身在矿山梦在墨池——孙秀江先生其人其书

做事认真，处事低调，善于思考，勤奋好学，这是山东金岭铁矿书法艺人孙秀江先生给人留下的印象。日前，笔者专程去他家采访，但见满屋悬挂着书画作品，营造出浓浓的艺术氛围。谈起对书法的热爱，年过七旬的孙秀江抑制不住内心的激动，饱含真情地娓娓道来……     

云南某萤石与重晶石共生矿选矿试验研究

以云南某萤石与重晶石共生矿为研究对象,该矿含萤石33.46%,重晶石52.73%,萤石与重晶石含量高。由于萤石与重晶石可浮性相近,分离难度大。为了综合开发利用该矿产资源,对该共生矿进行了选矿试验研究。试验采用了先混合浮选再分离浮选的工艺流程。混合浮选在磨矿细度-74μm占80%的条件下,调整p H值至9,以水玻璃为抑制剂、油酸钠为捕收剂将目的矿物先富集,在此过程中同时抛尾除杂,混合浮选所得精矿再进行分离浮选;分离浮选通过抑制重晶石浮选萤石实现,适宜的p H值为6,以水玻璃、硫酸铝、栲胶为抑制剂,以油酸钠为捕收剂,最终实现了萤石和重晶石的分离。通过全浮选闭路试验,得到品位为94.42%、回收率为87.77%的萤石精矿和品位为91.89%、回收率为88.66%的重晶石精矿。     

微地震法水驱前缘监测技术时间推移监测试验

微地震法水驱前缘监测技术时间推移监测试验通过监测选定区块内注水井不同注水阶段的水驱前缘,了解区块内各注水井的优势注水方向、推进距离等监测参数的变化情况,与地质资料相结合,最终给出随时间推移的水驱前缘展布图。文章重点介绍了微地震法水驱前缘监测原理以及时间推移监测试验测试实例,分析此项技术在大庆油田生产中的作用,及时掌握井组的水驱波及动用状况,加强注采井组调控,为区块开发方案制定及调整注水开发方案提供依据。     

微地震监测技术在油藏实时特征描述中的应用

本文就油田开发的不同时期,对利用微地震监测技术,进行压裂裂缝监测、水驱前缘动态成像、套损检测、流体注入情况、油藏结构描述等在油藏实时特征描述中的应用进行了系统的介绍和研究。同时,对微地震监测技术应用的相对局限性、存在的相应技术问题进行了初步的探讨。本文结合大庆油田微地震监测施工实例,重点对压裂裂缝和水驱前缘监测技术进行了说明和论述。     

硅孔雀石在常规的浮选工艺过程中难回收原因研究

以硅孔雀石单矿物为研究对象,通过单矿物浮选实验研究了硅孔雀石在在常规的浮选工艺过程中难以回收利用的原因.浮选实验结果表明在硫化-黄药体系及铵盐-硫化-黄药体系下硅孔雀石浮选效果都比较差.在磷酸乙二胺-硫化-黄药体系下可以取得较好的浮选效果,但磷酸乙二胺用量远超过活化孔雀石的量,并对孔雀石产生了抑制作用.这些都可能是硅孔雀石在实践生产过程中无法被浮选回收利用的原因.     

基于相空间重构与GSA-LVQ的有载调压变压器分接开关机械故障诊断

针对有载调压变压器分接开关机械故障诊断准确率不高以及潜在机械故障不能及时被发现的问题,提出了一种基于互补集合经验模态分解(CEEMD)、相空间重构结合万有引力搜索法(GSA)改进学习矢量量化神经网络(LVQ)的有载分接开关机械故障诊断新方法。采用CEEMD对振动信号进行时频域分解,然后通过C-C算法确定延迟时间和嵌入维数,对反映不同频率特征的固有模态函数(IMF)进行相空间重构,并提取反映混沌特征的两个特征量李雅普诺夫指数和关联维数构成特征向量。利用GSA优化LVQ,解决网络对初始连接权值敏感的问题,增强网络对有载分接开关机械故障分类识别性能。通过对有载分接开关机械状态的实验分析,证明了相空间重构结合GSA-LVQ算法的可行性和有效性。     

磷酸乙二胺对硅孔雀石浮选的影响

以硅孔雀石单矿物为研究对象,通过单矿物浮选试验、溶解试验、硫残余量试验及SEM-EDS分析研究了磷酸乙二胺对硅孔雀石浮游特性的影响及其作用机理.浮选试验结果表明适量的磷酸乙二胺对硅孔雀石浮选效果很好.通过SEM-EDS分析结果表明磷酸乙二胺在硅孔雀石表面并未发生吸附,其作用类似于"催化剂",为后续硫化钠对硅孔雀石表面的硫化提供了更具有反应活性的矿物表面.而磷酸乙二胺对硅孔雀石的抑制作用发生在溶液中,而非硅孔雀石表面.     

基于深度学习断路器储能机构故障诊断方法研究北大核心CSCD

断路器正常分、合闸动作直接影响电力系统控制的可靠性,储能环节一旦出现问题将直接影响断路器正常工作。提出了一种基于深度学习的断路器振动信号辨识储能过程故障类型新方法。首先,将加速传感器采集到的时域振动信号进行数据扩充,再将扩充后振动信号二次采样作为训练样本,采用改进后的卷积神经网络(convolutional neural network,CNN)与长短时记忆网络(long-short term memory,LSTM)并行结构,将卷积神经网络的第1层大卷积核和多层小卷积核,均进行批量归一化(batch normalized,BN),以提高网络训练效率。实验结果表明:基于CNN与LSTM并行的网络结构不需要人工提取特征,具有较好的分类性,为高压断路器弹簧操作机构故障诊断提供一种通用方法。     

氧气和硫化钠对赤铜矿浮选的影响及作用机理（英文）

通过浮选试验、场发射扫描电子显微镜(FESEM)、电子探针(EPMA)以及X射线光电子能谱(XPS)等研究氧气和硫化钠对赤铜矿浮选的影响。浮选试验表明，用适量的硫化钠预处理赤铜矿表面后可大幅提升赤铜矿的可浮性。FESEM显示硫化后的赤铜矿表面覆盖有大量碎片，在Na₂S浓度为5.0×10^-4 mol/L时，这些碎片的形状更加规则和完整。结合EPMA和EDS分析发现，这些碎片是新形成的铜硫化物，是促进赤铜矿高效浮选的关键。XPS分析表明，赤铜矿暴露于空气中表面极易被氧化成CuO，硫化钠优先与表面的CuO膜发生氧化还原反应，此过程中，Cu²⁺被还原为Cu⁺,S^2-主要被氧化为(S2)^2-和(Sn)^2-。     

声振信号构造CNN特征矩阵的断路器储能机构故障诊断方法北大核心CSCD

针对传统的高压断路器储能机构故障诊断方法过于依赖主观经验,准确率不高、泛化能力差,提出一种声音振动信号联合构造卷积神经网络(CNN)特征矩阵的高压断路器储能机构故障诊断方法。首先将采集到的声信号通过形态学去除背景噪声,提出基于峭度和包络相似性的时标对位方法保证声振信号的同步性,然后对数据扩容后的声振信号利用皮尔逊相关系数构造二维图像特征矩阵,最后利用CNN对特征矩阵进行训练。实验证明:文中所提出的故障诊断方法与传统方法对比总体诊断准确率高,泛化性能好。