pracy poddano analizie materiał uziarniony, którym był węgiel kamienny pobrany z jednej z kopalń Górnego Śląska. Węgiel został pobrany z osadzarki miałowej, gdzie został rozdzielony na koncentrat i odpad. Poddano go przesiewaniu, a następnie rozdziałowi w cieczach ciężkich. Zarówno skład ziarnowy, jak i gęstościowy nadawy oraz koncentratu został zaproksymowany kilkoma klasycznymi rozkładami statystycznymi. Najlepsze rezultaty otrzymano przy zastosowaniu rozkładu Weibulla (RRB). Jednakże – ze względu na niezadowalającą jakość aproksymacji – zdecydowano się na zastosowanie nieparametrycznych metod statystycznych, które stają się coraz częściej stosowanymi alternatywami w badaniach statystycznych. W pracy zastosowano nieparametryczne metody jądrowe, a jako funkcję jądrową przyjęto jądro Gaussa. Metoda jądrowa, stosunkowo nowa, dała znacznie lepsze wyniki aproksymacji niż klasyczne rozkłady statystyczne przy zastosowaniu metody najmniejszych kwadratów. Zarówno klasyczne, jak i nieparametryczne otrzymane aproksymanty zostały ocenione za pomocą średniego błędu kwadratowego, którego wartości świadczą o tym, że dostatecznie dobrze przybliżają one wartości otrzymane empirycznie. Tak określone postacie funkcji posłużyły następnie do wyznaczenia dystrybuanty teoretycznej dla wektora (D, Ρ), gdzie D – oznacza zmienną losową opisującą wielkość ziarna, a Ρ – jego gęstość. Również i ta aproksymacja w sposób zadowalający oddała rzeczywistość. Dlatego posłużyła ona do wyznaczenia równania powierzchni rozdziału, zależnej od obu zmiennych, wielkości i gęstości ziarna, opisujących badany materiał. Otrzymana powierzchnia świadczy o tym, że możliwa jest ocena procesu rozdziału, jaki zachodzi podczas operacji przeróbczych za pomocą więcej niż jednej cechy badanego materiału, a ponadto jej jakość potwierdza, że słusznym był wybór nieparametrycznych metod statystycznych jako alternatywy dla powszechnie stosowanych metod aproksymacyjnych.

In this paper, the grained material analyzed was hard coal collected from one of the mines located in Upper Silesia. Material was collected from a dust jig where it was separated in industrial conditions by concentrate and waste. It was then screened in sieves and it was separated in dense media into density fractions. Both particle size distribution and particle density distribution for feed and concentrate were approximated by several classical distribution functions. The best results were obtained by means of the Weibull (RRB) distribution function. However, because of the unsatisfying quality of approximations it was decided to apply non-parametric statistical methods, which became more and more popular alternative methods in conducting statistical investigations. In the paper, the kernel methods were applied to this purpose and the Gauss kernel was accepted as the kernel function. Kernel method, which is relatively new, gave much better results than classical distribution functions by means of the least squared method. Both classical and non-parametric obtained distribution functions were evaluated by means of mean standard error, the values of which proved that they sufficiently well approximate the empirical data. Such function forms were then applied to determine the theoretical distribution function for vector (D, Ρ), where D is the random variable describing particle size and Ρ – its density. This approximation was sufficiently acceptable. That is why it served to determine the equation of partition surface dependent on particle size and particle density describing researched material. The obtained surface proves that it is possible to evaluate material separation which occurs during mineral processing operations, such as jigging, by means of more than one feature of researched material. Furthermore, its quality confirms that it is justified to apply non-parametric statistical methods instead of commonly used classical ones.