Cours 8

Traitement du solide
BLOC II

GCH-2000
Technologie des Procédés de Séparation
Hiver 2025
 Sommaire
Analyse granulométrique
 Propriétés physiques remarquables
 Techniques d’analyse, cas du tamisage
 Distributions granulométriques
 Diamètres moyens, facteurs de forme, surface spécifique
Tamisage, triage
Appareillage
Comminution/fragmentation
Appareillage
Récapitulatif
Bibliographie

2
 Distribution granulométrique
Courbe de fréquence Xi ou Yi Courbe cumulative X ou Y

Descendan 1-
us
,
f
te Re lAscendant
X 1 e

1-X1l
l
1
X
é,

X1l
ss
Pa
D1 D2 D3 Di DK 2 DK D1 D2 D3 Di DK 2 DK

Fraction cumulée ascendante Fraction cumulée descendante

   K
X1    X i X K     X i
 i 1  i 
 
 K
Y Y
 1  i  K   i
 Yi  Yi
1 
3
 𝑓 ( 𝛿 ) maximum ⇒
d𝑓
d𝐷 𝛿 |
=0 Eq .1
2
d 𝐹 a ( 𝐷) d 𝐹 d ( 𝐷 ) d 𝑓 ( 𝐷)
= 𝑓 ( 𝐷)⇒ =
d𝐷 d𝐷
2
d𝐷

Que se passe-t-il en D = δ? (D’après Eq.1)

|
2
d 𝐹a
2
=0
d𝐷 𝛿
La courbe cumulée ascendante présente un point d’inflexion correspondant au maximum de la courbe de
fréquence.
𝐷 2
d 𝐹d(𝐷) d 𝐹 d ( 𝐷 ) d 𝑓 (𝐷)
Que se passe-t-il avec la fonction Fd(D)? 𝐹 d ( 𝐷)= ∫ 𝑓 (𝐷 ) d 𝐷 ⇒ = 𝑓 ( 𝐷 )⇒ =
𝐷max d𝐷 d𝐷
2
d𝐷

|
2
d 𝐹d
Que se passe-t-il en D = δ?
2
=0
d𝐷 𝛿
La courbe cumulée descendante présente un point d’inflexion correspondant au maximum de la courbe de
1-Comme le maximum (mode) de f en D=δ est unique, alors l’inflexion des courbes cumulatives a lieu au même endroit @ D = δ.
fréquence.

2-La courbe 1 indique que les aires , donc l’intersection des courbes cumulées n’a pas lieu au point d’inflexion (même si =100%).

3-L’intersection des courbes cumulées () a lieu en D_médiane car toujours

.

4-Si d = D_médiane (distribution symétrique).

4
 Répartition granulométrique

5
 Distribution
𝑲
numérale
𝑲
(en nombre)
𝑵 =∑ 𝒏𝒊 𝑫 𝑨 𝒏=∑ 𝒏𝒊 𝝋 𝑨 ,𝒊 ( 𝑫 𝒊 )
𝟎 𝟐
𝒊
𝒊=𝟏 𝑲 𝒊=𝟏 𝑲
𝑳 𝒏=∑ 𝒏𝒊 𝝋 𝑳, 𝒊 𝑫𝒊 𝑽 𝒏= ∑ 𝒏𝒊 𝝋𝑽 ,𝒊 ( 𝑫𝒊 )
𝟑

𝒊=𝟏 𝒊 =𝟏
Diamètre (périmétrique) moyen linéique numéral
==

Diamètre moyen surfacique numéral

=

Diamètre moyen volumique numéral

=

Grains isomorphes (L,i = Cst;  A,i = Cst;  V,i = Cst)

= =
=
6
 Diamètre moyen généralisé numéral
=

Grains isomorphes (q,i = Cst; r,i = Cst, = q /r )

√
𝑲

∑ 𝒀 𝒊 ( 𝑫 𝒊 )𝒒
√
𝒒
𝒒 −𝒓
𝒊=𝟏 𝒒− 𝒓 ( 𝑫𝒒𝟎)
𝑫 𝒒𝒓 = 𝑲
= 𝒓
( 𝑫𝒓 𝟎)
∑ 𝒀 𝒊 ( 𝑫𝒊) 𝒓

𝒊=𝟏

Diamètre de Sauter
=

Grains isomorphes ( A,i = Cst;  V,i = Cst)

𝑲

∑ 𝒀 𝒊 ( 𝑫𝒊 ) 𝟑 ( 𝑫 𝟑𝟎 )
𝟑

𝑫 𝟑𝟐 = 𝒊=𝟏
𝑲
= 𝟐
( 𝑫𝟐 𝟎 )
∑ 𝒀 𝒊 ( 𝑫𝒊 )
𝟐

7 𝒊=𝟏
 Distribution
𝑲
massique
𝑲
(volumique)
~
𝑴 = ∑ 𝒎𝒊 𝑫 𝑨𝒎 =∑ 𝑿 𝒊 𝝋 𝑨 ,𝒊 ( 𝑫 𝒊 )
𝟎 𝟐
𝒊
𝑲 𝑲
𝒊=𝟏
~ 𝒊=𝟏
~
𝑳𝒎 =∑ 𝑿 𝒊 𝝋 𝑳 ,𝒊 𝑫 𝒊 𝑽 𝒎= ∑ 𝑿 𝒊 𝝋𝑽 ,𝒊 ( 𝑫 𝒊 )
𝟑

𝒊=𝟏 𝒊=𝟏
Diamètre (périmétrique) moyen linéique massique
==

Diamètre moyen surfacique massique

=

Diamètre moyen volumique massique

=

Grains isomorphes (L,i = Cst; A,i = Cst; V,i = Cst)

= =
=
8
 Diamètre moyen généralisé massique
(volumique)

Grains isomorphes (q,i = Cst; r,i = Cst)

√
𝑲

∑
√
𝒒
𝑿 𝒊( 𝑫𝒊) 𝒒
𝒒 −𝒓
𝒊=𝟏 𝒒− 𝒓 ( Д 𝒒𝟎)
Д 𝒒𝒓 = 𝑲
= 𝒓
( 𝒓 𝟎)
Д
∑ 𝑿 𝒊 ( 𝑫 𝒊 )𝒓
𝒊=𝟏

9
 Interconversion des distributions
granulométriques
Équivalences statistiques numérale/massique par tamis
𝟑 𝒎𝒊
𝝆 𝒊 𝝋 𝑽 , 𝒊 ( 𝑫𝒊 ) ⇔ 𝒏𝒊 =
𝒎𝒊=𝒏𝒊 ⏟ 𝟑
𝝆 𝒊 𝝋 𝑽 ,𝒊 ( 𝑫 𝒊 )
𝟏 𝐠𝐫𝐚𝐢𝐧

𝑵 𝟑 𝑴 𝑿𝒊
𝑿 𝒊= 𝒀 𝒊 𝝆 𝒊 𝝋 𝑽 ,𝒊 ( 𝑫 𝒊 ) ⇔𝒀 𝒊=
𝑴 𝑵 𝝆 𝒊 𝝋 𝑽 , 𝒊 ( 𝑫 𝒊 )𝟑
Tout l’échantillon du lot
𝑲 𝑲
𝒎𝒊
𝑴 =∑ 𝒏𝒊 𝝆 𝒊 𝝋𝑽 ,𝒊 ( 𝑫 𝒊 ) ⇔ 𝑵=∑
𝟑
𝟑
𝟏 𝟏 𝝆 𝒊 𝝋𝑽 , 𝒊 ( 𝑫 𝒊 )
Lot homogène, grains isomorphes

√ √
𝑲 𝑲

𝒒 −𝒓
∑ 𝒀 𝒊( 𝑫𝒊)
𝒒
𝒒− 𝒓
∑ 𝑿 𝒊 ( 𝑫𝒊)
𝒒 −𝟑

𝒊=𝟏 𝒊=𝟏
𝑫 𝒒𝒓 = 𝑲
= 𝑲
= Д 𝒒 −𝟑 ,𝒓 −𝟑
∑ 𝒀 𝒊 ( 𝑫 𝒊 )𝒓 ∑ 𝑿 𝒊( 𝑫𝒊)
𝒓 −𝟑

10 𝒊=𝟏 𝒊=𝟏
 Cas particuliers
Lot homogène, grains isomorphes

𝑫 𝟏𝟎 = Д −𝟐 ,− 𝟑 Д 𝟏𝟎 =𝑫 𝟒𝟑

𝑫 𝟐𝟎 = Д −𝟏 ,− 𝟑 Д 𝟐𝟎 =𝑫 𝟓𝟑

𝑫 𝟑𝟎 = Д 𝟎 ,− 𝟑 Д 𝟑𝟎 =𝑫 𝟔𝟑

𝑫 𝟑𝟐 = Д 𝟎 ,− 𝟏 Д 𝟑𝟐 =𝑫 𝟔𝟓
Diamètre de Sauter (échelle massique)

𝑫 𝟑𝟐 = Д 𝟎 ,− 𝟏
11
  Surface spécifique
DK  n K A pK 6
DK mK nK n K A pK n K  K VpK a *K  
 n K  K VpK  K  K D K
DK-1  * 6
 D K  1 m K  1 n K  1 n K  1A pK  1 n K  1 K  1VpK  1 a K  1 
  K  1 K  1 D K  1
DK-2
 * 6
 D K  2 m K  2 n K  2 n K  2 A pK  2 n K  2  K  2 VpK  2 a K  2 
 K  2  K  2 DK  2

 n i A pi 6
Di Di mi ni n i A pi n i i Vpi a *i  
 n i i Vpi i  i Di

D2  n 2 A p2 6
 D2 m2 n2 n 2 A p2 n 2 2 Vp2 a *2  
 n 2 2 Vp2 2  2 D2
D1 n1A p1
 6
 D1 m1 n1 n1A p1 n11Vp1 a1*  
 n11Vp1 11D1
0

𝑲 K
Matériau homogène-isomorphe
6 K
6 6 ∑𝒎
𝒂 𝒊
𝑿𝒊
∗ m a*
𝒊 i i 𝑲K
a* 
 1
 Xi
Di
 
 0 1  D32
∗
𝒂 = 𝒊=𝟏
=𝟔 
6X i
M ∑ i  i Di
a*  1 
𝑴 𝒊=𝟏 𝝆 𝒑 ,𝒊 𝝍 𝐕 , 𝒊 𝑫 𝒊
1
Lot homogène, grains isomorphes
𝟔
𝑲
𝑿 𝟔 𝟔
12
𝒂∗
= ∑ 𝒊
= =
𝝆 𝒑 𝝍 𝐕 𝒊=𝟏 𝑫 𝒊 𝝆 𝒑 𝝍 𝐕 Д 𝟎, −𝟏 𝝆𝒑 𝝍 𝐕 𝑫 𝟑𝟐
 Lois usuelles de distribution

=0, s=0.25

=0, s=1
=0, s=0.5

l=x0, k=n

13
 Loi RRS
𝒏
− 𝒃 𝐃𝒑
𝑿 𝐜𝐮𝐦𝐮𝐥 é ↑=𝟏 − 𝐞

log log

Loi de Gaudin
𝒏
−𝒃𝐃
𝑿 𝐜𝐮𝐦𝐮𝐥 é ↑=𝟏 − 𝐞 𝒑
=𝟏 − ¿
14
 Analyse granulométrique d’un
produit de broyage

𝒏
𝒎=𝒌 𝐃𝒑 + 𝒃
L’extrapolation (masse,diamètre) vers les fines (en log-log) donne une
estimation satisfaisante de la quantité de fines dans le domaine non-
documenté. 15
 Conseils sur le post-traitement d’une
analyse granulométrique
Caveat!

Quelle que soit la technique de mesure employée, éviter de :

- Comparer deux tailles (ou distributions de taille) obtenues avec deux

méthodes différentes.

- Combiner les répartitions granulométriques d'une poudre obtenues sur

deux gammes de taille différentes, cela même pour des mesures réalisées
avec la même technique (à l'exception du tamisage et de l'analyse d'image);

- Déterminer une distribution en nombre d'une population à partir de sa

distribution en volume (ou en masse). Ce traitement peut conduire à des
erreurs importantes [La masse d'une particule diminuant avec le cube de son
diamètre, une erreur sur la masse a beaucoup plus d’impact sur le nombre
des fines particules que sur celui des grosses particules].
16