Исследование кинетических процессов диссоциации сульфатов железосодержащей аглоруды

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

В данной работе представлено исследование физико-химических особенностей кинетики диссоциации аглошихты при разных температурных режимах с добавлением примесей в процессе выплавки. В процессе исследования было установлено, что среди существенных факторов, определяющих скорость диссоциации сульфатов, можно выделить уровень кислорода в газе, крупность руды и добавление примесей, позволяющих изменять вязкость и температуру плавления агломерационного расплава. В основе процесса исследования применялся метод высокотемпературной дериватографии, с помощью которого рассматривались различные температурные интервалы и определялись скорости диссоциации минералов. Разработанная экспериментальная методика кинетических исследований диссоциации сульфатов может использоваться при изучении теплофизических закономерностей химико-металлургических процессов прокалки в обширной группе железосодержащих рудных материалов.

About the authors

В. П. Мешалкин

Российский химико-технологический университет им. Д.И. Менделеева; Институт физической химии и электрохимии им. А.Н. Фрумкина РАН

Email: vovabobkoff@mail.ru
Russian Federation, Москва; Москва

М. И. Дли

Национальный исследовательский университет “МЭИ”

Email: vovabobkoff@mail.ru
Russian Federation, Смоленск

В. И. Бобков

Национальный исследовательский университет “МЭИ”

Author for correspondence.
Email: vovabobkoff@mail.ru
Russian Federation, Смоленск

А. А. Быков

Национальный исследовательский университет “МЭИ”

Email: vovabobkoff@mail.ru
Russian Federation, Смоленск

References

  1. Леонтьев Л.И., Григорович К.В., Костина М.В. Фундаментальные исследования как основа создания новых материалов и технологий в области металлургии. Ч. 1. // Известия высших учебных заведений. Черная металлургия. 2018. Т. 61. № 1. С. 11–22.
  2. Романков П.Г., Рашковская Н.Б., Фролов В.Ф. Массообменные процессы химической технологии (системы с твердой фазой). Ленинград: Химия, Ленинградское отделение, 1975. 335 с.
  3. Bobkov V.I., Dli M.I., Rubin Y.B. Influence of the conditions of internal heat exchange on the process of thermal decomposition of carbonates in iron ore raw materials // CIS Iron and Steel Review. 2022. V. 24. P. 4–8.
  4. Егоров А.Ф., Савицкая Т.В., Михайлова П.Г. Современное состояние в области анализа, синтеза и оптимального функционирования многоассортиментных цифровых химических производств: аналитический обзор // Теоретические основы химической технологии. 2021. Т. 55. № 2. С. 154-187.
  5. Романков П.Г., Фролов В.Ф. Теплообменные процессы химической технологии. Ленинград: Химия, Ленинградское отделение, 1982. 288 с.
  6. Zhu X., Ji Y. A digital twin–driven method for online quality control in process industry // Int. J. Adv. Manufac. Technol. 2022. V. 119. № 5–6. P. 3045–3064.
  7. Борисов В.М., Валавин В.С., Вешан Е.Ф., Елинсон И.М., Карабасов Ю.С., Молочников Н.В., Рашковская Н.Б., Романков П.Г., Рябов В.А. Способ получения железорудных окатышей Авторское свидетельство SU 368318 A1, 26.01.1973. Заявка № 1672604/22-2 от 17.06.1971.
  8. Орехов В.А., Бобков В.И. Особенности исследования термической деструкции карбонатов в окомкованных фосфоритах при высокотемпературном обжиге // Тепловые процессы в технике. 2022. Т. 14. № 12. С. 555–562.
  9. Цирлин А.М., Гагарина Л.Г., Балунов А.И. Синтез теплообменных систем, интегрированных с технологическим процессом // Теоретические основы химической технологии. 2021. Т. 55. № 3. С. 347–358.
  10. Пучков А.Ю., Прокимнов Н.Н., Рысина Е.И., Шутова Д.Ю. Нейрорегулятор комплексной технологической системы переработки рудных отходов // Прикладная информатика. 2023. Т. 18. № 5. С. 91–105. https://doi.org/10.37791/2687-0649-2023-18-5-91-105
  11. Дли М.И., Пучков А.Ю., Прокимнов Н.Н., Окунев Б.В. Нечеткологическая модель многостадийной химико-энерготехнологической системы переработки мелкодисперсного рудного сырья // Прикладная информатика. 2023. Т. 18. № 3. С. 92–104. https://doi.org/10.37791/2687-0649-2023-18-3-92-104
  12. Wang, S., Guo, Y., Zheng, F., Chen, F., Yang, L. Improvement of roasting and metallurgical properties of fluorine-bearing iron concentrate pellets // Powder Technology. 2020. V. 376. P. 126–135.
  13. Nayak D., Ray N., Dash N., Pati S., De P.S. Induration aspects of low-grade ilmenite pellets: Optimization of oxidation parameters and characterization for direct reduction application // Powder Technology. 2021. V. 380. P. 408–420.
  14. Тураев Д.Ю., Почиталкина И.А. Теоретические и практические основы селективного извлечения фосфат-ионов из фосфатных руд с высоким содержанием примесей железа рециркуляционным методом // Теоретические основы химической технологии. 2022. Т. 56. № 2. С. 252–264.
  15. Borisov V., Bulygina O., Vereikina E. The use of coevolutionary algorithms for optimizing the operating regimes of the roasting conveyor machine// J. Appl. Inf. 2023. V. 18. № 3. P. 52–60. https://doi.org/10.37791/2687-0649-2023-18-3-52-60
  16. Черновалова М.В., Борисов В.В., Власова Е.А. Интеллектуальная поддержка управления процессами обработки рудного сырья на основе прецедентного подхода и онтологических моделей // Прикладная информатика. 2023. Т. 18. № 2. С. 16–26. https://doi.org/10.37791/2687-0649-2023-18-2-16-26
  17. Meshalkin V.P., Dovì V.G., Bobkov V.I., Burukhina T.F., Khodchenk S.M. State of the art and research development prospects of energy and resource-efficient environmentally safe chemical process systems engineering // Mendeleev Communications. 2021. V. 31. № 5. P. 593–604.
  18. Борисов В.В., Курилин С.П., Луферов В.С. Нечеткие реляционные когнитивные темпоральные модели для анализа и прогнозирования состояния сложных технических систем // Прикладная информатика. 2022. Т. 17. № 1 (97). С. 27–38.
  19. Meshalkin V., Bobkov V., Dli M., Dovì V. Optimization of energy and resource efficiency in a multistage drying process of phosphate pellets // Energies. 2019. V. 12. № 17. P. 3376.
  20. Пучков А.Ю., Лобанева Е.И., Култыгин О.П. Алгоритм прогнозирования параметров системы переработки отходов апатит-нефелиновых руд // Прикладная информатика. 2022. Т. 17. № 1 (97). С. 55–68.
  21. Tomtas P., Skwiot A., Sobiecka E., Obraniak A, Ławińska K., Olejnik T.P. Bench tests and CFD simulations of liquid–gas phase separation modeling with simultaneous liquid transport and mechanical foam destruction // Energies. 2021. V. 14. № 6. P. 1740. https://doi.org/10.3390/en14061740
  22. Буткарев А.А., Вербыло С.Н., Бессмертный Е.А., Буткарева Е.А. Совершенствование и практическое использование методологии ВНИИМТ для оптимизации теплотехнических схем обжиговых конвейерных машин с рабочими площадями 278, 306 и 552м2 // Сталь. 2020. № 5. С. 7–13.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».