基于物理的全球矿业公司快速求解粉碎模型的开发

碎石形成了我们社会的基础。随着对可持续性的需求不断增长，提高岩石破碎设备的性能和效率对采矿公司变得越来越重要。

Element的数字工程团队最近与一家全球矿业公司合作，优化其岩石破碎(或“粉碎”)机器的设计，以提高性能，实现能源效率，并延长寿命估计。

为了实现这一点，我们的专家开发了一种基于物理学的，离散元模型(DEM)的采矿设备，使破碎过程的模拟。DEM模型允许团队模拟任何给定设计的岩石破坏过程，这使客户能够根据他们的需要选择最有效的方案。

视频的岩石

不幸的是，这个模型的解决方案需要大量的计算时间，团队需要评估大量的设计案例来优化设置。因此，必须加快解决时间。这是通过开发一个降阶半解析模型(ROM)它结合了基于物理的破损模型和机器学习代理模型，使用从一组减少的非破损DEM模拟中获得的影响数据。

ROM使用数据科学的解决方案利用DEM模型模拟的结果。我们最小化了为机器学习算法提供足够数据所需的DEM模型解决方案。这使得算法能够开发输入变量变化所导致的岩石大小之间的关系。该算法还评估了输入变量的变化对机器磨损等指标的影响。我们使用一个贝叶斯实验设计技术来决定需要训练ROM的DEM模拟。

一旦我们的客户开始使用这种技术，他们不可避免地会问:“我们可以用它来优化破碎机的设计吗?”我们的专家开发了一种解决方案，为客户提供诸如“我需要什么输入才能实现目标输出?”以及“当我不确定某些输出量的确切值时，我需要什么输入来实现一个输出范围?”

由此产生的预测工具使我们的客户能够自信地优化他们的粉碎机械。工程师现在可以快速地改变正在使用的机器的操作，以保持一致的产量。他们还可以轻松地为未来的应用开发新机器，以在全球运营中保持一致的生产。

联系我们的专家了解我们的建模、模拟和优化服务如何提高您的操作效率。