板式强磁选机磁系的仿真模拟设计

为提高板式磁选机的干式预选指标,以N50钕铁硼磁铁为强磁磁系主要材料,设计了一种针对弱磁性铁矿石预选的强磁选机磁系。在对强磁磁系磁极、结构进行仿真模拟计算的基础上,确定Q235钢为磁极底板,磁块的尺寸分别为80 mm×60 mm×30 mm和80 mm×60 mm×20 mm设计磁系;对不同磁系模型进行仿真模拟计算,拟定采用海尔贝壳阵列与挤压磁极夹导磁纯铁的磁系模型,其中挤压磁极磁块与垂直面充磁磁块长度比值采取1∶2的形式;依据模拟仿真结果设计制造的强磁磁系,磁系表面实测磁感应强度与模拟仿真结果一致,为设计制造强磁板式磁选机提供了理论依据。     

基于计算机软件模拟的板式磁选机磁系设计

板式磁选机是北京科技大学新研制的一款用于20 mm以下贫磁铁矿石干式预选的设备。运用A.M.软件对板式磁选机的磁系进行了设计优化研究。确定的钕铁硼磁块牌号为N50,厚度为30 mm,磁块纵向间隙为40 mm,磁系底板材料为Q235;依据模拟结果制作的实物模型的磁感应强度实测值与模拟结果基本一致,模拟结果可靠性好。研究结果表明,利用计算机软件模拟磁系的磁场分布,可大大减少磁系设计的工作量,提高磁系设计的可靠性。     

动态环境下基于深度学习的实时视觉SLAM

针对动态环境下视觉同步定位与建图（SLAM）系统运行效率低的问题,提出了一种基于深度学习的实时语义视觉SLAM算法。所提算法的语义线程不会阻塞跟踪线程的运行,只对最新的待分割图像进行语义分割,分割后对分割结果进行检测与修复,并更新语义信息。图像输入后,首先,更新待分割的图像;然后,利用最新的语义信息和L-K光流法剔除动态关键点,并用剩余的特征点对位姿进行估计;最后,利用语义信息和跟踪信息构建出语义点云地图。在TUM数据集上对所提算法进行实验,实验测试结果表明：高动态环境下,所提算法相较于DS-SLAM在绝对轨迹误差上减小了12.54%～91.78%,跟踪一帧的平均耗时为25.91 ms,验证了所提算法在高动态环境中有较高的定位精度以及实时性,相较于无检测修复的算法在高动态环境下拥有更好的建图效果。     

板式磁选机在贫磁铁矿石干选试验中的应用

为验证板式磁选机对贫磁铁矿石具有高效预选性,对内蒙古、河北、新疆等多个地区的贫磁铁矿进行了试验室试验和工业试验。试验结果表明:板式磁选机较磁滚筒能够抛出更多的干选废石,提高了精矿品位和回收率,同时降低了废石中的磁性铁品位,板式磁选机是一种高效可靠的磁选设备。