Investigating the use of the steel wheel abrasion test for ore characterization
Notice bibliographique
Résumé
In mineral beneficiation, grinding is used to reduce the size of the ore particles, generate larger surface area, and liberate valuable components.Grinding represents the most energy consuming stage of the process.Continuous research has aimed to increase the rates and efficiencies of milling by predicting the behaviour of large industrial mills, for example, through an examination of energy-size relationships and by using population balance models.The input for these models comes from data extracted from small laboratory-scale mills or impact tests.However, these breakage-testing techniques do not properly describe the behaviour of industrial mills, since these techniques cannot achieve the necessary modes of breakage or the correct input forces.Since the steel wheel abrasion test (SWAT) produces particle size reduction through abrasion breakage under a wide range of controlled input forces, this thesis investigates the use of the SWAT for ore characterization.This test is a variation of the dry and wet sand/rubber wheel abrasion test, a standard for measuring mass loss in metallic materials subjected to scratching abrasion.This thesis studies three different materials tested in the SWAT under the t 10 ore characterization scheme.The results show that the t 10 model can be properly fitted to the data collected from the tests.Two of the ores also were analyzed by using the drop weigh test (DWT), and the resulting parameters were compared to those from the SWAT, which showed that a relationship between the resulting parameters could be established.However, the results suggested that it seems more promising to use the SWAT to determine the abrasion breakage component and to calculate the breakage function of the small particles (below the inflection point), a function that otherwise would be unattainable in the DWT.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».