程海勇等：基于膏体稳定系数的级配表征及屈服应力预测 ·1173· 200 240 (b) 一质量分数66% 180 一量-tailings--a 20 质量分数67% ●-tailings-b ▲-质量分数68% 160 ▲-tailing-e 一质量分数69% 140 180 ◆质量分数70% ←质量分数71% 100 80 120 60 100 80 20 60 40 38 40 42 4446 485052 2.86 2.87 2.882.892.90 2.91 2.92 体积分数% 密度t·m 图7屈服应力随骨料密度变化曲线.(a)单一因素：(b)双因素条件 Fig.7 Variation curves of yield stress with aggregate density:(a)single condition;(b)double-factor condition 素回归分析法对30组实验数据进行回归分析，得到 要求 回归参数图如表4所示.回归方程的复相关系数 表4回归参数及标准差 2=0.9707,将参数代入式(3)，得到全尾砂膏体屈 Table 4 Regression parameters and standard deviation 服应力预测模型 回归参数 回归值 标准差 将某铁矿全尾砂与卫.042.5水泥按照1：4~1： 0.05526 0.03566 12的灰砂比制备成9组不同含量的膏体进行实验 1.84608 0.27952 验证，如表5所示.数据分析发现，屈服应力预测结 25.22424 1.28070 果的误差在10%范围以内，满足生产应用中的精度 表5某铁矿全尾膏体屈服应力实验值及预测值 Table 5 Experimental and prediction values of yield stress of unclassified tailings paste from iron ore 固相体积 骨料密度/ 屈服应力 屈服应力 (观测值-预测 质量分数/% 灰砂比 Cy/p 分数/% (t*m3) 观测值/Pa 预测值/Pa 值)/观测值/% 68 1:4 41.64 0.67 0.63 2.979 43.28 43.01 0.61 68 1:6 41.67 0.64 0.65 2.975 48.03 46.33 3.53 68 1:12 41.70 0.61 0.69 2.971 56.46 52.59 6.87 69 1:4 42.77 0.67 0.64 2.979 59.76 60.10 -0.57 69 1:6 42.80 0.64 0.66 2.975 68.60 64.74 5.62 69 1:12 42.83 0.61 0.71 2.971 76.87 73.49 4.40 70 1:4 43.93 0.67 0.66 2.979 83.71 84.57 -1.04 70 1:6 43.96 0.64 0.68 2.975 88.99 91.11 -2.38 70 1:12 43.99 0.61 0.73 2.971 94.13 103.41 -9.87 焦倍率进行观测，同时通过图像采集系统进行图像 3屈服应力演化机理 采集.图像采集部位集中在试管中间部位，并应避 3.1膏体细观结构 开气泡区域. 细观图像能够实现对孔隙结构和颗粒定向度的 通过图像采集系统得到了不同含量下料浆的细 精准描述18-9).实验采用Macroscopes便携式显微 观结构，如图9(a)~9(d)所示.为进一步分析料浆 镜进行细观图像获取.通过R-200型图像采集记 的细观特征，将细观图像进行了二值化分析，通过提 录系统进行图像记录，如图8所示.显微镜最高放 取边界、过滤、降噪等一系列处理，得到的图像如图 大倍数为80倍.膏体中固相质量分数分别设定为 9(e)~9(h)所示.料浆中固体颗粒主要以絮团形 66%、68%、70%和72%，灰砂比为1：12.将不同配 态存在，单颗粒存在形态极少.质量分数为66%时， 比的膏体料浆分别置于透明试管中，调节显微镜聚 料浆中存在大量开放通道，絮团以不稳定形态存在，程海勇等: 基于膏体稳定系数的级配表征及屈服应力预测 图 7 屈服应力随骨料密度变化曲线 郾 (a) 单一因素; (b) 双因素条件 Fig. 7 Variation curves of yield stress with aggregate density: (a) single condition; (b) double鄄factor condition 素回归分析法对 30 组实验数据进行回归分析,得到 回归参数图如表 4 所示. 回归方程的复相关系数 R 2 = 0郾 9707,将参数代入式(3),得到全尾砂膏体屈 服应力预测模型. 将某铁矿全尾砂与 P郾 O42郾 5 水泥按照 1颐 4 ~ 1颐 12 的灰砂比制备成 9 组不同含量的膏体进行实验 验证,如表 5 所示. 数据分析发现,屈服应力预测结 果的误差在 10% 范围以内,满足生产应用中的精度 要求. 表 4 回归参数及标准差 Table 4 Regression parameters and standard deviation 回归参数 回归值 标准差 a 0郾 05526 0郾 03566 b 1郾 84608 0郾 27952 c 25郾 22424 1郾 28070 表 5 某铁矿全尾膏体屈服应力实验值及预测值 Table 5 Experimental and prediction values of yield stress of unclassified tailings paste from iron ore 质量分数/ % 灰砂比 固相体积 分数/ % 渍 CV / 渍 骨料密度/ (t·m - 3 ) 屈服应力 观测值/ Pa 屈服应力 预测值/ Pa (观测值 - 预测 值) / 观测值/ % 68 1颐 4 41郾 64 0郾 67 0郾 63 2郾 979 43郾 28 43郾 01 0郾 61 68 1颐 6 41郾 67 0郾 64 0郾 65 2郾 975 48郾 03 46郾 33 3郾 53 68 1颐 12 41郾 70 0郾 61 0郾 69 2郾 971 56郾 46 52郾 59 6郾 87 69 1颐 4 42郾 77 0郾 67 0郾 64 2郾 979 59郾 76 60郾 10 - 0郾 57 69 1颐 6 42郾 80 0郾 64 0郾 66 2郾 975 68郾 60 64郾 74 5郾 62 69 1颐 12 42郾 83 0郾 61 0郾 71 2郾 971 76郾 87 73郾 49 4郾 40 70 1颐 4 43郾 93 0郾 67 0郾 66 2郾 979 83郾 71 84郾 57 - 1郾 04 70 1颐 6 43郾 96 0郾 64 0郾 68 2郾 975 88郾 99 91郾 11 - 2郾 38 70 1颐 12 43郾 99 0郾 61 0郾 73 2郾 971 94郾 13 103郾 41 - 9郾 87 3 屈服应力演化机理 3郾 1 膏体细观结构 细观图像能够实现对孔隙结构和颗粒定向度的 精准描述[18鄄鄄19] . 实验采用 Macroscopes 便携式显微 镜进行细观图像获取. 通过 FR鄄鄄200 型图像采集记 录系统进行图像记录,如图 8 所示. 显微镜最高放 大倍数为 80 倍. 膏体中固相质量分数分别设定为 66% 、68% 、70% 和 72% ,灰砂比为 1颐 12. 将不同配 比的膏体料浆分别置于透明试管中,调节显微镜聚 焦倍率进行观测,同时通过图像采集系统进行图像 采集. 图像采集部位集中在试管中间部位,并应避 开气泡区域. 通过图像采集系统得到了不同含量下料浆的细 观结构,如图 9(a) ~ 9(d)所示. 为进一步分析料浆 的细观特征,将细观图像进行了二值化分析,通过提 取边界、过滤、降噪等一系列处理,得到的图像如图 9(e) ~ 9( h) 所示. 料浆中固体颗粒主要以絮团形 态存在,单颗粒存在形态极少. 质量分数为 66% 时, 料浆中存在大量开放通道,絮团以不稳定形态存在, ·1173·