化学清洗技术在机械清洗中的应用

化学清洗是一个新兴的科学领域,它的发展是企业安全文明生产的重要标志。重点介绍了PIG清洗的原理及在机械清洗中的应用范围,实践证明了PIG清洗技术是一项非常有效的企业节能增效新技术,同时也指出了目前化学清洗技术存在的问题。     

曝气生物滤池对CODCr去除效果的试验研究

目的 研究升流式二级曝气生物滤池工艺对生活污水中CODCr的去除效果，为其推广应用提供参考依据．方法 该工艺使用的一级填料为陶粒，二级填料为片状活性炭．采用改变滤速、各级曝气量等工艺参数，对比了CODCr在不同阶段的处理效果．结果 反应器在1～2m／h滤速下自然挂膜成功，在3～5m／h滤速时CODCr去处效果稳定．结论 在流速3m／h、曝气量25L／h时，CODQ处理效果稳定，总平均去除率近90％．当流速为4m／h、曝气量37．5L／h时，去除率为88．20％．滤速5m／h时，一级的曝气量由37．5L／h提高至50L／h，由于较大的上升水流与气流的共同扰动作用增大了滤层孔隙，致使反应器对CODn的去除率有所下降．并采用气、水联合反冲洗，除去老化的生物膜和截留的悬浮物．     

合作目标的飞行器姿态测量方法及其误差补偿模型的建立

通过在飞行器表面安装X形的激光发射装置作为合作目标,采用一种屏幕光斑成像法来完成飞行器近景姿态测量.利用多方位高速摄像机拍摄记录下激光在固定屏幕上产生的光斑位置变化,对拍摄下来的光斑序列图像进行分析,建立相应的数学模型以确定飞行器的外部姿态,并对该测量系统的误差进行分析和补偿.该方法扩大了特征点的运动范围,提高了对特征点的识别精度.建立的姿态测量的数学模型形式简洁,可以有效的减小测量误差.试验证明,通过对系统误差进行补偿,使该系统的测量精度有很大的提高,测量误差不超过3.6′.     

基于深度学习的浮选精矿品位预测方法

矿浆品位是浮选工艺中关键参数之一,其对于指导生产,节约药剂,控制产品质量和提高回收率等方面都起着非常关键的作用。为了在线预测浮选精矿品位,解决荧光分析仪检测滞后的问题,研究出了一种不需要主观提取特征的基于深度学习的精矿品位在线预测模型,模型的输入为浮选泡沫图像序列、原矿品位值和尾矿品位值,输出为精矿品位值,属于回归问题。对比了主干网络分别为VGG-16,ResNet-50和MobileNet-V2时预测结果的差异,实验结果显示VGG-16的预测精度和鲁棒性最好,平均预测精度达到12.48%。     

基于深度学习的摇床接矿位置预测方法

目前在摇床进行选矿的过程中，使用的摇床矿带识别及接矿板自动调节装置大大提高了摇床的自动化程度。但是对于接矿位置不在矿带分割线位置的矿物，例如锡矿，在分割线处接到的矿物品位会达到60以上，而真正需要的品位范围是[38 ,42]，仍需要人工设置偏移量确定接矿位置。针对接矿需要人工参与的问题，本文研究出了一种输入为摇床矿带图像，输出为接矿位置的深度学习预测模型，该模型以VGG-16为基础网络结构，使用均方损失和Adam优化器进行训练，通过批量大小、迭代次数以及学习率等超参数调整卷积层中的权重值。在华联锌铟公司新田选矿厂精选段摇床开展了摇床智能接矿工业试验研究，实验结果表明，验证集中85%的样本预测误差小于19.5毫米，93.7%的预测误差小于29.25毫米，因此该方法能够让计算机学习到操作工的接矿经验，计算出满足生产需要的接矿位置，真正实现摇床智能接矿。基于深度学习的预测模型在现场运行了半年多，接矿的精矿品位能够达到工艺要求。