排序方式: 共有33条查询结果,搜索用时 31 毫秒
1.
本文通过动电位检测、流变性测试、浮选试验和DLVO理论计算探究了不同浓度黄铜矿和利蛇纹石条件下矿浆黏度及屈服应力与浮选速率间的关系。结果表明,矿物浓度能影响矿浆的黏度及屈服应力值:当矿物浓度增加时,矿浆黏度及屈服应力也相应增大;在单矿物或混合矿体系下,矿浆黏度或屈服应力的增加不利于黄铜矿的富集,但有利于蛇纹石的夹带:随着矿浆黏度及屈服应力的增加,黄铜矿的浮选速率降低而利蛇纹石的浮选速率增加。 相似文献
2.
为提升带式输送系统的智能化决策,提高生产效率,降低能耗,应用多智能体深度确定性策略梯度(MADDPG)算法,构建多输送机智能体协同控制系统。系统采用集中式结构控制多输送机,由输送机运行能耗模型,结合MADDPG算法结构,构建多智能体协同控制模型。通过训练模型,寻优输送机运行速度与煤流量最佳匹配关系,得出节能最优速度控制策略。与深度确定性策略梯度(DDPG)算法进行实验对比。结果表明,提出的多输送机智能体算法模型学习效率高,收敛速度快,具有较强的稳定性。 相似文献
3.
4.
电力推进船舶电网提高电能质量方法研究 总被引:1,自引:0,他引:1
本文首先介绍了电力推进船舶的电网特点及其电能质量的现状,说明了电力推进船舶针对电网电能质量进行改善的必要性。然后分析了当前电力推进船舶电网电能质量改善的方案。最后提出了一种用于电力推进船舶电网进行无功补偿与谐波抑制的新方案―APFCC/APF/PF电路(混合有源功率因数校正和滤波电路),并通过仿真实验证明了采用该方法能够有效提高电力推进船舶电网的电能质量。 相似文献
5.
6.
针对实际应用中矿井通风机轴承负样本少导致故障诊断率低的问题,提出一种基于深度迁移学习的矿井通风机轴承故障诊断方法。组合卷积神经网络(CNN)与双向门控循环单元(BiGRU),并采用随机森林(RF)分类器替换CNN的Softmax层,构建CNN-BiGRU-RF诊断模型,提取轴承更深层次故障特征以便于故障识别;利用源域数据对模型训练,确定模型结构参数;最后,引入迁移学习将模型迁移至目标域,使用目标域有标签数据微调模型参数,构建目标域诊断模型进行故障分类。实验结果表明:在矿井通风机轴承负样本稀少情况下,所提方法的故障识别平均准确率在94%以上,与其他方法相比,具有更好的诊断精度和泛化能力。 相似文献
7.
8.
9.
通过单矿物浮选试验、ζ电位、吸附量测定及扫描电镜研究水玻璃对Ca2+存在体系下菱锌矿与石英浮选分离的机理。结果表明:pH为9.5-11时,Ca2+可以显著活化石英的浮选,并使水玻璃对菱锌矿的抑制作用增强,严重影响二者的分离;改变添加剂添加顺序,在矿浆中优先加入水玻璃,可以有效防止Ca2+在矿物表面的吸附,使捕收剂在矿物表面的吸附量差异增大,从而消除Ca2+对菱锌矿与石英浮选分离的影响。 相似文献
10.
基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带式输送机异物实时检测算法。通过限制对比度自适应直方图均衡化算法(CLAHE)进行图像增强,提高弱光环境中异物对比度;基于Mobilenetv3对YOLOv7主干网络进行轻量化设计,减少YOLOv7模型的计算量、参数量;添加有效通道注意力机制,缓解因特征通道数减少而导致的高层特征信息丢失问题;采用Alpha-IoU作为损失函数提高异物检测精度。实验结果表明:(1) Faster-YOLOv7的初始损失为0.143,最终稳定在0.039左右。(2) Faster-YOLOv7的检测速度可达42帧/s,较YOLOv5、YOLOv7分别提升了17,20帧/s;Faster-YOLOv7内存为14 MiB,较YOLOv5、YOLOv7分别降低了29,57 MiB;检测准确率达91.3%,较YOLOv5提升了8.8%。(3)将SSD、YOLOv5、轻量化YOLOv7、... 相似文献