Research status and future prospects of numerical simulation in mineral flotation
Notice bibliographique
Résumé
Abstract Mineral flotation is carried out in a multi‐scale complex multi‐phase turbulent environment. It is difficult to obtain and explain the distribution law and influence mechanism of the multiphase flow field and the mechanism of the micro‐process of bubble mineralization through experimental research. Computational fluid dynamics (CFD), discrete element method (DEM), and discrete phase model (DPM) have become powerful tools for studying flotation theory and multiphase flow field and optimizing the flotation process and equipment. In particular, the application of CFD‐DEM coupling and CFD‐DPM coupling methods in bubble mineralization process simulation has promoted the development of flotation multi‐scale modelling and improved the flotation theoretical system. The research results of flotation numerical simulation in the past 25 years have been reviewed, and the research progress of particle‐bubble mineralization in recent years has been specifically summarized—the collision between multiple bubbles and particles and the influence of turbulence and particle concentration on it, the influence of turbulence on flotation process and flotation kinetics, and a new method for simulation of flotation froth layer. The quantitative characterization of turbulence parameters in different flotation machines is summarized, and the impact of turbulence on the bubble mineralization process and flotation recovery is more systematically explained. The flotation kinetic parameters are correlated with the model parameters, and the influencing factors of flotation kinetics are analyzed more comprehensively. Based on flotation theory, the defects and challenges of existing simulations are commented upon, and the future development directions for flotation numerical simulation research are proposed.
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 | 0,000 | 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 ».