Kitabı oku: «Применение искусственного интеллекта в цифровой экономике», sayfa 3

ГЛАВА 3. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЭКОЛОГИЧЕСКИХ ПРОЕКТАХ

Под искусственным интеллектом в данной работе понимается возможность программного алгоритма решать проблемы и задачи, которые связаны с деятельностью отдельного человека или общества в целом. Данная дефиниция применима к проектам развития различных систем, характеризующихся наличием интеллектуальных процессов, свойственных человеку, таких как способности рассуждать, анализировать, систематизировать, интерпретировать и обучаться на полученном опыте. Иными словами, искусственный интеллект (ИИ) – это приближенное отображение работы нейронных связей в мозге человека, отождествляемое с комплексами таких технологий и процессов, как глубокое машинное обучение и применение алгоритмов виртуальной реальности.

На конференции, прошедшей в Екатеринбурге 29 июня 2017 года, Герман Греф заявил: «Искусственный интеллект проникает во все сферы жизни. Мы видим четыре этапа использования ИИ – от описательной функции до аналитической, предсказательной и предписательной. И последняя является самой важной для нас. То есть ИИ будет не только описывать, анализировать и предсказывать, но и предуказывать человеку алгоритмику его поведения»²⁰.

Реализация основных направлений концепции Smart City («Умный Город») с применением искусственного интеллекта и нейронных сетей наряду с такими основными элементами, как умное правительство, умный человеческий капитал, умная экономика, предполагает включение проектов, связанных с умной экологией, основанной на

принципах экономии природных ресурсов и борьбы с загрязнением окружающей среды. В этой связи тема научного исследования, связанного с оценкой перспектив применения компьютерных алгоритмов и нейронных сетей в процессе разработки инновационных и экономически эффективных способов борьбы с загрязнением окружающей среды, а также посвященная инновационным способам переработки техногенного сырья и отходов в рамках цифровизации экономики, становится еще более актуальной.

Термин «цифровая экономика» был впервые введен 25 лет назад профессором Николасом Негропонте (Массачусетский технологический институт, США), однако до сих пор не существует четкого определения указанной дефиниции, что способствует созданию существенного препятствия на пути его концептуального оформления. Цифровизация различных сфер жизнедеятельности человека как одно из следствий прогресса науки и технологий подразумевает под собой перевод производства и распространения товаров и услуг в цифровую интернет-среду.

Развитие цифровой экономики подразумевает также переход от механизированного и автоматизированного производства к производству товаров и услуг посредством роботов и применения искусственного интеллекта. К существенным положительным последствиям цифровизации мировой и российской экономик можно отнести диверсификацию, т.е. широкое разнообразие производства, повышение номенклатуры производимой продукции, особенно с повышенной добавленной стоимостью, и, прежде всего, высокотехнологичных инновационных продуктов. Это приведет к снижению издержек производства на содержание многочисленного персонала компаний и организаций, к резкому сокращению трудовых ресурсов, занятых в производстве, постепенному исчезновению привычных профессий, перемещению в интернет-пространство крупных торговых центров и магазинов.

Переход товаров и услуг в цифровую среду существенно упрощает жизнь человека, позволяя ему меньше тратить свободного времени на поиск необходимого. Кроме того, прогнозируется, что капитализация активов, сосредоточенных в цифровой сфере, уже к 2030 году увеличится в 6 раз. Статистика за 2020 год показывает, что прибыль цифровых платформ-гигантов (таких как Amazon, Google, Microsoft, AliBaba и др.) в период пандемии и работы людей дистанционно увеличилась на 30%.

Развитие технологий и искусственного интеллекта, с одной стороны, существенно облегчает жизнь человека (роботы-официанты, роботы-уборщики, роботы-компаньоны, роботы – медицинские сестры, внедрение возможностей телемедицины, применение умных устройств и роботов в экологических системах и т.д.), а с другой стороны – с рынка труда уже сегодня вытесняются различные специальности и профессии. Будут востребованы те специальности, те навыки и компетенции, которые позволят осуществлять взаимодействие человека и искусственного интеллекта.

В настоящее время в силу повсеместно нарастающего феномена глобализации актуализируется ряд принципиально новых мультикомплексных проблем различного порядка и направленности. Феномен глобализации проявляется как на уровне экономической среды, так и в культурной сфере, при этом данный процесс носит унификационный характер. Прогресс науки и техники породил еще одну не менее актуальную проблему – цифровизацию мировой хозяйственной среды.

Объектом исследования являются общественные отношения в условиях цифровизации экономики, предметом – применение искусственного интеллекта, алгоритмов и IT-технологий при реализации принципов умной экологии и природоохранных мероприятий.

Цель данного параграфа – проанализировать возможности и перспективы применения искусственного интеллекта в программах «Умная экология», а также разработать методологию переработки техногенных отходов на основе способа обогащения минерального сырья по плотности полезного компонента и устройства для его осуществления.

Одна из задач исследования заключается в проведении анализа ближайших перспектив развития общества в условиях унификации мировой хозяйственной системы в цифровом ключе, в том числе и возможности применения умных технологий в переработке техногенных и твердых бытовых отходов.

Материалы и методы исследования. Теоретической основой исследования послужили работы отечественных и зарубежных ученых в области применения инновационных технологий и искусственного интеллекта, а также решения экологических проблем защиты окружающей среды. Методологическую основу исследования составили общенаучные методы познания, в частности синтез, сравнительно-аналитический и логический анализ, системный метод. В работе использовались программно-целевой подход, smart-подход, а также гранулометрический анализ воздействия потока на частицы твердой фазы.

Эмпирическая и информационная базы представлены фундаментальными положениями научных исследований, периодических изданий теоретико-экономического профиля, посвященных проблемам защиты окружающей среды и внедрению в повседневность нейронных сетей глубоко обучения.

3.1. Результаты исследования и их обсуждение

По прогнозам социологов и демографов, к 2050 году население нашей планеты может превысить 9,7 млрд человек. В этой связи перед человечеством стоит несколько важных задач. Главная из которых – найти способы прокормить все население Земли. Другая не менее важная задача – найти возможности эффективной борьбы с глобальным потеплением, третья – нахождение способов борьбы с загрязнением окружающей среды и твердыми бытовыми отходами (ТБО).

Первая проблема будет решаться в направлении выращивания растительного белка. Пищевые технологии серьезным образом интересуют сознательных членов общества. Общая цель – исключение животных из пищевой цепочки получения белка. Решение второй связано со снижением выбросов парниковых газов в атмосферу и разработкой технологий по восстановлению лесов, решение третьей базируется на применении искусственного интеллекта для защиты экосистемы планеты и сохранения ресурсов для последующих поколений.

В течение 2020 года в процессе резкого сокращения объемов производства и транспортно-логических операций вследствие распространения новой коронавирусной инфекции человечество столкнулось с феноменом существенного улучшения экологической обстановки на планете. К примеру, за несколько первых месяцев локдаунов объемы выбросов СО₂ сократились на 25%.

Экологическая среда – это среда прямого взаимодействия человека с различными сферами тем или иным образом, включая гидросферу, атмосферу и почву. Кратко можно обозначить как ареал обитания человека и его взаимодействие с этой внешней средой. В данной среде человек стремится создать наиболее комфортные условия для жизнедеятельности. Следует отметить, что не только человек определяет состояние этой внешней среды обитания, но и сами процессы, которые мы можем наблюдать в этой среде. По нашему мнению, рассматривать проблемы и решать их необходимо на экосистемном уровне.

На сегодняшний день эксперты в сфере умной экологии сходятся во мнении относительно перспективности тех или иных направлений по спасению нашей планеты. Одним из приоритетных направлений развития экосистемы Земли является применение автономных и подключенных автомобилей, причем автомобилей с электрическими двигателями.

До 2030 года ведущие европейские страны, к примеру Великобритания, планируют полностью отказаться от двигателей внутреннего сгорания и дизельных двигателей, полностью заменив имеющийся автомобильный парк на электромобили. Причем такой транспорт будет переведен на новую алгоритмическую модель, позволяющую оптимизировать процесс дорожного движения, минимизировать трафик и, как следствие, существенно снизить выбросы в атмосферу парниковых газов.

Алгоритм уже применяется в тестовом режиме в Японии на базе сервиса, который получил название райдшеринга и представляет собой формирование автоматизированных транспортных колонн.

Другим эффективным направлением является применение компьютерных алгоритмов в распределенных энергосетях. Применение искусственного интеллекта позволяет с высочайшей степенью точности прогнозировать периоды наибольшей нагрузки и адаптировать поставки электроэнергии. Это, в свою очередь, позволит производителям варьировать цены на электроэнергию, а пользователям иметь возможность накапливать электроэнергию с помощью аккумуляторов, распоряжаясь излишками электроэнергии исходя из принципа целесообразности.

Третье направление – это развитие программ умного сельского хозяйства и применение методов производства агрокультур на основе инновационных и информационных технологий (прецизионного сельского хозяйства), использующих беспилотники и искусственный интеллект, позволяющих разработать алгоритмы осуществления всех сельскохозяйственных процессов с максимально возможной точностью. Указанный метод позволяет сокращать расход воды, объемы применяемых удобрений и пестицидов, что влечет за собой повышение производительности сельскохозяйственных работ и улучшение экологической обстановки.

Сегодня искусственный интеллект широко применяется в метеорологии, развивая новую науку – климатическую информатику. Данная сфера динамично развивается ряд последних лет, постепенно заменяя возможности суперкомпьютеров стандартными персональными компьютерами в интеграции с нейросетями на основе глубокого обучения. Климатическая информатика позволит осуществлять точное прогнозирование погоды, различных метеорологических явлений и опасных для человечества природных катаклизмов.

Пятым направлением плана спасения Земли станет система умной ликвидации чрезвычайных ситуаций. Искусственный интеллект и заложенные в него алгоритмы при помощи глубокого обучения и подкрепления учатся предсказывать природные катастрофы, а также оценивать вероятные риски и угрозы, разрабатывать различные наиболее эффективные сценарии их устранения в реальном режиме времени.

Шестым магистральным направлением развития алгоритмов и применения искусственного интеллекта в целях повышения комфортности среды обитания человека и эффективности управления городским хозяйством в рамках реализации концепции Smart City является система «Комфортные подключенные города».

Данная система позволит эффективно зонировать территорию городов, проектировать различного рода защитные сооружения, а также разрабатывать оптимальные планы застройки новых территорий и расселения сложившейся застройки в рамках государственных программ реновации. Искусственный интеллект позволит в реальном режиме времени оценивать расходы электроэнергии, воды и иных ресурсов, а также регулировать транспортные потоки и движение жителей городов.

Следует отметить, что в РФ ежегодно образуется около 60 млн тонн твердых бытовых отходов. По оценкам экспертов, 40–60% всех отходов представляет собой ценное сырье, которое пригодно для дальнейшей переработки²¹.

Однако сейчас перерабатывается не более 5%. Оставшиеся твердые бытовые отходы направляются на мусорные полигоны и свалки, сегодня их свыше 32 тыс. штук площадью более 4 млн га. В целях эффективного обращения с твердыми бытовыми отходами и повышения объемов использования вторичного сырья необходимо применение искусственного интеллекта и IT-технологий для автоматизации процессов сбор, накопления, логистики и переработки ТБО.

По мнению специалистов, уже через несколько десятков лет алгоритмы и возможности виртуального моделирования позволят сформировать систему прозрачной цифровой Земли и осуществлять мониторинг всех процессов на планете в глобальных масштабах, включая добычу полезных ископаемых, вырубку лесов, загрязнение окружающей среды, ловлю рыбы и т.п. Кроме того, применение возможностей искусственного интеллекта и машинного обучения позволит осуществить прорывные открытия и развивать технологии в сфере биологии, физики, медицине и пр.²²

Включение в человеческую повседневность и деятельность человека возможностей искусственного интеллекта (ИИ) в качестве помощника с дополнительными возможностями и опциями позволит получить основное преимущество такой интеграции – система ИИ позволит не только ускорить процесс принятия решений, но и повысить качество принимаемых решений.

Наряду с явно позитивными последствиями применения искусственного интеллекта экспертным сообществом все чаще высказывается опасение о возможных негативных и непредсказуемых последствиях включения в человеческую жизнедеятельность самообучающихся нейронных сетей. Наблюдается расширение такого нового проявления включения цифровых инновационных технологий в нашу повседневную жизнь, как дизрапт.

Дизрапт – это широкое применение искусственного интеллекта и новых подрывных инноваций, которые способны настолько изменить имеющуюся ситуацию, что старые, применяемые ранее технологии становятся неконкурентоспособными²³.

В перспективе в ближайшие 5–6 лет человечество перейдет к использованию нейронных сетей в концепции Ambient AI. Данная концепция предполагает, что искусственный интеллект на основе изучения и систематизации привычек людей позволит прогнозировать их запросы и предпринять набор действий задолго до проявления этих запросов в обществе.

Иными словами, с помощью искусственного интеллекта будет реализовываться функция предугадывания желаний и стремлений людей и создание для них оптимальной среды обитания. Однако в этом кроется очевидная угроза потери приватности, поскольку каждый оставляет так называемый цифровой след, и игнорировать данный факт невозможно. В итоге человечеству придется искать разумный баланс между личными и общественными интересами.

Кроме того, существует еще одна неминуемая угроза для человека – бурное развитие нейронных сетей и расширение перспектив использования искусственного интеллекта – в течение 10–15 ближайших лет около 70–75% работников рискуют лишиться своих рабочих мест вследствие вытеснения их различного рода ботами и алгоритмами. Это приведет к снижению издержек производства на содержание многочисленного персонала компаний и организаций, к резкому сокращению трудовых ресурсов, занятых в производстве, к постепенному исчезновению привычных нам профессий, крупные торговые центры и магазины в дальнейшем будут перемещаться в интернетпространство.

В первую очередь данный процесс затронет рынки труда, связанные с оказанием посреднических услуг. По прогнозам аналитиков журнала «The economist», к 2024 году около 80% англичан лишатся рабочих мест по причине их замены на производственных роботов.

К значительным проблемам, препятствующим широкому использованию smart-технологий в Российской Федерации, в частности принципов smart-экологии, относятся отсутствие серьезных объемов инвестиций в социальный и человеческий капитал, отставание в социально-экономическом развитии большинства регионов России, отсутствие необходимых финансово-экономических ресурсов, наличие разного рода инфраструктурных проблем, возникновение недобросовестной конкуренции и борьбы компании за свой особый сегмент нового цифрового рынка, выявление проблем взаимодействия частного бизнеса и муниципальных властей, законодательных структур, девелоперов и других специалистов, а также серьезных экологических проблем [63, 108].

Концепция «Умный город» должна стать неотъемлемой частью инновационной стратегии российского государства. Это, в свою очередь, требует разработки, успешной реализации и оценки взаимодействия целого ряда приоритетных инвестиционных проектов, направленных на использование smart-технологий, включая и реализацию проектов в рамках умной экологии. В результате ожидается значительный синергетический эффект во всех сферах жизни города и городской инфраструктуры, включая повышение качества жизни и уровня безопасности граждан, строительство образовательных и социальных центров, решение экологических проблем [102].

Концепция «Умный город» должна стать неотъемлемой частью инновационной стратегии российского государства. Это, в свою очередь, требует разработки, успешной реализации и оценки взаимодействия целого ряда приоритетных инвестиционных проектов, направленных на использование smart-технологий, включая и реализацию проектов в рамках умной экологии. В результате ожидается значительный синергетический эффект во всех сферах жизни города и городской инфраструктуры, включая повышение качества жизни и уровня безопасности граждан, строительство образовательных и социальных центров, решение экологических проблем [102].

Концепция Smart City (Умный Город) – это глобальная автоматизирования система управления городским пространством, основанная на информационном подходе и инновационных технологиях, использовании искусственного интеллекта, новых нанотехнологических материалов, реализации принципов энергосбережения и энергоэффективности, позволяющая развивать инфраструктуру и создать комфортную среду обитания для жителей, повысить эффективность функционирования мегаполиса в целом, значительно улучшить экологическую обстановку, повысить эффективность использования общественного и частного транспорта, спрогнозировать и минимизировать негативные последствия рисковых событий, а также получить значительную экономию ресурсов, которая будет способствовать увеличению инвестиционной привлекательности и общей конкурентоспособности города [89]. В этой связи комбинированные отходы теплоэлектростанций (ТЭС) по своему сложному и многокомпонентному вещественному составу приравниваются к технологическим месторождениям, которые теперь можно перерабатывать с использованием общепринятых методов разделения минералов, позволяющих извлекать ценные компоненты и использовать полученные продукты для нужд народного хозяйства.

Применение в экологических проектах различных видов нейронных сетей в алгоритмах искусственного интеллекта зависит от того, какая цель ставится перед реализацией проекта: обобщение, оптимизация, управление, прогностика, редукция баз данных и т.д. В текущий момент времени в экопроектах применяются, как правило, два распространенных типа нейронных сетей:

1)

многослойная нейронная сеть, в которой каждый нейрон одного слоя связан со всеми нейронами последующего, и каждой такой связи прописан соответствующий вес (вектор весов). Количество входящего и выходящего слоев обусловлено спецификой выбора объекта исследования. Основной принцип обучения заключается в сопоставлении огромного массива статистических данных в целях уменьшения и исправления возможных ошибок за счет корректировки весов (векторов) нейронов;

2)

двухслойная нейронная сеть – это комбинация входящего и выходящего слоев нейронов. Каждый нейрон связан с соседними нейронами. Вес связей соответствует входящим значениям.

В проектах «Smart-экология» современные возможности искусственного интеллекта позволяют осуществлять экологический мониторинг, формировать и хранить гигантские массивы данных, выявлять и анализировать закономерности в состоянии окружающей среды. Следует отметить, что такие массивы данных характеризуются неполными, противоречивыми и не всегда корректными исходными данными. В этой связи указанные закономерности характеризуются нелинейностью, нечеткостью и высоким уровнем неопределенности, что существенно затрудняет оценку экологической обстановки. Поэтому одним из наиболее перспективных направлений использования технологий ИИ в smart-экологии признается распознавание и прогнозирование экологической ситуации на основе алгоритмов нейронных сетей.

Особенно сложно формировать базы данных об аварийных ситуациях, связанных с опасностью выброса в атмосферу отслеживаемых вредных веществ или создание таких экологически неблагоприятных сооружений, как техногенные отвалы, характеризующиеся такими негативными проявлениями, как пылевые выбросы, просадки и оползни, ветровая и водная эрозии, риски самовозгорания.

Следует отметить, что применяемые до сих пор в России способы возведения таких отвалов, занимающих огромные территории, в частности в теплоэнергетике, необходимо срочно пересматривать, изучать и внедрять зарубежную практику переработки содержащих компонентов таких отвалов, позволяющую извлекать и использовать в дальнейшем полезные компоненты. К примеру, из 1 тонны угля, в зависимости от технологического оборудования, условий подготовки топлива и конкретных режимов сжигания образуется от 140 до 25 кг твердой золы [60]. Зольность – это минеральное сырье, богатое оксидом алюминия (15–25%), закисью железа (6–15%) и оксидом кремния (40–60%). Он также содержит в качестве микродобавок 50 элементов периодической таблицы Менделеева [15].

По сложности и многокомпонентности вещественного состава отходы теплоэлектростанций (ТЭС) соответствуют техногенным месторождениям, которые в настоящее время возможно перерабатывать известными обогатительными методами с извлечением ценных компонентов и использованием полученных продуктов для нужд национальной экономики.

Основная проблема освоения техногенных отвалов теплоэлектростанций (ТЭС) – это отсутствие в России перспективных технологий, позволяющих их перерабатывать безотходным способом, как, например, в Германии все золошлаки на 100% перерабатываются, что не требует дополнительных площадей для их хранения.

В настоящее время в России разработаны, но при этом имеют ограниченное применение такие технологии переработки золошлаков, как мокрая магнитная сепарация и флотация. Указанные технологии позволяют обеспечить эффективное извлечение оксидов алюминия, оксидов железа, а также угольного недожога. Это позволило получить эколого-экономический эффект за счет реализации дополнительной товарной продукции и снижения платы за размещение твердых отходов в размере свыше 72 млн руб. в год.

В России на текущий момент времени на угольном топливе функционирует 172 ТЭС. В их золошлаках находится порядка 1,5 млрд т золошлаковых отходов (ЗШО) [17].

По данным ЗАО «АПБЭ», площадь золоотвалов достигает 28 тыс. га. При этом утилизируется и используется не более 8% (1,5– 2,1 млн т) годового выхода ЗШО (около 30 млн т). Если данная тенденция сохранится, то к 2020 году объем накопленных ЗШО может превысить 1,8 млрд т.

По экспертным оценкам, затраты на содержание 1 т ЗШО составляет от 400 до 700 руб., или 5–7% себестоимости производства электроэнергии и тепла на угольной ТЭС. Объем инвестиций в реконструкцию одного золоотвала может достигать 1 млрд руб. Стоимость строительства 1 золоотвала – 2–4 млрд руб.

В течение 3–5 лет переполнение ЗШО приобретет массовый характер, и данный процесс уже начался.

Возникает риск ограничения мощности угольных генераций и вывода их из энергетического баланса. По данным Росстата, стоимость Экибастузского угля составляет 410 руб. без учета НДС. Его зольность составляет 40–48%, у Кузнецкого угля – 15–40%. Рефтинская ГРЭС имеет замкнутую гидравлическую систему золоудаления. Складирование золы осуществляется на золоотвале № 2, площадью 992 га в 4,5 км от ГРЭС. Годовой выход золошлаков 5 млн т. Золоотвал № 1 площадью 450 га заполнен и выведен из работы, ведутся работы по его рекультивации [11].

В целях решения вышеуказанных проблем в ходе проведения авторских научных исследований был разработан новый способ борьбы с техногенными отходами на основе принципа обогащения минерального сырья, который был запатентован в Российской Федерации [17]. Устройство для осуществления указанного способа использует адаптивные компьютерные программы и алгоритмы нейронных сетей, также является частью патента [17]. Авторами патента были поставлены и решены следующие основные задачи:

–

разработано устройство для обогащения минерального сырья, простого по конструкции и эксплуатации, не предъявляющего жестких требований к чистоте воды;

–

реализована возможность применения программных алгоритмов оценки загрязнения воды;

–

использована теоретическая возможность применения искусственного интеллекта для оценки содержания химических элементов и плотности полезного компонента в водной смеси;

–

доказана высокая эффективность за счет непрерывной работы устройства, поскольку не требуется временных и трудовых затрат на сбор и эвакуацию полезного компонента;

–

осуществлено существенное снижение металло

– и материалоемкости;

–

минимизированы временные и трудовые затраты на монтаж и демонтаж оборудования, что повышает мобильность используемого оборудования общую экономическую эффективность функционирования устройства.

В ходе проведенного эксперимента решался ряд дополнительных задач, таких как:

–

систематизация современных технологий и принципов работы имеющихся устройств по обогащению минерального сырья;

–

изучение требований подготовки минерального сырья и его транспортировки к устройствам по его обогащению;

–

обобщение мирового опыта по обогащению минерального сырья;

–

анализ негативных последствий, присущих технологиям и устройствам по обогащению минерального сырья, устранение которых может потребовать существенных изменений конструкции обогатительной установки;

–

анализ специфики образования месторождений полезных ископаемых (драгоценных металлов, аллювиальных россыпей), а также гидрографии рек;

–

изучение особенностей течения двухфазных потоков, а также образования меандров на реках.

В рамках проведенного автором теоретического исследования и практического эксперимента, результатами которых стала разработка устройства для обогащения минерального сырья [17], также изучалась работа гидротранспорта, принципы проведения гидравлических расчетов систем напорного гидротранспорта, поведение частиц твердой фазы на его криволинейных участках.

В результате изучения, систематизации и анализа всей имеющейся информации [11, 53] определился следующий путь к достижению поставленных задач: использовать физические процессы, наблюдаемые в напорном гидротранспорте, который широко применяется в современных технологиях обогащения в целях транспортировки минерального сырья, обратив особое внимание на физические процессы, происходящие с пульпой на его криволинейных участках. На криволинейном участке пульпопровода в результате наличия вторичного поперечного течения происходит изменение траектории движения частиц твердой фазы пульпы, которые в зависимости от своей плотности определенным образом перемещаются по боковой поверхности внутреннего радиуса этого участка.

В данной научной работе предлагается авторский способ переработки техногенных отходов теплоэлектростанций путем обогащения минерального компонента и сырья по плотности частиц твердой фазы полезного компонента. Данный способ основан на использовании физических процессов, происходящих при протекании пульпы по криволинейному участку трубопровода [17]. Механизм воздействия потока на частицу твердой фазы при транспортировке пульпы приводит к возникновению одного из трех возможных видов ее движения:

–

скольжение или волочение частицы по нижней стенке пульпопровода;

–

взвешивание в потоке с обратным падением;

–

устойчивое перемещение частицы во взвешенном состоянии.

В данном исследовании внимание уделено первому виду движения частиц твердой фазы, который создает на нижней стенке пульпопровода подвижный слой указанных частиц. Высота подвижного слоя зависит от средней скорости потока, крупности и плотности частиц твердой фазы, а также консистенции потока пульпы. Гранулометрический анализ по граничной крупности находящихся в пульпе частиц твердой фазы позволяет разделить их на две группы. Первая группа частиц твердой фазы в смеси с водой образуют суспензию, способную транспортировать вторую группу более крупных частиц.

На криволинейном участке пульпопровода в результате наличия вторичного поперечного течения (парных вихрей), которое, накладываясь на поступательное движение пульпы, приводит к изменению траектории движения частиц твердой фазы подвижного слоя. Вид траекторий движения частиц твердой фазы по внутренней стенке трубы криволинейного участка пульпопровода зависит от их плотности: чем меньше плотность частицы, тем выше ее траектория движения относительно нижней стенки трубы. Указанные частицы твердой фазы полезного компонента плотности через щель в боковой внутренней стенке криволинейного участка пульпопровода поступают в приемную емкость.

Предлагаемый способ реализован в запатентованном турбулентно-вихревом концентраторе (ТВК), содержащем соединенную с нагнетателем пульпы подводящую трубу, из которой пульпа поступает в криволинейный участок трубы, сообщающийся с приемником отделяемых из пульпы частиц твердой фазы с заданной плотностью полезного компонента [17].

Устройство отличается тем, что пульпа поступает в криволинейный участок трубы, на котором в результате наличия вторичного поперечного течения происходит изменение движения подвижного слоя частиц с заданной плотностью полезного компонента.

В настоящее время на устройстве турбулентно-вихревого концентратора может применяться автоматизированная система управления технологическими процессами, что полностью исключает участие человека. Проведенные полевые испытания показали, что данное устройство позволяет достичь высокой эффективности за счет его непрерывной работы, малой металлоемкости, минимальных временных и трудовых затрат на монтаж и демонтаж, а также снизить до минимума временные и трудовые затраты на подготовку и оборудование места, что позволит получить экономический эффект функционирования устройства и улучшить экологическую обстановку территорий.