基于Robot输送的多层穿梭车仓储系统设计与性能分析

传统多层穿梭车存储系统(Multi-Tier Shuttle Warehousing System,MTSWS)中拣选台前端的输送线成为制约系统拣选效率的主要因素,为进一步增强多穿系统的灵活性,提高拣选效率,提出基于Robot输送的多层穿梭车仓储系统,首先设计该系统的组成设备、整体布局及拣选作业流程,然后运用开环排队网络(Open Queuing Network,OQN)建模方法,建立订单服务时间模型,从订单服务时间、Robot等待时间和Robot利用率等系统性能,进行订单到达率和Robot数量敏感度分析,发现当存储容量越大,订单到达率越高或变动幅度越高时,基于Robot输送的多层穿梭车存储系统的优势越明显。     

甘肃某石煤钒矿焙烧灰渣综合利用工艺研究

针对甘肃某石煤钒矿焙烧灰渣综合利用工艺进行研究。浸出过程中,将传统熟化-水浸浸出工艺与中和-酸浸浸出工艺进行对比,综合分析金属收得率及渣率,优选中和-酸浸双级浸出工艺。回收流程经中和酸浸、还原预处理、铝钒共沉、钒液富集等工序逐级分离回收铝、铁、钒等有价金属,并制备工业应用产品高分子比冰晶石、氧化铁红工业颜料并分析产品纯度。此外,对整个工艺流程的产生的废水、废渣进行综合治理。最后,投产经济效益进行了评估分析,为投资建设石煤钒矿焙烧尾渣综合利用项目提供可靠的决策依据。     

基于BP神经网络技术的红土镍矿还原焙烧-磁选工艺条件的优化

还原焙烧—磁选工艺可有效提取红土镍矿中的镍和铁等有价金属，由于影响红土镍矿还原焙烧—磁选效果的因素较多，导致工业生产中的选矿指标不稳定。为进一步提高还原焙烧—磁选工艺处理红土镍矿的效果，本研究以青海某镍矿为原料，采用正交试验与BP神经网络相结合的方法，对还原焙烧—磁选工艺的还原剂用量、焙烧温度、料层厚度、焙烧时间及磁场强度等因素进行了优化。结果表明:通过BP神经网络模型优化后的试验条件为还原剂用量9.5%、焙烧温度1 070℃、料层厚度10.0 mm、焙烧时间65 min及磁场强度2.5 kA·m-1，在此条件下可获得产率为30.29%的镍粗精矿，比采用正交试验最优因素组合条件所得的镍粗精矿产率提高了2.83%。      

复杂难选铁矿石悬浮磁化焙烧-高效分选技术

针对传统铁矿石磁化焙烧技术与装备存在焙烧产品质量差、产能低、能耗高和环境污染严重等问题，创造性提出了一种“预热-蓄热还原-再氧化”悬浮磁化焙烧新工艺。该工艺具有原料适应性广、焙烧产品质量均匀、回收率高、生产能耗低、无污染等特点，适合处理赤铁矿、褐铁矿、菱铁矿及其混合型难选铁矿石。通过多年的潜心基础研究与技术攻关，形成了非均质矿石颗粒悬浮态流动控制、蓄热式高效低温还原、铁物相精准调控与余热同步回收等一系列关键技术，建成了500kg/h复杂难选铁矿石悬浮磁化焙烧-高效分选半工业试验平台。     

离子色谱仪测定水中阴离子的实验研究

离子色谱的应用,改变了实验室中人工滴定、比色等最原始的分析方法,已经成为水质监测中的重要手段。充分发挥了使用试剂少,检测灵敏度高,多项目检出限低,能同时测定多组分的优点。针对氯化物、硝酸盐氮和硫酸盐三个检测项目进行传统化学方法和离子色谱法间的比对。根据实际情况,在保证数据精确和仪器的正常安全使用基础上,讨论通过改变淋洗液的浓度,减少阴离子的保留时间,以提高工作效率。     

醇酸树脂及其涂料

<正>201504001亚麻仁油醇酸树脂涂料的制备及表征[刊,英]/Iseri-Caglar,Dondu等//Progress in Organic Coatings,2014,77(1).-81~86通过脂肪油、多元醇、多元酸制备的醇酸树脂在涂料工业中应用广泛,综合性能如干燥时间、贮存性能、涂膜外观等性能良好,而且维护简便,经济实用。本研     

大“疫”面前勇担当——记奋战在新冠肺炎疫情防控一线的消防救援队伍指战员

从烈焰滚滚的火场,到没有硝烟的战场;从抢险救援的一线,到抗击病魔的“疫线”,面对突如其来的新冠肺炎疫情和春节火灾防控“双重压力”,全国消防救援指战员与时间赛跑,争分夺秒、积极投入,做到守土有责、守土担责、守土尽责。他们日夜奋战、迎难而上的作风,让人感动;他们无私奉献、顽强拼搏的精神,催人奋进。     

基于SOP的核电厂数字化主控室操纵员监视行为可靠性研究

针对数字化后主控室操纵员执行规程时不同数字化特征下的监视任务的失误率和平均执行时间进行实验研究。通过电厂实地考察、操纵员访谈,进而设计相关仿真实验。实验结果显示:颜色类监视失误概率为1.71×10~(-3),数字类监视失误概率为1.57×10~(-3),但监视目标物理形态对监视失误率没有显著影响;二类任务越复杂(导航次数越多),平均执行时间越大,导航次数为3次时显著小于1次和2次时的监视失误率;不同监视目标数量下的监视失误率及平均执行时间结果差异显著,监视目标数量越多,监视失误率越大,平均执行时间越长,即监视可靠性越低。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。