资产评估方法在FPSU剩余使用价值计算中的应用

受FPSU剩余使用价值如何确定的困扰,油田开发工程中FPSU自建或租赁方案的选择一直存有争议.借助二手船资产评估方法,可以较好地解决FPSU剩余使用价值的计算问题,从而使困扰FPSU方案比选的难题得到解决.文中以成新率估价法为例,简要阐述了资产评估方法在FPSU剩余使用价值计算中的应用情况.     

预处理强化赤铁矿熔剂性球团制备性能的研究

为了解决赤铁矿球团制备性能较差的问题,研究了原料预处理改善Minas赤铁精矿熔剂性球团制备性能的效果。研究结果表明,Minas赤铁矿颗粒表面光滑平整、粒度细且均匀、缺乏合理的粗细搭配且微细粒级含量少等特点是其造球性能偏弱的主要原因。原料预处理不仅强化了Minas赤铁精矿的造球性能,而且显著改善了球团焙烧性能:球磨12 min和高压辊磨2次可使生球落下强度从3.9次/0.5 m分别提高到6.0次/0.5 m和6.4次/0.5 m;高压辊磨预处理时,1 220 ℃下焙烧12 min球团强度可达到2 500 N/球以上,而球磨和高压辊磨联合预处理时则达到了更高的3 227 N/球。     

钼精矿焙矿压力成型的工艺过程研究

着重研究了适合于钼精矿焙砂压力成型的原料粒度组成，提出了相应的破碎流程，此外，还就预先碾压对于成型过程的影响进行了研究，并得了肯定的结论。采用这一工艺进行连续成型试验，成球系数达到８６．５％。     

浸锌渣中银、镓及其它有价元素综合利用研究

在锌浸出渣化学物相分析的基础上,采用浮选-还原焙烧-磁选联合法对其中银、镓及其它有价元素的综合回收进行了研究.结果表明,采用Na2S为调整剂,丁基黄药与XY-1的混合物作捕收剂,松醇油为起泡剂,对含银523 g/t的浸锌渣进行浮选处理,浮选时控制溶液pH为5.0,可获得银精矿的品位为3 902.1 g/t,银的回收率为77.75%;在焙烧温度为1 100℃时对浮选尾矿还原焙烧2 h,义马煤作还原剂,锌、铅和铟的挥发率都大于96%;磁选铁精矿中Ga品位达1 805 g/t,回收率为94.67%.该工艺较好地实现了银、镓、铁、锌等有价元素的综合回收.     

从锌浸渣中回收镓和锗的研究及实践

锌浸渣中含有数量可观的镓锗.对回收锌浸渣中镓锗的各种方法进行了述评,指出了各种方法的优缺点,提出了从锌浸渣中提取镓锗的新思路.     

钛精矿制取富钛料新工艺

针对攀钢钛精矿采用回转窑直接还原技术 ,借助于添加剂的催化作用 ,使钛精矿中铁氧化物充分还原并能促使铁晶粒长大 ,实现了 Fe和 Ti在磨选过程中的高效分离 ,成功地开发了钛精矿制取富钛料的新工艺。扩大试验结果表明 ,在添加剂 KS用量 5 % ,粘结剂用量 1% ,球团经70 0℃预热 15 min后 ,在回转窑“火力模型”中还原 ,其适宜工艺参数为 :高温还原温度 110 0℃ ,高温还原时间≥ 2 10 min,C/ Fe为 2 .2左右 ,填充率 2 0 %左右 ,所得钛精矿金属化球团的金属化率 >92 % ,金属化球团经破碎、磨矿、磁选 ,得到磁性物 TFe>81% ,回收率 >86 % ;富钛料 Ti O2 >74 % ,回收率 >90 %。     

典型气体指标在矿井火灾状态分析中的应用

在总结7种典型火灾气体指标的基础上,采用修正后的氧消耗浓度计算方法,分析了某矿因自然发火封闭的火区内火灾气体指标的特点和随封闭时间变化的曲线。研究发现:综合应用几种典型火灾气体指标能够较为准确的判断隐蔽火点或封闭火区的燃烧状况;火势较小时,特里克特比率对燃烧物种类的判断能力较弱;在对火区温度进行分析时,个别高温点容易被忽视;不同监测点指标值的大小次序能够为隐蔽火源点和燃烧重点区域位置的确定提供指导。     

汪家屯气田天然气气源追索新方法

本文根据碳同位素分馏理论，建立了气态烃（Ｃ＿１－Ｃ＿３）的碳同位素差值与分馏反应温度的关系．提出了利用气态烃的碳同位素差值追索气源的方法，并对汪家屯气田的天然气气源进行了追索，与实际较吻合。     

碳质金矿生物预氧化研究进展

碳质金矿是一种难处理金矿,当原生矿石中有机碳含量大于0.2%时,会严重干扰氰化提金,进而发生"劫金效应"。生物预氧化法以其条件温和、工艺简便、能耗低、环境友好等优点在难处理金矿预处理方面发展较快。难处理碳质金矿生物预氧化法目前还处于研究阶段,要实现工业化需要从新型添加剂以及开发构建既能氧化硫砷又能氧化碳的新型细菌等方面进行研究。     

基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究

目的 通过构建轮毂在线生产视觉检测系统，预测轮毂生产过程中轮毂表面的缺陷。方法 根据轮毂表面缺陷的定义和评价标准，给出了轮毂表面缺陷的计算模型，采用了改进型的Faster-RCNN目标检测算法，引入了深度生成式对抗网络，消除图像的模糊性，再利用清晰的轮毂表面图像进行模型训练，结合领域专家的判别标准，优化网络参数，构建轮毂表面缺陷检测模型。利用深度学习Pytorch框架，在NVIDIA Tesla P100图像加速卡上进行模型训练，并对模型结果进行对比性实验分析，找出最优的预测模型。结果 在基础网络部分，采用残差模型ResNet101网络比采用VGG16模型的准确率提高了24%。在目标检测网络模型中引入了多通道特征融合模块，准确率提升了2%。再引入FPN金字塔模型，融入低级和高级语义信息，使得输出的多尺度的预测特征图谱效果更好。最后把残差网络的ROI-Pooling算法改为ROI-Align算法，准确率提高了5%。通过对网络模型的不断改进和优化，轮毂表面缺陷的识别率不断提高。结论 利用改进型的Faster-RCNN网络能够识别出轮毂表面缺陷的种类和位置，满足生产环境的要求，具有一定的工程应用价值。