علی جاهد سراوانی - استادیار کنترل، گروه مهندسی کنترل، دانشگاه پدافند هوایی خاتم الانبیاء تهران
محمد مسینایی - دانشیار فرآوری مواد معدنی، گروه مهندسی معدن، دانشگاه بیرجند
سعید تیموری - مربی الکترونیک، گروه مهندسی الکترونیک دانشگاه پدافند هوایی خاتم الانبیاء تهران

در صنعت فرآوری مواد معدنی، جداسازی مواد با ارزش از باطله به طور عمده توسط فرآیند فلوتاسیون انجام می شود سلول های فلوتاسیون ستونی امروزه در بخش های مختلف مدارهای فلوتاسیون بکار گرفته می شوند. کارایی متالورژیکی مدارهای فلوتاسیون تاثیر قابل توجهی بر راندمان کلی و بهره وروی اقتصادی کارخانه های فرآوری مواد معدنی دارد هدف از انجام پژوهش حاضر استفاده از تلفیق روش های تحلیل مولفه های اصلی (PCA) و شبکه های عصبی هوشمند بیزین منظم به منظور مدل سازی ارتباط بین متغیرهای عملیاتی (سرعت هوادهی، درصد جامد پالپ، غلظف کف ساز، نوع کف ساز، ماندگی گاز و شار سطحی حباب ها) و پارامترهای کارایی متالورژیکی یک سلول فلوتاسیون ستونی صنعتی (بازیابی مس، عیار مس کنسانتره و ثابت نرخ شناورسازی ذرات) می باشد. نتایج این تحقیق نشان داد که مدل های عصبی هوشمند توسعه داده شده قادر به پیش بینی پارامترهای کارایی فرایند در شرایط مختلف عملیاتی با دقف مطلوب می باشند که این امر از دیدگاه کنترلی بسیار حائز اهمیت می باشد.

فلوتاسیون، سلول ستونی، مدلسازی، شبکه عصبی بیزین منظم