球团化钒渣制备与固化技术研究

为解决钒渣钠化球团焙烧-热水浸出提钒工艺中球团原料性能较差的生产问题,进行了钒渣精粉造球与烘干技术研究。实验室与工业试验结果表明:采用粘结剂A制备的粘结溶液作为压球添加剂,控制钠化反应时间3～4 h,反应温度为85～95℃,钒渣精粉粒度-120目(124μm)占比≥80%,湿搅拌时间10～15 min,下料量1.5～2.0 t/h,湿球含水率为6%～8%,采用阶梯烘干制度(100～150℃为20 min,250～300℃为20 min),干球团含水率为0.50%以下,干球团强度为45～60 N/个,达到了球团钠化焙烧工艺要求。     

酸性铵盐沉钒在钒铬溶液中的应用研究

以钒渣钠化焙烧工艺得到的碱性钒浸出液为原料,在除去主要杂质硅和磷后,通过添加硫酸钠和三氧化铬,配制成一定组分的钒铬溶液,采用典型的酸性铵盐沉钒工艺,考察了溶液中钠、铬、钒含量以及加铵系数对沉钒率及最终V_2O_5中Na_2O含量的影响。结果表明:钒铬溶液在一定的浓度范围内可以采用酸性铵盐沉钒工艺,并取得较好效果。在满足高沉钒率及V_2O_5产品质量合格的前提下,溶液中钠的最大允许浓度为c(Na)/c(V)=2.4;在c(Na)/c(V)=1.8时,随着溶液钒浓度的增加,铬的最大允许浓度发生变化,表现为c(Cr)/c(V)逐步减小;对c(V)=25 g/L、c(Na)=45 g/L、c(Cr)=24 g/L的溶液浓缩后进行沉钒,通过降低浸出液固比提高钒浓度,钒的最大允许浓度为26 g/L;当加铵系数在1.5以上时,获得的V_2O_5产品满足相关质量要求;溶液离子浓度及加铵系数对沉钒率的影响很小。     

三维激光扫描结合无人机倾斜摄影测量的变电站变形监测研究

结合三维激光扫描和无人机倾斜摄影测量的优缺点,笔者提出了一种将三维激光扫描与无人机倾斜摄影测量结合的变电站变形监测方法,通过从多角度采集监测体的变形数据,建立监测体完整的三维点云模型,分析监测体整体状态和变形趋势,提取监测体的细节变形。监测结果直观明了、效果良好,为变电站变形监测提供了一种较理想的方法。     

钒铬溶液中钒铬提取及分离工艺研究进展

介绍了从钒铬溶液中分离钒铬的方法,即萃取法、化学沉淀法、离子交换法、结晶法和电化学法,阐述了这5种分离方法的技术原理和工艺流程,分析并归纳了各种方法的优缺点。源自于攀枝花红格矿区的高铬型钒渣,经钠化焙烧-水浸后得到低钒高铬溶液,该溶液体系中杂质含量高,钒铬分离困难。通过综合比较后指出,化学沉淀法具有工艺流程短、操作简单、生产成本低等优点,分离提取钒铬容易实现产业化,对于该钒铬溶液体系的钒铬提取分离比较适用;结晶法分离钒铬,产品纯度高,具有较好应用前景。     

一种基于母线层的地图综合方法

针对目前地图综合中存在的一些问题，提出了一种基于母线层净数据的地图综合方法。     

燃气轮机的洁净煤技术简介

燃气轮机的洁净煤技术简介烧油和气的燃气轮机联合循环系统由于低成本、高效率及所显示出的设备可靠性与燃料节约，使其在工业及公用电力事业中得以迅速发展。近年来，随着石油和天然气等常规“洁净”燃料的供应日益短缺及成本的不断上升，在发电和供热的联合循环中又重新...     

高钙高磷钒渣酸浸除磷研究

以攀钢集团攀枝花钢钒有限公司所产高钙高磷钒渣为原料,针对目前高钙高磷钒渣酸浸液P含量高、除P困难而导致高钙高磷钒渣无法产业化提钒的现状,采用钙化焙烧-熟料酸浸、除磷-残渣除磷技术路线,研究了高钙高磷钒渣熟料酸浸液除磷和提钒残渣酸浸除磷技术。重点考察了液固比、除磷剂加入量、除磷剂初始加入时间、酸浸温度对熟料酸浸除磷效果的影响;提钒残渣酸浸pH等对残渣除磷效果的影响。试验结果表明:在液固比2.1∶1.0、除磷剂加入量为钒渣熟料质量的1.52%~1.82%、除磷剂加入时间为浸出开始之后10~20 min、浸出温度35~55℃的条件下除磷效果最好;提钒残渣酸浸除磷最佳条件为酸浸pH=0.71~1.02,添加除磷剂对降低残渣酸浸液P浓度有明显效果。除P后的浸出液能够满足酸性条件下沉多钒酸铵的要求,该技术路线对于高钙高磷钒渣提钒研究具有重要的参考意义。     

基于EKF的神经网络在GPS高程转换中的应用

GPS测量技术作为一种快速、高精度的测量手段已广泛地应用于各种建设工程中,但GPS提供的高精度的大地高,不是工程中需要的正常高,需要进行拟合转换成正常高才能应用于工程建设。基于神经网络的GPS高程转换方法能减少人为构建数学模型所导致的误差,是一种较好的方法,但也存在一些不足。将扩展Kalman滤波与神经网络结合起来,发挥两者的优势,克服不足,建立了基于EKF(扩展Kalman滤波)的神经网络GPS高程转换模型,并通过实例应用,结果表明该模型用于GPS高程转换精度有较大提高。     

基于EKF的小波神经网络在变形预测中的应用

提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。