基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

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。     

金选别工艺的发展与深化

本文阐述了充分考虑矿石性质,探索出混合浮选的分步流程,恰当的施用多元扑收剂所产出的“协同效应”,稳定和强化选别工艺,收到提高选金技术指标的效果。     

含钴锆基块状非晶合金的制备与力学性能

采用水淬法制备了Zr—Ti—Cu—Ni—Be—Co块状非晶合金(BMGs)。使用XRD进行相分析，采用热分析仪进行玻璃转变温度、晶化温度和热稳定性等的测定，用SEM观察试样压缩后的外表面和断口形貌。研究了Co对Zr—Ti—Cu—Ni—Be合金非晶形成能力(GFA)、热稳定性及力学性能的影响。结果表明：含Co的所有Zr—Ti—Cu—Ni—Be BMGs都有1个明显的玻璃转变点和宽的过冷液相区(△T）。Zr38Ti17Cu10.5Co12Be22.5合金具有和Zr41Ti14Cu12.5Ni10Be22.5合金相当的△T；Co的添加明显提高Zr—Ti—Cu—Ni—Be BMGs的力学性能，含Co量大于10at％的Zr—Ti—Cu—Ni—Be BMGs的压缩断裂强度（σf）超过2000MPa，Zr38Ti17Co22.5Be22.5合金的σf达到2230MPa，比Zr41Ti14Cu12.5Ni10Be22.5合金的σf提高23％。     

界面纳米气泡研究历史和展望

界面科学研究因其在工业、农业、环境和催化等领域的重要性一直是国内外科学工作者非常关注的领域。固液界面纳米气泡的发现和研究是近20年来科学界的一匹"黑马",它的存在颠覆了人们的认知,以超乎常人想象的效果在水处理、农业、矿物浮选、界面输运和清洗等领域表现出色,成为国内外相关领域的研究热点。该综述对界面纳米气泡的研究历史、产生方法、检测技术以及已有的对其稳定机制的理论解释等方面进行阐述,并对未来纳米气泡的基础研究和应用进行了展望。相信随着研究的不断深入,界面纳米气泡的科学问题必将得到一一解答,纳米气泡在各个领域的应用也会迈上新的台阶。     

体相纳米气泡及其研究进展

纳米气泡是直径在1μm以下的气泡,已被证明可以在固液界面、体相中长期稳定存在。基于跨越气液界面的拉普拉斯压强定理,气泡无法保持热力学稳定,将在微秒的尺度上消失。然而,大量试验报道,体相纳米气泡可以长时间稳定存在。目前,关于纳米气泡的产生技术、表征手段和相关的稳定机制已被世界各国的课题组竞相报道。该综述对现有纳米气泡的研究成果,尤其是体相纳米气泡的研究进行总结概述。首先,总结了体相纳米气泡产生和表征的主要方法;其次,介绍了体相纳米气泡的稳定机制;再次,概括了体相纳米气泡的试验应用情况;最后,对体相纳米气泡的进一步研究和应用作出展望。     

Nd对块体Mg-Cu-Y-Nd非晶合金玻璃形成能力的影响

在非真空熔炼条件下采用工业纯原材料和负压铜模吸铸法制备Mg65Cu25Y10-xNdx(x=0,2,4,6,8,10)棒状试样,利用差示扫描量热(DSC)和X射线衍射(XRD)等方法分析Nd对Mg-Cu-Y-Nd非晶合金玻璃形成能力的影响。结果表明:Nd的含量(x)为0,4,6成分的合金试样具有完全非晶态组织,且x=4时具有最大的玻璃形成能力,其约化玻璃转变温度(Trg)为0.592,过冷液相区宽度(ΔTx)高达66 K;当x为2,8,10时,由于合金成分明显偏离共晶成分,玻璃形成能力降低,试样只含有少量非晶,且主要呈晶体组织特征。     

胍基阳离子捕收剂反浮选磷矿的性能与机理分析

为了研究磷矿反浮脱硅过程中,胍基阳离子磷矿捕收剂的作用机理,以N-椰油基-1,3-丙撑二胺、单氰胺、乙酸为原料制得一种阳离子表面活性剂,并用于傅里叶红外光谱仪表征,测试了该药剂与3种矿物作用前后的接触角、Zeta电位、红外光谱,进行了石英、白云石、胶磷矿的纯矿物浮选试验等。结果表明:该合成药剂属胍基阳离子表面活性剂,在广泛pH值范围内,对石英的捕收能力较强,对白云石次之,对胶磷矿较弱;在弱碱性下,对白云石捕收性能有所提高;相较白云石、胶磷矿,该药剂更易与石英产生吸附作用,使矿物表面呈现疏水性;接触角、Zeta电位、红外光谱测试结果说明与3种矿物的吸附主要是物理吸附。试验结果说明该胍基阳离子表面活性剂可以作为磷矿反浮脱硅捕收剂。     

Interpretable modeling of metallurgical responses for an industrial coal column flotation circuit by XGBoost and SHAP-A “conscious-lab” development

Surprisingly, no investigation has been explored relationships between operating variables and metallurgical responses of coal column flotation (CF) circuits based on industrial databases for under operation plants. As a novel approach, this study implemented a conscious-lab “CL” for filling this gap. In this approach, for developing the CL dedicated to an industrial CF circuit, SHapley Additive exPlanations (SHAP) and extreme gradient boosting (XGBoost) were powerful unique machine learning systems for the first time considered. These explainable artificial intelligence models could effectively convert the dataset to a basis that improves human capabilities for better understanding, reasoning, and planning the unit. SHAP could provide precise multivariable correlation assessments between the CF dataset by using the Tabas Parvadeh coal plant (Kerman, Iran), and showed the importance of solid percentage and washing water on the metallurgical responses of the coal CF circuit. XGBoost could predict metallurgical responses (R-square > 0.88) based on operating variables that showed quite higher accuracy than typical modeling methods (Random Forest and support vector regression).     

磷石膏提质降杂实验研究

磷石膏的综合利用对保护环境、促进企业可持续健康发展具有重要意义,但是磷石膏中的磷、氟、二氧化硅等杂质影响其利用。针对云南磷石膏中二氧化硅含量高的问题,采用正浮选工艺开展了磷石膏提质降杂的实验研究。通过单因素条件实验获得了合适的工艺参数：浮选温度为15 ℃、矿浆pH为2、十二胺用量为300 g/t。在此条件下,进行了“一粗二精”的正浮选开路流程实验,获得了二水石膏（CaSO₄·2H₂O）质量分数为97.5%、二氧化硅质量分数为1.17%的精矿,所得精矿达到了GB/T 23456—2018《磷石膏》一级品指标的要求;二水石膏回收率为98.58%、二氧化硅去除率为92.23%。通过正浮选不仅成功实现了二水石膏和二氧化硅的有效分离,而且磷石膏中的水溶磷和水溶氟也得到了有效去除,从而提高了磷石膏的品质。