铬在土壤中的吸附解吸研究进展

对铬在土壤中的吸附解吸研究进行了综述,土壤中铬的吸附解吸机理包括非专性吸附(离子交换吸附)、专性吸附以及物理表面吸附,分别对pH、氧化还原电位、土壤组分(土壤矿物和有机质)、竞争离子以及离子强度等因素对铬吸附解吸的影响作了论述。文章进一步描述了土壤中铬吸附解吸的数学模型Freundlich方程、Langmuir方程、一级动力学模型、金属-腐殖酸模型(one-sitemodel)和表面络合模型-扩散层模型(DLM)等的研究情况,并对今后的研究方向进行了探讨。     

一种基于混合神经网络的浮选pH值预测模型

矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量。目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值。为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立pH值预测模型。最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率。     

基于图象识别的浮选控制系统

研究了通过提取煤浮选泡沫层图象的特征量 ,建立数学模型预测精煤泡沫的灰份和浓度 ;将泡沫图象按结构进行分类 ,利用泡沫结构特征识别的LVQ神经网络模型建立浮选控制系统。     

基于模糊PID的铀水冶吸附原液流量控制研究

在铀水冶原液吸附的过程中,原液流入吸附塔的流量控制,关系到铀水吸附的效率与质量。本文通过对铀水冶吸附原液流量控制系统的研究,建立了系统的数学模型。将模糊控制与PID控制结合在一起,设计了模糊PID控制器,通过模糊控制器输出对PID参数进行在线调整。经过实验研究,模糊PID控制系统比常规PID控制系统相应快,调整能力强,鲁棒性好,有效的改善了控制效果。     

间壁塔内壁间有无换热对分离效果影响初探

间壁塔的应用显著提升了精馏操作的节能效果,减少了设备投资费用,受到了研究者的广泛关注。现有的研究和设计中尚未考虑间壁两侧传热对精馏过程的影响,但实际过程应当存在一定程度的热传递,对精馏操作的分离效果及其能量投入产生影响。为了研究间壁塔隔板的热传递对分离效果影响的趋势与程度,选择在能量投入一定的情况下分析分离效果的变化。本文以丙烷、正丁烷、正戊烷三组分精馏为例,研究当能量输入一定时,间壁塔各塔板浓度与温度参数变化情况,对间壁传热对分离效果影响的趋势与程度做一初探。计算结果表明,对该体系塔釜加热量不变时,首先,间壁塔的间壁传热使得各个组分的产品纯度下降,对分离效果不利;其次,不同间壁传热系数与不同塔板间匹配方式的间壁换热对分离效果不利影响的程度不同。本文对该体系与假设下的传热影响趋势与程度的分析,可以为间壁塔相关工程设计提供一定的参考。     

泡沫图像处理技术在矿物浮选作业中的应用

结合云南省院省校合作项目浮选泡沫层测控系统开发及产业化研发过程,介绍一种基于数字图像处理及识别技术的浮选过程控制新思路。在浮选生产中,浮选泡沫表面纹理与浮选工况密切相关,直接反映泡沫层的矿化程度（品位高低）。通过对云南某铅锌矿选厂浮选泡沫图像的分析处理,提取出能够表示泡沫层特征的参数,达到间接测量气泡的大小、纹理、稳定性、流动性等泡沫层特征状况。采用邻域灰度相关矩阵法提取特征参数,然后用神经网络进行分类,给出浮选效果的分类判断。     

基于泡沫大小动态分布的浮选生产过程加药量健康状态分析

针对矿物浮选过程泡沫大小分布随着药剂量的改变而动态变化的特点,提出一种基于泡沫大小动态分布特征的具有自学习功能的浮选生产过程加药量健康状态统计模式识别方法.首先,通过泡沫图像分割、气泡尺寸分布核密度估计获得浮选气泡大小的概率密度分布函数,采用无监督的最远邻聚类方法获得典型药剂量添加状态下的气泡尺寸统计分布特征集;然后,采用简单的贝叶斯推理方法获得测试时间段对应的药剂添加健康状态分析识别结果,并根据浮选生产工况状态的动态变化对各典型药剂状态下的气泡大小统计分布特征集进行在线学习修正.实验结果表明,所提出方法能实时获取泡沫尺寸分布的动态变化,实现浮选药剂操作健康状态的自动识别与评价,为进一步实现浮选生产过程的加药量优化控制奠定了基础.     

基于预测模型的浮选过程pH值控制

矿浆pH值是泡沫浮选过程中的一个非常重要的被控量.目前,多数选厂的矿浆pH值控制基本是依靠现场工人定期对矿浆样本进行pH值测量,凭主观经验对pH调整剂进行调整.由于操作工人的主观性和随意性的影响以及矿浆样本pH值测量与药剂调整间存在的较长的时间滞后,矿浆pH值波动频繁,很难使矿物浮选保持在一个稳定最优生产状态下运行.为了使矿浆pH值保持在一个期望的生产状态,基于浮选泡沫表面视觉信息提出了一种新的矿浆pH值控制方法,分别采用基于泡沫视觉信息的自适应遗传混合神经网络AG-HNN和自适应遗传PID(AG-PID)控制方法建立了矿浆pH值预测模型和pH值控制模型,基于所建立预测和控制模型对浮选药剂用量进行调整,解决了浮选矿浆pH值波动问题.工业浮选现场的实验结果表明该方法可以使矿浆pH值保持在一个期望的范围内,有效提高浮选性能.     

基于VC++6.0的浮选泡沫图像识别系统

浮选生产过程涉及许多变量以及存在严重的非线性,很难建立精确的数学模型,它的监控一直是困扰控制技术人员的难题.文中设计开发了一个用于选厂自动控制的浮选泡沫图像识别系统,并给出该系统Visual C++6.0的部分实现.利用该系统可以计算浮选泡沫图像的一些物理参数,通过这些物理参数以及浮选泡沫图像识别实验可以建立一定的数学模型,再通过这些数学模型可以精确预测浮选过程的工艺技术指标,从而为选厂过程的在线控制提供可靠数据依据.     

基于VC＋＋6．0的浮选泡沫图像识别系统

浮选生产过程涉及许多变量以及存在严重的非线性,很难建立精确的数学模型,它的监控一直是困扰控制技术人员的难题。文中设计开发了一个用于选厂自动控制的浮选泡沫图像识别系统，并给出该系统VisualC 6．0的部分实现。利用该系统可以计算浮选泡沫图像的一些物理参数，通过这些物理参数以及浮选泡沫图像识别实验可以建立一定的数学模型，再通过这些数学模型可以精确预测浮选过程的工艺技术指标,从而为选厂过程的在线控制提供可靠数据依据。