旋流器串联分级在磁铁矿选矿中的应用研究

为了解决细粒级磨矿的分级问题,在磨矿分级回路中,以串联旋流器组作为分级设备,提高了磨矿浓度和效率,达到了磁铁矿磨至-0．043mm的目的,使高质量铁精矿生产获得成功。     

矿物解离分析与理想选别指标预测曲线

对某矿的矿石进行了解离分析,绘制了理想选别指标预测曲线图,由此图可以方便地查出在任意磨矿细度下获得不同精矿品位时的理想选别指标,为指导该矿的选矿生产及确定合理的选别指标提供了科学依据。     

加纳共和国某金矿选矿工艺流程试验研究

对加纳共和国某金矿选矿工艺流程进行了试验研究。试验结果表明,采用重选(摇床)—浮选工艺流程,金重选回收率达88.58%,总回收率可达到95.26%。该工艺流程简单易行,对环境友好。     

压电谐振式微质量测量系统

基于压电晶体的正、逆压电效应,对压电谐振器的构成原理及压电晶片谐振频率的质量敏感原理(Sauerbrey方程)进行了分析。基于Sauerbrey测量原理,设计了压电谐振式微质量测量系统,对该系统的设计方案进行了分析。为减小温度等环境因素对压电晶体检测性能的影响,系统采用两个相同的石英晶体振荡电路构成双谐振式的压电晶体振荡器。采用模块化设计思想,对该测量系统各模块进行了设计与实现,并对系统性能进行了测试。结果表明,当测量端加载的质量越大,系统测量出的谐振差频值则越大,实验结果与理论分析结果吻合较好。相对于线性的理论结果,该实验结果的非线性误差为5.5%。该系统实现了压电谐振频率的变化与被测微质量之间的变换,能够实现对微质量进行测量。     

基于并行量子遗传神经网络的自诊断智能结构传感器的优化配置*

针对压电智能复合材料层板,基于损伤检测问题,采用最小二乘小波支持向量机(LS-WSVM)网络建立损伤检测目标函数,运用量子遗传算法对目标函数进行优化,并将LS-WSVM以并行方式与量子遗传算法相结合,从而构造并行量子遗传神经网络方法,实现对智能结构损伤检测传感器的优化配置。仿真结果表明,采用该方法实现的不同数目传感器的最优布置符合工程判断,综合考虑成本与效益的因素,该方法可确定传感器对应于其初始布置模式下的最优配置数目。对于更多传感器的初始布置模式,采用该方法可有效减少传感器的数量,从而降低成本。相比于传统遗传算法,该方法中量子遗传算法具有较好的寻优能力和收敛速度。     

基于小波神经网络的智能复合材料冲击损伤定位的研究

复合材料的力学性能对冲击损伤极为敏感，为此实现复合材料的智能化，从而在线实时监测复合材料的冲击损伤具有重要的意义。应用小波神经网络对智能复合材料冲击损伤进行了定位研究，并与改进的BP网络进行了对比，结果表明小波网络具有非线性建模逼近能力强、识别精度高和推广能力强等优点。小波神经网络为复合材料的进一步智能化提供了更为先进的信号处理方法。     

柬埔寨某金矿矿石可选性试验研究

针对柬埔寨某金矿金的嵌布特点,研究采用重选—浮选—磁选—氰化联合工艺流程,不仅获得高品质金,且金回收率达到98%。采用磁选方法实现金的富集是本研究独有的特点。     

多金属难选钼矿综合回收试验研究

针对某多金属难选钼矿矿石氧化严重以及各主要矿物互含高、嵌布关系密切等特点,研究先采用混合浮选工艺流程,获得混合精矿钼含量为4.21%,金含量为48.86g/t,银含量为84.80g/t;由于用常规物理选矿方法将钼从混合精矿中分离出来难度很大,故对混合精矿进行化学处理,最终获得的钼浸出率为86.6%,使钼与其他有价金属有效分离。     

无捕收剂电化学浮选技术研究

仅通过添加少量电化学调整剂实现了硫化共生矿石的无捕收剂电化学浮选。在适当的矿浆电势Eh和pH值下,黄铜矿和黄铁矿表面适度氧化,可生成疏水性物质S0,导致浮选,大大降低药剂消耗,改善了后续分离浮选。对电化学调整剂的作用机理的研究考察说明,在低浓度下其性质稳定,应用可行。     

智能材料与结构在汽车行业的应用

智能材料与结构在汽车行业有着重要的潜在应用.大力研究与发展智能材料与结构,可为汽车向轻型化、节能化、自动化、智能化和舒适化方向发展提供强有力的材料支撑,发展前景广阔.本文对智能材料与结构在汽车业的应用进行了阐述.