磁化处理技术在矿物加工中的应用

近年来,广大选矿、冶金科技工作者对磁化处理技术在矿物加工领域的应用进行了大量研究.文中重点介绍了磁化处理技术在矿物浮选、化学浸出、固液分离等过程中的应用研究及相关机理.     

某难选铜铁矿综合利用工艺研究

研究了某铜铁矿矿石性质,进行了铜矿物粗选、扫选、精选条件及铁矿综合回收试验研究。结果表明:采用铜硫混合浮选、三次精选、四次扫选,铜硫分离一次粗选、三次精选、一次扫选工艺,可以获得铜精矿铜品位16.93%,回收率69.81%;硫精矿硫品位32.80%,回收率53.23%的选矿产品。浮选尾矿进行再磨除硫,获得的铁精矿品位67.49%,全铁回收率61.12%。     

安徽某复杂多金属铜铅锌矿石综合回收试验研究

针对安徽某多金属共生复杂硫化铜铅锌矿石特点,通过系统的试验研究,确定了分选工艺流程,使矿石中铅、锌、铜、金、银得到了综合回收,选矿指标先进,为该矿山开发奠定了技术基础,为企业决策提供了科学依据。     

压电谐振式微质量测量系统

基于压电晶体的正、逆压电效应,对压电谐振器的构成原理及压电晶片谐振频率的质量敏感原理(Sauerbrey方程)进行了分析。基于Sauerbrey测量原理,设计了压电谐振式微质量测量系统,对该系统的设计方案进行了分析。为减小温度等环境因素对压电晶体检测性能的影响,系统采用两个相同的石英晶体振荡电路构成双谐振式的压电晶体振荡器。采用模块化设计思想,对该测量系统各模块进行了设计与实现,并对系统性能进行了测试。结果表明,当测量端加载的质量越大,系统测量出的谐振差频值则越大,实验结果与理论分析结果吻合较好。相对于线性的理论结果,该实验结果的非线性误差为5.5%。该系统实现了压电谐振频率的变化与被测微质量之间的变换,能够实现对微质量进行测量。     

基于并行量子遗传神经网络的自诊断智能结构传感器的优化配置*

针对压电智能复合材料层板,基于损伤检测问题,采用最小二乘小波支持向量机(LS-WSVM)网络建立损伤检测目标函数,运用量子遗传算法对目标函数进行优化,并将LS-WSVM以并行方式与量子遗传算法相结合,从而构造并行量子遗传神经网络方法,实现对智能结构损伤检测传感器的优化配置。仿真结果表明,采用该方法实现的不同数目传感器的最优布置符合工程判断,综合考虑成本与效益的因素,该方法可确定传感器对应于其初始布置模式下的最优配置数目。对于更多传感器的初始布置模式,采用该方法可有效减少传感器的数量,从而降低成本。相比于传统遗传算法,该方法中量子遗传算法具有较好的寻优能力和收敛速度。     

基于小波神经网络的智能复合材料冲击损伤定位的研究

复合材料的力学性能对冲击损伤极为敏感，为此实现复合材料的智能化，从而在线实时监测复合材料的冲击损伤具有重要的意义。应用小波神经网络对智能复合材料冲击损伤进行了定位研究，并与改进的BP网络进行了对比，结果表明小波网络具有非线性建模逼近能力强、识别精度高和推广能力强等优点。小波神经网络为复合材料的进一步智能化提供了更为先进的信号处理方法。     

柬埔寨某金矿矿石可选性试验研究

针对柬埔寨某金矿金的嵌布特点,研究采用重选—浮选—磁选—氰化联合工艺流程,不仅获得高品质金,且金回收率达到98%。采用磁选方法实现金的富集是本研究独有的特点。     

多金属难选钼矿综合回收试验研究

针对某多金属难选钼矿矿石氧化严重以及各主要矿物互含高、嵌布关系密切等特点,研究先采用混合浮选工艺流程,获得混合精矿钼含量为4.21%,金含量为48.86g/t,银含量为84.80g/t;由于用常规物理选矿方法将钼从混合精矿中分离出来难度很大,故对混合精矿进行化学处理,最终获得的钼浸出率为86.6%,使钼与其他有价金属有效分离。     

智能材料结构的研究现状及未来发展

智能材料结构是一门由多学科高度交叉的新兴前沿学科,其发展潜力巨大,应用前景广阔,现已成为国际上的研究热点之一.对智能材料结构的研究现状进行了阐述,对智能材料结构的关键技术进行了分析,并对其未来发展进行了展望.     

无捕收剂电化学浮选技术研究

仅通过添加少量电化学调整剂实现了硫化共生矿石的无捕收剂电化学浮选。在适当的矿浆电势Eh和pH值下,黄铜矿和黄铁矿表面适度氧化,可生成疏水性物质S0,导致浮选,大大降低药剂消耗,改善了后续分离浮选。对电化学调整剂的作用机理的研究考察说明,在低浓度下其性质稳定,应用可行。