粒度检测方法

㈠ 各种粒度测试方法的优缺点有哪些

1）筛分 原理：以来筛孔大小的机械分离作用。
优点：简单直观。动态范围较小，常用于大于40mm的颗粒测定。
缺点：速度慢，一次只能测量一个筛余值，不足以反映粒度分布；微小筛孔制作困 难；误差大，通常达到10%~20%；小颗粒由于团聚作用通过筛孔困难；有人为误 差，导致可信度下降。
2）沉降 原理：斯托克斯定律。
优势：可测试。
缺点：动态范围窄；小粒子沉降速度很慢，对非球型粒子误差大；由于密度一致性 差，不适用于混合物料；重力沉降仪适用于10微米以上的粉体，如果颗粒很细则 需要离心沉降。
3）库尔特电阻法 原理：颗粒通过小孔时产生的电阻脉冲计数。
优点：可以测定颗粒总数，等效概念明确；操作简便。
缺点：动态范围小，1：20左右；对介质的电性能有严格要求；容易出现 堵塞小孔现象。
4）显微镜法 原理：光学成像。
优点：简单直观；可作部分形貌分析。
缺点：动态范围窄，1：20；测量时间长，约20分钟；样品制备操作较复杂； 采样的代表性差；对超微细粒分散有一定的难度，受衍射极限的限制，无法检测超 细颗粒。
5）电镜 原理：电子成像。
优点：直观；分辨率高。
缺点：取样量少，没有代表性，样品杂；仪器价格昂贵。
6）激光粒度仪 原理：激光衍射/散射。
优点：测量速度快，约1分钟；动态范围大，约1：1000以上；重复型号； 准确度高，分辨率高；操作简便；客队动态颗粒群进行跟踪测试分析，是目 前最先进的粒度仪，也是粒度仪发展方向。

以上是微纳总结

㈡ 何谓粉体的粒度和粒度分布粒度有哪些测试方法有何优缺点

粒度particle size
颗粒在空间范围所占据大小的线性尺度。对表面光滑的球形颗粒只有一个线性尺度，即直径。对非光滑球形颗粒用相应球或相应圆〔投影)的直径或者一些其他的规定作为其粒度.
粒度分布particle sine distribution
颗粒群的颗粒数、质量、体积或其相应的百分数，按粒度大小的分布称为该颗粒群的粒度分布。
常用的有：筛分法，沉降法，超声波法，透气法，激光法，电镜法，图像发，电阻法，动态光散射法。目前最常用粒度测试为激光法，具有速度快，准确度高等特点。其他的都有各自的优缺点，想了解的话，我发一份资料给你，如果需要这方面的仪器，或者需要技术支持的话也可以联系我。

㈢ 如何检测粉体粒度

你所说的微米级很常见，也就是um，有马尔文和欧美克等，国内常见的还是马尔文激光粒度测试仪，我所在的公司就可以测，广东东方锆业科技股份有限公司，其实很多单位都可以的啦，特别是生产粉料的大公司。

㈣ 什么是粒度分析

矿粒（或矿块）的大小称为粒度。破碎、磨碎和选别过程中所处理的物料，都是粒度不同的各种矿粒的混合物。将矿粒混合物按粒度分成若干级别，这些级别叫做粒级。物料中各粒级的相对含量叫做粒度组成。粒度组成的测定工作叫做粒度分析。 粒度组成的测定是一项很重要的工作，在许多工业部门都常遇到。例如水泥工业、冶金工业、煤粉制备、土工试验、甚至食品加工等部门，都会用到粒度分析，也是选矿试验中必不可少的一个检测项目，原矿和产品都常需进行粒度分析。 没有一个粒度分析方法，可以适用于一切粒度范围，一般都是按粒度大小不同采用不同的测定方法。目前应用的各种测定方法及其适用范围如表1所示。其中有的方法得出的是粒度分布，有的方法得出的是平均直径；有的是直接测量粒度（如筛析和显微镜测定）；有的则是根据其他参数换算（如沉降速度和比表面）；有的是在气相中进行的干法，有的则是在液相中进行的湿法。表1 粒度测定方法及其所适用的粒度范围 选矿生产和试验研究中经常采用的粒度分析方法是筛分分析、水析和显微镜分析。 对于粉状物料常常直接测定比表面（指单位重量的矿粒群的总表面积）。从比表面的测定数据可在一定假定条件下，求出平均粒度（直径）。测定比表面的主要方法有吸附法、渗透法（液体渗透法；气体渗透法）。 几种粒度测定方法比较如下：筛析法的优点是设备便宜、坚固、易制、易操作，适于测定粗粒。一般干筛可筛至100微米（150目），再细建议钐湿筛，现今用光电技术制造的微孔筛可以湿筛细到10微米，但实际上小于40－60微米多半用沉降分析，前者测得的是几何尺寸，后者是具有相同沉降速度的当量球径。筛析法受颗粒形状影响很大。显微镜法直观测出颗粒尺寸和形状，因此常用于校准其它测量方法，其最佳测量范围为0.5－20微米之间，当粒度扩大到40微米以上，则易引起偏差。沉降法测量粒度的最大优点是统计性和重复性好，但受颗粒形状和结构影响很大，适用于1－75微米，不能直接观测颗粒的大小和形状。吸附法的特点是测定范围较大，但不能测出粒度分布曲线，只能间接换算出一个增均尺寸，而且受环境影响较大。渗透法是一种经济简便的粒度测量法，但可靠性和重复性差。

㈤ 粉体颗粒分布常用检测方法有哪些

大概有以下几种方法： 1、筛分法，这个通过查看筛余量，过筛率等来判断粉体粒度的分布，优点是成本低，缺点是只能给出点的粒径，不能给出全部粉体的粒度分布。 2、沉降法，一般是利用斯托克原理，通过悬浮液体客户的在重力作用下的沉降速度来判定颗粒的大小。可以给出粒度分布表等，但对于粒径较小的颗粒，沉降速度比较慢，测试耗时较多。 3、激光散射法，目前使用较多，比较适合测试粒度分布较宽的粉体，测试成本相对较高，仪器价格从国产的几万元到国外的几十万元不等。更多相关问题，可关注<粉体圈>网络

㈥ 关于粒度仪检测粒径的方法

现在多采用激光粒度仪和颗粒图像分析仪，有些比较大的采用振动筛/目筛。

㈦ 粒度的检测方法

浅谈粒度计算
张 铃
安徽大学人工智能研究所230039

摘要：粒度计算是新近兴起的人工智能研究领域的一个方向，本文简单介绍粒度计算的主要三个方法，以及之间的关系。
关键词：粒度计算、模糊逻辑、商空间理论、粗糙集理论。

一． 引言
人们在思考问题时，或者是先从总体进行观察，然后再逐步深入地研究各个部分的情况；或先从各个方面对同一问题进行不同侧面的了解，然后对它们进行综合；或是上面两种方法的组合，即时而从各侧面对事物进行了解，然后进行综合观察，时而综合观察后，对不甚了解的部分再进行观察……总之，根据需要从不同侧面、不同角度反复对事物进行了解、分析、综合、推理.最后得出事物本质的性质和结论.
人工智能研究者对人类这种能力进行了深入地研究，并建立了各种形式化的模型.本文要介绍的粒度计算,就是对上述问题的研究的一个方面.
人工智能最主要的目的是，为人类的某些智能行为建立适当的形式化模型，以便利用计算机能再显人的智能的部分功能。什么是人类的最主要的智能，或者说智能的最重要表现形式是什么。各家有不同的看法，如Simon等认为人的智能表现为，对问题求解目标的搜索（Search）能力。比如学生在证明一道平面几何题目时，进行思考，“聪明的小孩”能很快地找到证明该结论的有关的定理性质，并很快地应用上去，从而就得到证明。“数学能力差的学生”可能东找西寻，找不到合适的定理和性质，绕来绕去，总得不到证明的要领；Pawlak[P1]则认为人的智能表现为对事物（事件、行为、感知等）的分类（Classification）能力。如平时我们说某医生本事大，就是这位医生能从病人的症状中，正确地诊断出病人是患什么病（分类能力！分出患什么病来）等等。我们认为“人类智能的公认特点，就是人们能从极不相同的粒度(Granularity)上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题求解，而且能够很快地从一个粒度世界跳到另一个粒度的世界，往返自如，毫无困难。这种处理不同世界的能力，正是人类问题求解的强有力的表现”[ZH1]。还有很多不同的理解，人们正是从这些不同的理解分别建立各自的模型和相关的理论和方法。
粒度计算目前国际上有三个主要的模型和方法，下面简单进行介绍。

二. 三种不同的模型
下面简单介绍有关“粒度计算”的三个不同的模型和方法。
什么是粒度，顾名思义，就是取不同大小的对象。也就是说，将原来“粗粒度”的大对象分割为若干“细粒度”的小对象，或者把若干小对象合并成一个大的粗粒度对象，进行研究。
最近Zadeh在[ZA1]-[ZA3]中,讨论模糊信息粒度理论时，提出人类认知的三个主要概念，即粒度(granulation)、组织(organization)、因果(causation)(粒度包括将全体分解为部分，组织包括从部分集成为全体，因果包括因果的关联）。并进一步提出粒度计算。他认为，粒度计算是一把大伞它覆盖了所有有关粒度的理论、方法论、技术和工具的研究。指出：“粗略地说，粒度计算是模糊信息粒度理论的超集，而粗糙集理论和区间计算是粒度数学的子集”。
Zadeh 的工作激起了学术界对粒度计算研究的兴趣，Y.Y.Yao和他的合作者对粒度计算进行了一系列的研究[Y1]-[Y3]并将它应用于数据挖掘等领域，其工作的要点是用决策逻辑语言(DL-语言)来描述集合的粒度(用满足公式元素的集合，来定义等价类m())，建立概念之间的IF-THEN关系与粒度集合之间的包含关系的联系，并提出利用由所有划分构成的格，来求解一致分类问题。这些研究为知识挖掘提供了一些新的方法和角度。
按Zadeh粒度计算的定义,我们提出的商空间理论和Pawlak的粗糙集理论都属于“粒度计算”范畴。
目前有关粒度计算的理论与方法，主要有三个。一是Zadeh的“词计算理论”（Theory of Works Computing），一是Pawlak的“粗糙集理论”（Theory of Rough Set），另一个是我们提出的“商空间理论”（Theory of Quotient Space）。
下面简单介绍三者的内容：
1. 词计算理论：
Zadeh认为人类在进行思考、判断、推理时主要是用语言进行的，而语言是一个很粗的“粒度”，如我们说“九寨沟的风景很美”，其中“很美”这个词就比较“庞统”，也就是说其粒度很粗，如何利用语言进行推理判断，这就是要进行“词计算”，早在二十世纪六十年代Zadeh提出模糊集理论，就是“词计算”的雏型。沿Zadeh的模糊集论的方向，用模糊数学的方法进行有关粒度计算的方法和理论的研究，就构成“粒度计算”的一个非常重要的方法和方向。这也是人们比较熟悉的一个方法。
2. 粗糙集理论：
波兰学者Pawlak[P1]在二十世纪八十年代，提出的粗糙集理论，他提出一个假设：人的智能(知识)就是一种分类的能力，这个假设可能不是很完备，但却非常精练。在此基础上提出，概念可以用论域中的子集来表示，于是在论域中给定一组子集族，或说给定一个划分（所谓划分，是指将X分成两两不相交的子集之并）。从数学上知道，给定X上的一个划分，等价于在X上给定一个等价关系R。Pawlak称之为在论域上给定了一个知识基(X,R)。然后讨论一个一般的概念x（X中的一个子集），如何用知识基中的知识来表示，就是用知识基中的集合的并来表示。对那些无法用(X,R)中的集合的并来表示的集合,他借用拓扑中的内核和闭包的概念,引入R-下近似R-(x)（相当于x的内核）和R-上近似R-(x)（相当于x的闭包），当R-(x)R-(x)时,就称x为粗糙集.从而创立了“粗糙集理论”。目前粗糙集理论已被广泛应用于各个领域，特别是数据挖掘领域，并获得成功。
3.基于商空间的粒度计算.
我们认为概念可以用子集来表示,不同粒度的概念就体现为不同粒度的子集,一簇概念就构成空间的一个划分----商空间(知识基),不同的概念簇就构成不同的商空间. 故粒度计算,就是研究在给定知识基上的各种子集合之间的关系和转换.以及对同一问题,取不同的适当的粒度,从对不同的粒度的研究中,综合获取对原问题的了解.这种对粒度的理解与模糊集对粒度的理解不完全一样.
下面简单介绍基于商空间的粒度计算。
3.1商空间模型下的推理模型
商空间的模型用一个三元组来表示，即(X,F,T),其中X是论域,F是属性集,T是X上的拓扑结构.当我们取粗粒度时,即给定一个等价关系R (或说一个划分),于是我们说得到一个对应于R的商集记为[X],它对应于的三元组为([X],[F],[T]),称之为对应于R的商空间.商空间理论就是研究各商空间之间的关系、各商空间的合成、综合、分解和在商空间中的推理。
在这个模型下,可建立对应的推理模型,并有如下的性质.
A. 商空间模型中推理的“保假原理”（或“无解保持原理”）.
B. 商空间模型中推理合成的“保真原理”.
所谓“保假原理”是指若一命题在粗粒度空间中是假的，则该命题在比它细的商空间中一定也无解。
所谓“保真原理”，是指，若命题在两个较粗粒度的商空间中是真的，则（在一定条件下），在其合成的商空间中对应的问题也是真的。
这两个原理在商空间模型的推理中起到很重要的作用，如若我们要对一个问题进行求解，当问题十分复杂时，常先进行初步分析，即取一个较粗粒度商空间，将问题化成在该空间上的对应的问题，然后进行求解，若得出该问题在粗粒度空间中是无解，则由“保假原理”，立即得原问题是无解的。因为粗粒度的空间规模小，故计算量也少，这样我们就可以以很少的计算量得出所要的结果，达到“事半功倍”的目的。
同样利用“保真原理”也可达到降低求解的复杂性目的，设在两个较粗空间X1、X2上进行求解,得出对应的问题有解.利用“保真原理”可得，在其合成的空间X3上问题也有解。设X1、X2的规模分别为s1、s2。因为一般情况下，X3的规模最大可达到s1s2。于是将原来要求解规模为s1s2空间中的问题，化成求解规模分别为s1、s2的两个空间中的问题。即将复杂性从“相乘”降为“相加”。

四．商空间理论、粗糙集理论和模糊集理论之间的关系
4.1在模型上
三者都是描述人类能按不同粒度来处理事物的能力的模型.
商空间理论、粗糙集理论认为概念可以用子集来表示，不同粒度的概念可以用不同大小的子集来表示，所有这些表示可以用等价关系来描述。
词计算理论认为概念是用“词”来表示，而描述“词”的有效的方法就是模糊集理论。
4.2.研究的对象
商空间理论、粗糙集理论、词计算理论都将所讨论的对象的集合构成论域，但讨论对象之间的关系时，却各有不同。
粗糙集理论的原型估计是由关系数据库抽象而得的，故其模型为(X,F)(其中X是论域,F是属性集),即通过元素的不同属性值，来描述元素之间的关系,并用元素按不同属性进行的分类来表示不同的概念粒度。
商空间理论的原型是分层递阶方法，故其模型为(X,F,T)(其中X是论域,F是属性集,T是X上的拓扑结构)即除了元素的属性外，还引入元素之间的关系T（用拓扑来描述），从这个意义上来说,粗糙集理论是商空间理论的一个简单的特例。当然各自研究的着重点和侧重点不同。
当给定一个等价关系时，粗糙集理论认为是给定一个知识基，然后讨论任给的一个概念（集合）在这个知识基上如何被表示为知识基上集合之并,以及之间的关系。粗糙集理论主要利用集合的基数(元素个数)之间的关系,来描述概念之间的隶属关系，这样在一定程度上与模糊集概念联系起来。另外，粗糙集理论还讨论如何利用属性来最简单地表示所对应的知识基，这就是所谓“简约”问题。但因模型缺乏描述元素之间的相互关系的手段，故很难提取有结构论域中有关结构所提供的信息。当然结构在一定意义下也可以看成是元素的某种属性，但这种属性是多元属性(要用多元函数来表达)，一般不能表示为f(x),而要用f(x,y,..)表示,如距离要用d(x,y)表示.
商空间理论着重点不同,它不是只针对给定的商空间(知识基)来讨论知识的表达问题,而是在所有可能的商空间中,找出最合适的商空间,利用从不同商空间(从不同角度)观察同一问题,以便得到对问题不同角度的理解,最终综合成对问题总的理解(解).它的求解过程是在“由所有商空间组成的半序格”中运动转换的过程.故可看成是宏观的粒度计算.而粗糙集理论是在给定的商空间中的运动,故可看成是微观的粒度计算.
词计算理论与商空间理论、粗糙集理论稍为不同,它主要研究(从粒度计算的观点来看它)如何描述由词界定的不同粒度的对象,它更擅长描述由形容词、副词表达的不同粒度的概念,如非常好、很好、好、很不错、还好,…等等. 因为这些词有程度不同的差别,故在一定意义下,词计算理论也给出了描述元素之间的关系,但只限于由属性的强弱程度不同所形成的关系.
从理论上说,将商空间理论、粗糙集理论看成是“精确”的粒度计算,那么都可在其模型上引入模糊的概念,得模糊的商空间理论,和模糊的粗糙集理论.
在[ZH2]中我们证明：模糊的等价关系,等价于在某个商空间上的归一等腰距离。即,可将它化成有结构的商空间。于是这三者都可统一地用多尺度的商空间理论来表示.如设商空间理论中原来的结构是一距离d1(x,y),这个d1是元素在空间”位置”关系的描述, 而由模糊概念引入的距离d2,可以看成是元素之间的属性关系的描述.
属性是对元素个体性质的描述,而尺度是对元素之间关系的描述(当然也可看成是多元属性).
若属性值是取值于一个良序集上时,多可用模糊集来描述.
将三者有机地结合起来，对发展粒度计算将有重大意义。
4.3. 结构的重要性
最后阐述在粒度计算中结构的重要性，
在问题求解时，人们多从一组前提出发，希望由它通过一系列的推导，得到结论。若将每个步骤用箭头相连，则得到由前提到目标的一条有向路。或更一般，问题求解可看成是在某有结构的空间中，求一条由前提到目标的有向路（或一条路径），于是当空间的结构是拓扑空间时，关于问题求解的解的存在性问题，就等价于在空间中回答“前提与目标是否处在同一线连通成份中”。而求解问题，就是在有解情况下，求从前提到目标的一条有向路径。
利用商空间中粗空间对细空间的“保假性”，（即：若问题在粗空间中无解，则在比它细的空间一定也无解）通过合理的分层递阶，可大大降低问题求解的复杂性。
我们对常遇到的结构如：半序结构、距离结构以及一般拓扑结构，其对应的商空间的构成及不同商空间的综合都给出有效的构造性的算法。
对什么情况下分层递可以降低计算复杂性，能降低多少等，我们在[Z1]中也进行了详细地论述。
在[ZH3]中还把统计推断方法引入商空间模型,为多层信息综合、不确定推理、定性推理等，建立数学模型和相应算法,有效降低了计算复杂性。
有结构的模型在实际问题求解中是经常遇到的，如地理信息中其地理位置之间的关系就是一个距离结构；在数据仓库中各数据之间的关系可用半序来描述，它也是一种结构；又在路径规划中对象所处空间的位置关系，就是一种距离的结构；在数据挖掘中的规则发现，所有的规则全体按其包含关系就构成半序结构等等。在这些有结构的对象中进行问题求解利用基于商空间理论的粒度计算将是很有效的。

商空间的方法与目前流行的“粗糙集”方法相同之处在于：都是利用等价类来描述“粒度”,都是用“粒度”来描述概念。但讨论的着重点有所不同，我们的着重点是研究不同粒度世界之间的互相转换、互相依存的关系，是描述空间关系学的理论；而目前的粒度计算(如粗糙集理论等)主要是研究粒度的表示、刻划和粒度与概念之间的依存关系。更主要的不同在于：我们的理论是在论域元素之间存在有拓扑关系的情况下进行研究的，即论域是一个拓扑空间，而现在的粗糙集理论，其论域只是简单的点集，元素之间没有拓扑关系(只是商集理论，而不是商空间理论)，故它们讨论的是无结构的特殊情况。
另外，粗糙集是在给定的知识基上求解对应的问题，如求集合的R-上近似和R-下近似，我们是在(X,T)中讨论各商空间之间的关系，求相应的（各种意义下）上近似空间和下近似空间。从这个角度看，可以说粗糙集是微观的粒度计算，商空间理论是宏观的粒度计算。这两个理论都是建立在等价关系之上，所有可以将两者结合起来。
Zadeh 所讨论的粒度计算与Pawlak和我们所讨论的粒度问题又有些不同，他主要是讨论粒度的表示问题，他们认为人类是用语言进行各种思考和推理的，不同的词就表示不同的粒度，那么如何表示它们呢？一般来说用“语言”、“词(word）”来表示的概念，牵涉到“词计算”问题。而词计算，现在最流行的方法是“模糊数学”的方法，于是他得出的结论是：模糊数学应是粒度计算的主要工具之一。
依Zadeh的看法，Pawlak和我们讨论的粒度是“清晰的粒度”，而他自己讨论的是“模糊粒度”。
如何将模糊集的方法引入商空间理论中来，这可从几方面着手进行，一是在论域X上引入模糊集；二是在结构T上引入模糊拓扑结构；三是对我们的核心概念等价关系，引入模糊概念。
以上简单介绍了商空间理论、词计算理论、粗糙集等粒度计算方法之间的关系。可以看出这三个不同的粒度计算理论，从思考问题的出发点和解决问题的任务，都不尽相同，各有千秋。但是三者都有一个共同的特点，那就是都考虑到人类智能中，有从不同粒度思考问题的这一特点。如何将三者的优点结合起来，形成更强有力的粒度计算的方法和理论，是今后一个重要的研究课题。一个明显可进行的研究是：将商空间理论与粗糙集方法相结合，或说将粗糙集方法引入商空间理论中来，或说在商空间理论中同时讨论微观的粒度计算问题，将微观和宏观的粒度计算统一起来，构成一个更加完整的粒度计算理论和方法，将会更有效的。

参考文献

[P1] Z. Pawlak, Rough Sets Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Dordrecht, Boston, London, 1991.
[Y1] Y. Y. Yao, Granular Computing: basic issues and possible solutions. Proc. of fifth Joint Conference on Information Sciences, Vol.I, Atlantic City, New Jersey, USA, 2000:186-189.
[Y2] Y.Y. Yao, and X. Li, Comparison of rough-set and interval-srt models for uncertain reasoning, Fundamental Informatics, 27,1996：289-298.
[Y3] Y.Y. Yao and Ning Zhong, Granular Computing Using Information Table, in T.Y. Lin, Y.Y Yao, and L. A. Zadeh (editors) Data Miming, Rough Sets and Granular Computing, Physica-Verlag, 2000:102-124.
[ZA1] L. A. Zadeh, Fuzzy logic=computing with words, IEEE Transactions on Fuzzy Systems, 4, 1996：103-111.
[ZA2] L. A. Zadeh, Towards a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic, Fuzzy Sets and Systems, 19, 1997：111-127.
[ZA3] L. A. Zadeh, Announcement of GrC, 1997, http://www.cs.uregina.ca/~yyao/GrC/
[ZH1] 张钹，张铃《问题求解的理论及应用》,清华大学出版社,1990)（英文版. Bo Zhang and Ling Zhang, Theory and Application of Problem Solving, North-Holland, Elsevier Science Publishers B.V. 1992）
[ZH2] 张铃 张钹 模糊商空间理论（模糊粒度计算方法）“软件学报”，14（4）2003：770-776.
[ZH3] Zhang Ling，Zhang Bo，Statistical Genetic Algorithm， Chinese Journal of Software Vol.8,No.5:335-344(张铃,张钹,统计遗传算法《软件学报》8(5),1997:335-344。

㈧ 常用粒度测试方法所具有哪些优缺点

颗粒的大小称为颗粒的粒度。颗粒是在一定尺寸范围内具有特定形状的几何体。颗粒不仅指固体颗粒，还有雾滴、油珠等液体颗粒。颗粒的概念似乎很简单，但由于各种颗粒的形状复杂，使得粒度分布的测试工作比想象的要复杂得多。因此要真正了解各种粒度测试技术所得出的测试结果，明确颗粒的定义是很重要的。
筛分法： 优点：简单、直观、设备造价低、常用于大于40μm的样品。
缺点：不能用于40μm以细的样品；结果受人为因素和筛孔变形影响较大。
显微镜（图像）法： 优点：简单、直观、可进行形貌分析，适合分布窄（最大和最小粒径的比值小于10：1）的样品。
缺点：无法分析分布范围宽的样品，无法分析小于1微米的样品。
沉降法（包括重力沉降和离心沉降）： 优点：操作简便，仪器可以连续运行，价格低，准确性和重复性较好，测试范围较大。
缺点：测试时间较长，操作比较复杂。
库尔特法： 优点：操作简便，可测颗粒总数，等效概念明确，速度快，准确性好。
缺点：适合分布范围较窄的样品。
激光法： 优点：操作简便，测试速度快，测试范围大，重复性和准确性好，可进行在线测量和干法测量。
缺点：结果受分布模型影响较大，仪器造价较高。
电镜： 优点：适合测试超细颗粒甚至纳米颗粒、分辨率高。
缺点：样品少、代表性差、仪器价格昂贵。
超声波法： 优点：可对高浓度浆料直接测量。
缺点：分辨率较低。
透气法： 优点：仪器价格低，不用对样品进行分散，可测磁性材料粉体。
缺点：只能得到平均粒度值，不能测粒度分布。

㈨ 细度检测方法

细度与矿浆质量分数一样也是选矿过程中一个重要指标。细度虽然与粒度关系密切，但其含意不同，所谓细是指物料中小于某一粒度的所有粒子的质量，在全部物料中的百分含量，而粒度则指颗粒的实际大小。
细度多用-200目含量来表示。细度的测定方法有多种，选矿生产中常用的有直接测定法和间接测定法。
(1)直接测定法。直接测定法是矿浆取样后过滤、烘干，取出一定质量q0(g)的干样(取样质量要有代表性)，然后用指定的筛子(如200目筛)进行完全筛分(干法、湿法或干湿联合法，一般筛分0.5h以上)，称得筛上产物质量q2或筛下产物质量q1，则细度
或者
这种测定方法结果准确，但测定时间长难以指导生产，一般将其结果用于生产统计报表。
(2)间接测定法。该法是通过测矿浆质量分数来求细度。也称为快速筛析法。即用标定好的质量分数壶采取矿桨样并称重，得出筛分前的矿浆质量Q1(g)，求得矿浆质量分数K1(%)，然后将矿浆在指定的筛子上(通常用200目)湿法筛分，筛后将筛上残留物装回原质量分数壶，加满水再称重得筛上物加水的质量Q2(g)，同样求出筛上产物加水后的矿浆质量分数K2(%)，则细度
或
例如，测某闭路磨矿作业的螺旋分级机分级溢流细度：取样后称得矿浆质量Q1=1540g，求得其质量分数为K1=38%，然后用200目筛子湿法筛分，筛后筛上产物倒入质量分数壶加水后再称其质量Q2为750g，相应质量分数为K2=15%，则细度
=80.78%

㈩ 粒度测试的基本知识

① 表格法：用表格的方法将粒径区间分布、累计分布一一列出的方法。
② 图形法：在直角标系中用直方图和曲线等形式表示粒度分布的方法。
③ 函数法：用数学函数表示粒度分布的方法。这种方法一般在理论研究时用。如着名的Rosin-Rammler分布就是函数分布。 粒径就是颗粒直径。这概念是很简单明确的，那么什么是等效粒径呢，粒径和等效粒径有什么关系呢？我们知道，只有圆球体才有直径，其它形状的几何体是没有直径的，而组成粉体的颗粒又绝大多数不是圆球形的，而是各种各样不规则形状的，有片状的、针状的、多棱状的等等。这些复杂形状的颗粒从理论上讲是不能直接用直径这个概念来表示它的大小的。而在实际工作中直径是描述一个颗粒大小的最直观、最简单的一个量，我们又希望能用这样的一个量来描述颗粒大小，所以在粒度测试的实践中的我们引入了等效粒径这个概念。
等效粒径是指当一个颗粒的某一物理特性与同质的球形颗粒相同或相近时，我们就用该球形颗粒的直径来代表这个实际颗粒的直径。那么这个球形颗粒的粒径就是该实际颗粒的等效粒径。等效粒径具体有如下几种：
① 等效体积径：与实际颗粒体积相同的球的直径。一般认为激光法所测的直径为等效体积径。
② 等效沉速径：在相同条件下与实际颗粒沉降速度相同的球的直径。沉降法所测的粒径为等效沉速径，又叫Stokes径。
③ 等效电阻径：在相同条件下与实际颗粒产生相同电阻效果的球形颗粒的直径。库尔特法所测的粒径为等效电阻径。
④ 等效投进面积径：与实际颗粒投进面积相同的球形颗粒的直径。显向镜法和图像法所测的粒径大多是等效投影面积直径。 ① D50：一个样品的累计粒度分布百分数达到50%时所对应的粒径。它的物理意义是粒径大于它的颗粒占50%，小于它的颗粒也占50%，D50也叫中位径或中值粒径。D50常用来表示粉体的平均粒度。
② D97：一个样品的累计粒度分布数达到97%时所对应的粒径。它的物理意义是粒径小于它的的颗粒占97%。D97常用来表示粉体粗端的粒度指标。
其它如D16、D90等参数的定义与物理意义与D97相似。
③ 比表面积：单位重量的颗粒的表面积之和。比表面积的单位为m2/kg或cm2/g。比表面积与粒度有一定的关系，粒度越细，比表面积越大，但这种关系并不一定是正比关系。 同一个样品多次测量结果之间的偏差。重复性指标是衡量一个粒度测试仪器和方法好坏的最重要的指标。它的计算方法是：
其中，n为测量次数（一般n>=10）；
x i为每次测试结果的典型值（一般为D50值）；
x为多次测试结果典型值的平均值；
σ为标准差；
δ为重复性相对误差。
影响粒度测试重复性有仪器和方法本身的因素；样品制备方面的因素；环境与操作
方面的因素等。粒度测试应具有良好的重复性是对仪器和操作人员的基本要求。 通常的测量仪器都有准确性方面的指标。由于粒度测试的特殊性，通常用真实性来表示准确性方面的含义。由于粒度测试所测得的粒径为等效粒径，对同一个颗粒，不同的等效方法可能会得到不同的等效粒径。
可见，由于测量方法不同，同一个颗粒得到了两个不同的结果。也就是说，一个不规则形状的颗粒，如果用一个数值来表示它的大小时，这个数值不是唯一的，而是有一系列的数值。而每一种测试方法的都是针对颗粒的某一个特定方面进行的，所得到的数值是所有能表示颗粒大小的一系列数值中的一个，所以相同样品用不同的粒度测试方法得到的结果有所不同的是客观原因造成的。颗粒的形状越复杂，不同测试方法的结果相差越大。但这并不意味着粒度测试结果可以漫无边际，而恰恰应具有一定的真实性，就是应比较真实地反映样品的实际粒度分布。真实性目前还没有严格的标准，是一个定性的概念。但有些现象可以做为测试结果真实性好坏的依据。比如仪器对标准样的测量结果应在标称值允许的误差范围内；经粉碎后的样品应比粉粉碎前更细；经分级后的样品的大颗粒含量应减少；结果与行业标准或公认的方法一致等。