Asignación N°6

1. Hacer el algoritmo de molienda batch en un molino de bolas, con el modelo de molienda

batch basado en Balance Poblacional, usar Función Selección Especifica.

SOLUCION

Estimación inicial de Dimensiones y condiciones

Parámetros: 𝑊0 (𝑆𝑖 , 𝑏𝑖𝑗 ) operacionales del Molino

Hallar la Función Selección:

𝑑(𝑙𝑛∆𝑊𝑖/𝑊)
= −𝑆𝑖
𝑑𝑡

Hallar Función Selección Especifica: Hallar la Función Fractura:

𝐻 1 𝑑(∆𝑊𝑖/𝑊)
𝑆𝑖𝐸 = 𝑆𝑖 𝑏𝑖𝑗 = lim
𝑃 𝑆𝑖 (0) 𝑡→0 𝑑𝑡

Matrices: 𝑇𝑖𝑗 ; 𝐽𝑖𝑗

Matriz P = 𝑇𝑖𝑗 𝐽𝑖𝑗 𝑇 −1

∆𝑊𝑏𝑎𝑡𝑐ℎ = 𝑃∆𝑊0

NO SI Aceptamos el Modelo de
Mínimo Molienda Batch
 2. Hacer el algoritmo de molienda continua en un molino de bolas, con el modelo de
molienda continua basado en balance poblacional. usar función selección
especifica
Empezando de la ecuación de balance macroscópico continúo de población de
partículas en un sistema:
𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑐𝑖ó𝑛 = 𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 𝐷𝑖𝑠𝑐𝑟𝑒𝑡𝑎 − 𝐺𝑒𝑛𝑒𝑟𝑎𝑐𝑖ó𝑛 𝐶𝑜𝑛𝑡𝑖𝑛ú𝑎 + 𝐸𝑛𝑡𝑟𝑎𝑑𝑎 − 𝑆𝑎𝑙𝑖𝑑𝑎
𝑗
𝜕 𝜕
̅ (d, t)) = V𝐵̅ (𝑑, 𝑡) − 𝑉𝐷
(𝑉Ψ ̅ (𝑑, 𝑡) − 𝑉 ∑ ̅ (𝑑, 𝑡)) + 𝐸(𝑡)
(𝑣 Ψ
𝑑𝑡 𝜕𝜁𝑗 𝑗
𝑗=1

Se han hecho los cálculos y acomodaciones respectivas, además:

𝑄 𝐹(𝜃) 1 −𝑡
𝜏= 𝑦 𝐸(𝑡) = = 𝑒 𝜏
𝑉 𝑑𝑡 𝜏
Donde:
𝐹(𝜃): 𝐹𝑟𝑎𝑐𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑀𝑎𝑡𝑒𝑟𝑖𝑎𝑙 𝑒𝑛 𝑙𝑎 𝑠𝑎𝑙𝑖𝑑𝑎 𝑐𝑢𝑦𝑎 𝑒𝑑𝑎𝑑 𝑒𝑠 𝑖𝑛𝑓𝑒𝑟𝑖𝑜 𝑎 𝑡
𝐸(𝑡): 𝐸𝑛𝑒𝑟𝑔𝑖𝑎 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎
𝜏: 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑅𝑒𝑠𝑖𝑑𝑒𝑛𝑐𝑖𝑎
Entonces una molienda continua es una la sumatoria de Infinidad de procesos batch En
el intervalo de tiempo, t=0 a ∞.
∞ ∞
∆𝜔 ̅𝑏𝑎𝑡𝑐ℎ 𝐸(𝑡)𝑑𝑡 = ∫ 𝑇̿ 𝐽(̿ 𝑡)𝑇̿ −1 ∆𝜔
̅𝑐 = ∫ 𝜔 ̅(0)𝐸(𝑡)𝑑𝑡
0 0

Integrando:

̅𝑐 = 𝑇̿𝐽(𝜏)
∆𝜔 𝑐̿ ̿ −1
𝑇 ∆𝜔̅(0)

Donde:
∞
𝑐̿ 𝜏 −𝑁 𝐿
𝐽𝑖𝑗 = ∫ 𝑒 𝑆𝑖 (𝑡) 𝐸(𝑡)𝑑𝑡 = [1 + 𝑆𝑖 ] 𝑆𝑖 = 𝑖 = 𝑗 ; 𝐷𝑜𝑛𝑑𝑒: 𝑁 =
0 𝑁 𝐷
Para crear el algoritmo, El enunciado dice basado en balance poblacional, Utilizando la
función selección específica, (La cual tiene que ver con la energía específica),
Entonces:
𝐿𝑎 𝑒𝑛𝑒𝑟𝑔í𝑎 𝑒𝑠𝑝𝑒𝑐í𝑓𝑖𝑐𝑎 𝑐𝑜𝑚𝑜 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑜𝑙𝑖𝑒𝑛𝑑𝑎, 𝐸 = 𝑘𝑤 − ℎ𝑟/𝑇𝑛
Función selecciona específica: 𝑺𝑬𝒊
Denota la velocidad fraccional con que se muelen las partículas en una malla i como
función del consumo específico de energía.
Para la molienda continúa estable o estacionaria
 𝑃𝑡 𝐻 𝑡 𝐻𝑖 𝑡
𝐸= → = 𝐴𝑑𝑒𝑚𝑎𝑠 𝑆𝑖𝐸 = 𝑆𝑖 = 𝑆𝑖
𝐻 𝑃 𝐸 𝑃 𝐸
𝑃𝑜𝑟 𝑡𝑎𝑛𝑡𝑜: 𝑆𝑖 𝑡 = 𝑆𝑖𝐸 𝐸
𝑫𝒐𝒏𝒅𝒆: 𝑃 = 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 ; 𝑡 = 𝑡𝑖𝑒𝑚𝑝𝑜 ; 𝐻 = 𝐶𝑎𝑟𝑔𝑎 𝑑𝑒𝑙 𝑀𝑖𝑛𝑒𝑟𝑎𝑙 𝑒𝑛 𝑒𝑙 𝑀𝑜𝑙𝑖𝑛𝑜

Por otra parte se tenía el modelo discretizado batch:

𝑖=1
𝑑(∆𝜔𝑖 )
= −𝑆𝑖 (𝑡)∆𝜔𝑖 + ∑ 𝑏𝑖𝑗 𝑆𝑖 (𝑡)∆𝜔𝑖
𝑑𝑡
𝑗=1

Resultando:
𝑖=1
𝑑(∆𝜔𝑖 )
= −𝑆𝑖𝐸 ∆𝜔𝑖 + ∑ 𝑏𝑖𝑗 𝑆𝑖𝐸 ∆𝜔𝑖
𝑑𝐸
𝑗=1

Donde:
𝐻 𝑇𝑛
𝑆𝑖 ( 𝑃 ) = 𝑆𝑖𝐸 [𝐾𝑤−ℎ]
 𝐻 𝑇𝑛
𝑆𝑗 ( 𝑃 ) = 𝑆𝑗𝐸 [𝐾𝑤−ℎ]

Entonces el modelo discreto de molienda Batch, Usando la función selección

específica sería:

̅ = 𝑇̿𝐽(𝐸)
∆𝜔 ̿ 𝑇̿ −1 ∆𝜔
̅(0)

Desplazando a forma matricial sería:

0 𝑆𝑖 ∶ 𝑖 < 𝑗
1 𝑆𝑖 ∶ 𝑖 = 𝑗
𝑇̿𝑖𝑗 = 𝑖=1
𝑏𝑖𝑘 𝑆𝑘𝐸
∑ 𝑐 𝐸 𝑆𝑖 ∶ 𝑖 > 𝑗
[ 𝑆𝑖 −𝑆𝑗
𝑘=𝑗 ]

0 𝑆𝑖 𝑖 ≠ 𝑗
𝐽𝑖𝑗̿ = [ (𝐸) ]
exp(−𝑆𝑖 (𝐸)) 𝑆𝑖 𝑖 = 𝑗
Análogamente para molienda continua
𝑃𝑥𝑡 𝐻 𝑡 𝐻 𝑡
De: 𝐸 = → = 𝐸 → 𝑆𝑖𝐸 = 𝑆𝑖 𝑃 = 𝑆𝑖 𝐸 𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑆𝑖 𝑡 = 𝑆𝑖𝐸𝐸
𝐻 𝑃
Ahora reemplazamos el tiempo(t) por el tiempo de residencia (𝜏)
Entonces: 𝑆𝑖 𝑡 𝑥 𝑆𝑖 𝜏 = 𝑆𝑖𝐸 𝐸
Entonces el método discretizado de molienda continua usando la función específica es:

̅̅̅̅𝐶 = 𝑇̿𝐽(𝐸)
∆𝜔 ̿ 𝑇̿ −1 ∆𝜔
𝐶
̅(0)

Desplazando a formato matricial sería:

0 𝑆𝑖 ∶ 𝑖 < 𝑗
1 𝑆𝑖 ∶ 𝑖 = 𝑗 0 𝑆𝑖 𝑖 ≠ 𝑗
𝑇̿𝑖𝑗 = 𝑖=1
𝑏𝑖𝑘 𝑆𝑘𝐸 ∧ 𝐽𝑖𝑗̿ = [ 𝐸 ]
[1 + 𝑆𝑖𝐸 ] 𝑆𝑖 𝑖 = 𝑗
∑ 𝑐 𝐸 𝑆𝑖 ∶ 𝑖 > 𝑗 𝑁
[ 𝑆𝑖 −𝑆𝑗
𝑘=𝑗 ]
ESTIMACIÓN DE PARÁMETROS
𝐻
𝑆𝑖𝐸 = 𝑆𝑖 𝑃 haciendo regresión lineal para un mínimo número de monotamaños (3)
𝐷𝐵𝑜𝑙𝑎
𝑆𝑖𝐸 = 𝛼0 (𝛼𝑖 )𝛼1 …………𝑑 (>)
𝑝𝑎𝑟𝑡í𝑐𝑢𝑙𝑎

𝛼0 (𝛼𝑖 )𝛼1
𝑆𝑖𝐸 = ∝𝑖 ∝1
[1+( ) ]
𝑑𝑐𝑟í𝑡𝑖𝑐𝑜
ALGORITMO DE MOLIENDA CONTINUA

Dimensiones para molienda

continua

Estimación inicial Cálculo de la Potencia neta

de parámetros
de 𝑆𝑖𝐸 𝑦 𝐵𝑖𝑗 Cálculo de la Potencia
contribuida por bolas E y N

𝐵𝑖𝑗 𝑆𝑖𝐸 𝑏𝑖𝑗

𝛼0 (𝛼𝑖 )𝛼1 𝐷𝑏𝑜𝑙𝑎 𝐷𝑏𝑜𝑙𝑎

𝑆𝑖𝐸 = ∝𝑖 ∝1 𝑏𝑎𝑗𝑜Regresión lineal ⁄𝑑 𝑎𝑙𝑡𝑜 𝑆𝑖𝐸 =
) 𝑑𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑠 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑠
[1+( ]
𝑑𝑐𝑟í𝑡𝑖𝑐𝑜
∝1
∝0 (∝𝑖 )
̿𝑖𝑗 𝐽𝑖𝑗̿
Matrices 𝑇

Matriz 𝑃 = 𝑇𝐽𝑇 −1

Vector ∆𝜔
̅𝑐 = 𝑃∆𝜔
̅(0)
Solver-Define
nuevos parámetros
Función objetiva

mínimo Parámetros
NO SI finales