Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: wytop miedzi

Sortuj według:

Ogranicz wyniki do:

Optimum conditions for copper extraction from the flotation waste using factorial experimental design

Mihajlovic I., Štrbac N., Dordević P., Mitovski A., Nikolić D., Zivkovic Z.

Environment Protection Engineering

2012

Vol. 38, nr 4

171--184

Copper flotation waste, generated as a byproduct of pyrometallurgical copper production, contains a significant amount of Cu together with trace amounts of other toxic elements such as Fe, Sn, Sb, As, and Pb. It is usually disposed in uncovered tailing ponds in the vicinity of a copper smelter plant. Heavy metals released into the water and soil can cause a number of environmental problems. The amount of copper in copper flotation waste is high enough to be extracted economically using appropriate methods. In this study, the leaching characteristics of copper flotation waste from the Bor Copper Mine, Serbia, were investigated to assess the feasibility of copper extraction.

Zastosowanie metod sztucznej inteligencji w modelowaniu procesu wytopu miedzi

Śledzińska A., Talar J., Kusiak J.

Informatyka w Technologii Materiałów

2005

T. 5, Nr 1-2

26-32

W pracy podjęto próbę zastosowania metod sztucznej inteligencji do przewidywania istotnego dla sterowania procesem wytopu miedzi parametru wyjściowego, jakim jest poziom "gotowania". Celem było opracowanie trzech metod badawczych (SB, SSN, SE), które w oparciu o parametry wejściowe potrafią przewidzieć poziom gotowania. Poziom gotowania jest parametrem wyjściowym a zarazem niepożądanym zjawiskiem w procesie wytopu miedzi. W pracy wykorzystano dane przemysłowe. Przeprowadzona analiza uzyskanych wyników wskazuje, że zaprezentowane w pracy metody sztucznej inteligencji (sieci bayesowskie, sztuczne sieci neuronowe i system ekspertowy), mogą być z powodzeniem wykorzystane do modelowania procesu zawiesinowego wytopu miedzi. W przypadku analizy zjawiska gotowania sieci bayesowskie dają lepsze wyniki w zaklasyfikowaniu przykładów do kategorii "OK" i "ŹLE", w porównaniu z dwoma pozostałymi metodami. Natomiast dokładniejsze wartości przewidywania poziomu gotowania zaklasyfikowanych do kategorii "OSTRZEŻENIE", uzyskano przy wykorzystaniu sieci neuronowych oraz systemów ekspertowych. Uzyskane wyniki pozwalają stwierdzić, że SB, SSN oraz SE są, efektywnym narzędziem do przewidywania parametrów wyjściowych złożonych procesów przemysłowych.

The objective of the work is assessment of the effectiveness of the use of artificial intelligence methods in modelling of the copper flash smelting process. Bayesian Network (BN), Artificial Neural Network (ANN) and Expert System (ES) were used in prediction of chosen parameters of the technological process and obtained results are presented.