Kehittyneet leijupetiuunimallit malmirikasteen pasutuksessa: raekoon ja koostumuksen vaikutus pasutukseen
Hietapakka, Joonas (2025)
Hietapakka, Joonas
2025
Tekniikan ja luonnontieteiden kandidaattiohjelma - Bachelor's Programme in Engineering and Natural Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2025-05-13
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202505125337
https://urn.fi/URN:NBN:fi:tuni-202505125337
Tiivistelmä
Sinkkirikasteiden laatu on huonontunut viime vuosikymmeninä merkittävästi ja kehitys näyttää jatkuvan. Rikasteet sisältävät enemmän epäpuhtauksia ja niiden raekokojakauma on hienompi. Tämä asettaa haasteita eri sinkin jalostusvaiheisiin kuten sinkkirikasteen pasutukseen.
Tässä työssä laadittiin kirjallisuusselvitys rikasteen raekoon ja epäpuhtauksien vaikutuksista pasutukseen leijupetiuunissa sekä selvitettiin mahdollisia ratkaisuja näiden muuttujien huomioon ottamiseksi leijupetiuunin mallissa ja sen automaattiohjauksessa. Työssä päädyttiin ehdottamaan uunin pedin mallintamista eri menetelmillä, joista neuroverkkopohjainen lähestymistapa osoittautui lupaavimmaksi. Lisäksi ehdotettiin ratkaisua, jossa laadittaisiin uusi neuroverkkopohjainen uunimalli, joka ottaisi huomioon uunin toiminnan mahdolliset dynamiikan epälineaarisuudet. Tämän pohjalta voitaisiin kouluttaa neuroverkkosäädin ohjaamaan uunia. Ratkaisut esitettiin vain teoreettisella tasolla.
Tässä työssä laadittiin kirjallisuusselvitys rikasteen raekoon ja epäpuhtauksien vaikutuksista pasutukseen leijupetiuunissa sekä selvitettiin mahdollisia ratkaisuja näiden muuttujien huomioon ottamiseksi leijupetiuunin mallissa ja sen automaattiohjauksessa. Työssä päädyttiin ehdottamaan uunin pedin mallintamista eri menetelmillä, joista neuroverkkopohjainen lähestymistapa osoittautui lupaavimmaksi. Lisäksi ehdotettiin ratkaisua, jossa laadittaisiin uusi neuroverkkopohjainen uunimalli, joka ottaisi huomioon uunin toiminnan mahdolliset dynamiikan epälineaarisuudet. Tämän pohjalta voitaisiin kouluttaa neuroverkkosäädin ohjaamaan uunia. Ratkaisut esitettiin vain teoreettisella tasolla.