A power based approach for the selection and comparison of ball mill liners
Notice bibliographique
Résumé
Current technology and simulation software used in the mining industry fail to factor in the effect of liner type and wear on ball mill grinding efficiency and throughput. This thesis provides a comprehensive analysis of key mill operating parameters and addresses the following key research question: how does liner type, lifter face angle, and liner wear affect mill grinding efficiency? The hypothesis is a lifter’s face angle drive a ball mill’s grinding efficiency and throughput independently of the type of liner used. To test this hypothesis, plant data and the profile and lifter face angle of the three most widely used liners are analyzed in terms of mill power draw using Morrell’s model C and MillTraj®. Results show the mill ball charge shoulder angle is strongly affected by the liner lifter’s face angle and that Morrell’s Model C could be improved by including a correction parameter that reflects the power draw of a mill along the service life of its liner. The correction parameter is to reflect the effect of wear on the shoulder angle. Results show that mill grinding efficiency decreases as the liner wears but that efficiency can still be maintained by adjusting the mill speed. The operating work index was found to be an effective tool for identifying increased grinding inefficiency along the liner’s service life. Further research is required to include a wear parameter that indicates the liner profile in Morell’s Model C power equations. It is also necessary to carry out additional research on variable speed drivers (VSD) for mill motors, which could potentially pay back the cost of adding a VSD on ball mills due to the increased grinding efficiency.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».