분쇄 된 돌 40 70 응용 프로그램. 분수 잔해

이 최적화는 합계 기능을 최소화함으로써 수행됩니다. 최적화 기준 행에 해당하지 않는 행렬의 곡선의 양입니다. 그림 11은 이러한 최적화를 보여줍니다. 이 최적화의 결과는 표 9에서 값 측면에서 제시됩니다. 각 수준에 대한 두 가지 기준에 해당하고 백분율로 표시되는 곡선 수에 의해 달성 된 최대 레벨은 테이블에 표시됩니다. 평균적으로 완전한 매트릭스의 곡선의 5 % 미만이 합계 기능에 대해 선택된 두 가지 기준을 수행 할 수 있다는 것이 밝혀졌습니다.

평균적으로 가장 큰 비율이 현무암 소스에서 발견되는 것을 알 수 있습니다. 그 중 96, 7 %입니다. 반대로, 가장 낮은 백분율은 작은 입자의 백분율에 따라 얕은 분획의 다공성이 최적의 가변성의 가변성이 더 높아진 석회 소스에 대해 발견된다. 아마도 사실 때문에? 이 경우, 완전한 매트릭스의 작은 입자의 비율의 평균값에 매우 가깝습니다. 5, 07 %.

평균 근처의 작은 입자의 백분율을 갖는 곡선의 수는 자연적으로 더 높게, 두 가지 기준을 동시에 만족시키는 것이 더 어려워집니다. 이 두 가지 방법에 비해 테이블에서 볼 수 있듯이 방법이 매우 가까운 결과를줍니다. 이 테이블에서 절대 값으로 표현됩니다.

일반적으로 두 가지 방법 간의 차이는 약 1/10이며, 이는 작은 입자의 비율을 나타내는 흥미로운 파라미터의 척도에 있습니다. 도표 11 : 그 사이의 차이점? 합계 기능에서 얻은 것과? 결과적인 선형 직선.

기울임 꼴로 의미 : 절대 값으로 표현 된 차이점. 값? 결과 합계는 가치와 관련하여 지어 졌습니까? 회귀 방정식에서 얻은 것. 두 방법이 동일한 결과를 제공하는 경우 3, 5 %까지. 의미를 위해? 2 ~ 3, 5 %에서 합계 기능 방법은 값이 낮아지는 값이 낮아지고 값이 더 낮습니까? 3, 5 ~ 7 %에서 7 %.

제시된 결과에 따라 회귀선의 사용은 상기 관계의 특성에도 불구하고 대부분의 경우에 충분한 정확도를 보장한다고 결론 지을 수있다. 회귀 회선을 사용하여 계산할 수있는 값은 합계 기능에서 얻은 값과 상대적으로 일치하여 최소 곡선이 분수의 다공성과 관련된 두 가지 최적화 기준과 일치하지 않도록합니다. 얇은 입자의 최적 및 최적 및 백분율.

그러나 매트릭스가 실제 형태의 많은 다른 곡선을 추가하여 매트릭스가 개선 된 경우 두 가지 방법이 모두 향상 될 수 있습니다. 재료의 미세 분율에서 다공성을 창조하는 작은 입자의 비율 이외에 모든 입자 크기의 역할을 고려하는 것이 더 좋을 것입니다. 값? 그림에서 볼 수 있습니까? 함수에서 얻은 합계는이 경우 고려됩니다.

제시된 접근법은 일반적으로 규칙적으로 성능 당 작은 입자의 효과가 질량 조건에서 특히 가치가 있기 때문에 일반적인 접근법과 다릅니다. 이 연구 프로젝트에서는 침식에 대한 내성을 설명하는 복잡한 β- 변수가 제안되었다. 그것은 균일 성 계수, 얕은 분획의 다공성 및 재료의 파란 값의 다공성으로 구성됩니다. 얕은 분획의 다공성은 이러한 침식 현상을 가장 잘 나타내는 재료의 상태와 관련된 변수입니다.

균질성 계수에 따라 침식 저항의 최적화에 해당하는 결과가 표에 표시됩니다. 이것은 전원 유형이있는 트렌드 방정식의 특성과 자연적으로 관련이 있습니다. 이것은 미묘한 비평가의 백분율에 대한 결론에서 이어지며, 더 높은 수준의 성능이 스핀들의 변화의 범위의 비율이 높아지는 것과 관련이 있습니다. 앞에서 설명한 것처럼 기계적 행동은 두 가지 측면, 즉 뒤집을 수있는 모듈 및 끊임없는 변형에 대한 감수성으로 분석됩니다.

뒤집을 수있는 모듈이있는 테스트의보다 표준화 된 특성으로 인해 이러한 테스트는 더 높은 상대적인 중요성과 관련이 있어야합니다. 그러나 일정한 변형에 대한 감수성을위한 테스트에서 만족스러운 결과를 얻었으며, 이는 기계적 특성을 완성하고보다 글로벌 시점에서 최적화 할 수 있습니다.

미세 분획의 다공성의 최적화와는 달리,이 주제에서 작은 임계 값의 퍼센트의 정의를 유도하는 반사는 기계적 거동의 최적화가 특정 수준의 성능. 실제로, 소스에 변수를 설명하는 것은 성능 수준 간의 경계를 결정하는 데 사용될 수 있지만, 특정 범위의 설명 변수에 대한 여러 가지 효율 표시기의 양호한 수준의 상관 관계가 부분의 결정을 고려할 수 있습니다. 성능 수준을 제한하는 과립계 곡선.

높은 수준의 상관 관계를 나타내는 몇 가지 설명 변수가 식별되는 분쇄 된 재료가 더 공정합니다. 언급 한 바와 같이, 부분적으로 분쇄 된 소스의 경우에는 덜 정확합니다. 또한, 2 개의 전면, 가역성 모듈의 기계적 특성을 고려하여, 일정한 변형에 대한 감수성을 고려하면 스핀들에서 적어도 2 개의 최적화 점을 고려할 수 있으므로 각 성능 수준에 맞게 최적화 된 그레인 크기 곡선의 부분 분리가 가능합니다. ...에

이와 관련하여, 지속적인 변형에 대한 감수성을위한 테스트의 실험적 특성으로 인해 소스에 대한 변수를 설명하는 것은 목표를 최적화하기 위해 저장됩니다. 또한 일반적으로 이러한 연구와 관련된 관계는 약간 덜 정확합니다.

얕은 분율의 다공성을 최적화하는 섹션에서 볼 수 있듯이 기계적 행동을 최적화하는 첫 번째 단계는 시간 내에 기계적 특성의 파라미터의 최대 변화를 결정하는 것입니다. 얕은 분획의 다공성과는 달리, 일반적으로 기계적 행동을 평가하기위한 인식 된 성능 지표가 없습니다. 또한 결과는 이러한 표시기가 한 소스마다 다르며 반드시 동일한 크기의 분수를 포함하지는 않습니다. 따라서, 최소한 및 최대 평균값을 식별하기 위해 가역 모듈의 가장 높은 등급 레벨과 3 개의 관계를 채우기 위해 테스트 소스 각각에 대해 제안됩니다.

그러나이 운동은 "현실적인"테두리가 표준 시간대에서 식별하기가 어려운 변수를 설명합니다. 따라서이 유형의 변수에는 곡물 크기 곡선에 2 점이 포함됩니다. 따라서이 경우, 변수 만 사용되며, 그 경계는 쉽게 식별됩니다. 그러나, 상기 결과를 감안할 때,이 세 가지 의미가 상호 연결되는 것으로 알려져있다. 그들은 모양을 가지고 있습니다. 언급 한 바와 같이, 화강암 Gnneisse 소스의 경우 몇 가지 설명 변수를 사용할 수 있습니다.

그러나, 두 개의 분쇄 된 소스의 경우 몇 가지 설명 변수가 확인되었습니다. 현무암 소스의 경우 몇 가지 변수가 확인되었지만 이러한 변수에는 중복성이 있음을 알아야합니다. 그러나 첫 번째를 사용하려면 가치를 결정하기 위해 자갈의 백분율을 결정해야합니다. 이러한 데이터는 표 14에 나와 있습니다. 그러나이 소스의 생산성 영역의 정의를 일정한 변형에 대한 감수성의 효과를 고려하여 더 자세히 고려할 수 있습니다.

자세한 내용은이 문제에 대해 더 자세히 따르십시오. 마지막으로, 어떤 경우에는 두 가지 방정식에서 얻은 값이 매우 가까운 결과를 제공합니다. 이는 필드에 의해 생성 된 평가 방정식의 오류를 포함하여 일부 부정확성을 제공합니다. 또한 석회석 소스에 대한 분석을 통해 자갈과 모래의 비율이 알려지기 때문에 작은 입자의 백분율을 외삽 할 수 있음을 알아야합니다. 그러나이 값은 정보 제공 목적으로 제시됩니다.

분명히, 가역적인 기계적 행동 과이 소스의 자료의 미세 부분 사이에 유의 한 경향이 있음을 이해하는 것이 중요합니다. 일정한 변형에 대한 민감성에 대해서는, 일정한 변형 속도로 높은 수준의 상관 관계가 높은 수준의 상관 관계가 있기 때문에이 연구의 경우 표준화 된 테스트 결과가 아니기 때문에 하나의 지표 만 사용됩니다. 이러한 관계를 설명하는 방정식은 모양을 취합니다.

이 값은 표에 표시됩니다. 이 값은 테이블에도 포함되어 있습니다. 분석을 결합하여 수행 된 세분화 물질의 기계적 거동을 최적화하기 위해 수행됩니다. 도로 코트즉, 가역적 모듈을 테스트하고 끊임없는 변형에 대한 감수성을 테스트하기위한 최적화 프로세스에서 얻은 값입니다. 각 성능 수준에 해당하는 영역을 표시 할 수 있습니다. 도 1의 도 14에 도시 된 바와 같이, 15와 쌀. 도 16 은이 섹션에서 달성 된 기계적 행동의 최적화의 그래픽을 도시한다.

그러나이 차트는 2 개의 전면의 기계적 특성을 고려하여 그려져 있습니다. 그러나, 가역 모듈의 분석에 따르면, 균질성 계수의 값이 제안된다. 또한,도 1에 도시 된 바와 같이, 35 대형 유닛은이 소스의 재료에 대한 매트릭스를 만들지 않지만 작은 집합체로 만들어졌습니다. 다음 섹션은이 측면에 헌신 할 것입니다. 석회석에 관해서는,도 15의 기계적 성능이 자갈 부분의 스핀들 형태와 상당히 일치하는 것을 알 수있다.

이 도면은이 소스의 작동을위한 큰 단위의 중요성을 보여줍니다. 따라서 일부 퍼짐이있는 재료를위한 장소를 남깁니다. 그러나, 민감도의 관점에서 일정한 변형에 이르기 까지이 특성은 바람직하지 않으며, 잠재적으로 작은 입자의 높은 비율과 관련이있는 것으로 나타났습니다. 마지막으로, 현무암의 경우 성능은 자갈 분획뿐만 아니라 석회석 소스의 경우 스핀들의 형태와 상관 없습니다.

그러나, 현무암 소스의 경우, 기계적 특성이 2 개의 전방에 접근한다면, 모래 분획이 더 얇아서 바람직하다는 것이 바람직하다. 기계적 최적화 프로세스는 입자 크기를 추정하거나 최적화하는 데 사용할 수있는 곳을 선택할 수 있습니다. 실제로, 가역 모듈의 일부분만으로 최적화를 고려하는 것이 바람직한 기준에 따라, 일정한 변형의 일부분 또는 2의 조합만으로는,