Leiva-Pérez, Mauricio Antonio
Cargando...
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
Leiva-Pérez
Nombres
Mauricio Antonio
Nombre
Dirección de correo electrónico
Fecha de nacimiento
1 resultados
Resultados de la búsqueda
Mostrando 1 - 1 de 1
Publicación Desarrollo de instrumento prototipo basado en un modelo de redes neuronales para predicción de nivel de lodos y contenido de sólidos en espesadores industriales(2012) Leiva-Pérez, Mauricio Antonio; Leiva-Pérez, Mauricio Antonio; Acuña-Pérez, Claudio; Pon-Soto, Carlos Roberto; Universidad Católica del Norte; Universidad Católica del NorteSe presentan los resultados de la aplicación de redes neuronales en un instrumento prototipo para espesadores en plantas concentradoras de minerales. El instrumento permite la predicción del nivel de lodos y concentración de sólidos, reduciendo las detenciones del equipo por sobre carga de material o pérdida de calidad en el agua recuperada. Dada las características de la pulpa (distribución de tamaños, densidad, velocidades de sedimentación, química de la solución físico-química de partículas), la operación de los espesadores es compleja y presenta perfiles de concentración de sólido con formas variables. Esta condición limita técnicas convencionales de medición (sónico, presión, ópticos, radar) y no hace posible aplicar modelos determinísticos al perfil de sólidos, dada las altas no linealidades y variabilidad del sistema. Para resolver esta problemática, se implementó un hardware para la medición de perfiles de conductividad y un modelo predictivo basado en redes neuronales. El hardware y software, basado en el modelo de Maxwell para dispersiones, permite medir el perfil de sólidos independientemente de las condiciones de operación. Para el desarrollo del modelo predictivo se evaluaron redes con una capa oculta, variando el número de neuronas (4 estructuras) y comparando los algoritmos de Gradiente Conjugado y Levenberg-Marquardt, los que se evaluaron con 4 tipos de curvas de sedimentación (discreta, semi-discreta, semi-floculenta, altamente floculenta) incorporando error experimental normal. La capacidad de predicción de la estructura seleccionada (9 entradas, una capa oculta con 2 neuronas y 2 salidas), fue validada usando pulpas con relave de Chuquicamata, en un equipo piloto de 50 litros con una barra de 10 electrodos de 60 cm de largo, y hardware diseñado y construido para esta aplicación, comunicado a través de interfaz con la base de datos que almacena la información entregada por el hardware.