-
公开(公告)号：CN102534228B
公开(公告)日：2013-10-23
申请号：CN201210062957.X
申请日：2012-03-12
Applicant: 中南大学 , 济源市欣欣实业有限公司
CPC classification number: Y02P10/214 , Y02P10/22 , Y02P10/228 , Y02P10/232 , Y02P10/234 , Y02P10/236
Abstract: 本发明提供了一种从高砷铜冶炼烟灰中综合回收有价元素的方法。本发明将高砷铜冶炼烟灰通过(富氧)焙烧→浸出→萃取→置换→结晶几个工序以进行综合回收高砷铜冶炼烟灰中的有价元素，锌、铜、铅、锡的回收率在95％以上，三氧化二砷的回收率达95％以上。利用本发明提供的综合回收有价元素的方法，工艺流程合理，金属直收率高，“三废”处理成本低，具有显著的经济效益和社会效益。
-
公开(公告)号：CN113837193A
公开(公告)日：2021-12-24
申请号：CN202111117727.4
申请日：2021-09-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进U‑Net网络的锌浮选泡沫图像分割算法，针对现场设置的工业相机所获得的泡沫图像，提出一种适应于复杂泡沫图像分割的改进U‑Net架构，在传统U‑Net网络的基础上，做出如下改进：在U‑Net网络第一层部分对称引入Inception与批量归一化模块，在U‑Net网络的编码模块末端加入金字塔池化模块，同时在网络的编码模块与解码模块对应层间的跳跃连接处引入改进的注意力门控机制。本发明实现了对泡沫图像中的每个泡沫的分割，有效弥补了传统的泡沫图像分割对单个泡沫分割不彻底、不精细的缺陷，从而可以提升效率，为后续的泡沫特征提取奠定坚实基础。
-
公开(公告)号：CN113591654A
公开(公告)日：2021-11-02
申请号：CN202110833450.9
申请日：2021-07-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于长时程深度特征的锌浮选工况识别方法，包括以下步骤：首先采用3D卷积网络作为基础网络，通过知识蒸馏法使用RGB流网络的部分结构对光流网络进行模拟，使得RGB流网络在测试时不需要提取光流就能学习光流的运动信息；然后将单个视频分段，分别对每段使用训练好的RGB流网络进行帧级特征提取，将提取到的每段帧级特征输入LSTM网络中进一步提取得到视频级全局时空特征；为网络补充一个2D卷积网络提取补充的外观特征，将全局时空特征和增强的外观特征拼接到一起，输入多层感知机中进行最终的工况识别。本发明结合了卷积神经网络和循环神经网络的优点，能够快速、准确地对锌浮选工况进行识别从而有效指导加药。
-
公开(公告)号：CN110738271B
公开(公告)日：2021-04-30
申请号：CN201911005613.3
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种锌浮选过程精矿品位预测方法，包括了以下步骤：首先通过浮选过程图像采集处理系统采集锌浮选过程图像特征数据以及对应的精矿品位数据，并对采集的数据进行预处理；根据预处理后的锌浮选图像特征数据以及精矿品位数据，组成样本空间，然后根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA对特征进行相关分析,提取贡献率高特征作为关键泡沫特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法求解预测模型，寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；本方法可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
公开(公告)号：CN111709942A
公开(公告)日：2020-09-25
申请号：CN202010602623.1
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于纹理度优化的锌浮选加药量预测控制方法，包括以下步骤：首先提取泡沫图像特征，包括粗选泡沫图象的熵值、能量、逆差矩、泡沫尺寸和泡沫颜色特征以及精选泡沫图象的纹理特征，根据精选泡沫图象纹理参数和精矿品位关系定义纹理复杂度；其次利用提取到的特征参数，采用神经网络构建精选泡沫纹理复杂度预测模型，最后根据精选泡沫纹理复杂度预测值和期望的最佳值的差值平方为目标函数，采用寻优方法计算出药剂量调整值，完成加药控制。本发明结合了精选和粗选泡沫状态特征，使控制结果更加优良，提高了矿物的回收效率，降低了药剂消耗。
-
Patent Agency Ranking
公开(公告)号：CN110109446B
公开(公告)日：2020-08-25
申请号：CN201910449505.9
申请日：2019-05-28
Applicant: 中南大学
IPC: G05B23/02
Abstract: 一种基于时间序列特征的锌浮选过程模糊故障诊断方法，在泡沫浮选领域，本发明公开了一种浮选过程的模糊故障诊断方式，以泡沫视觉时间序列特征提取为基础，定义了泡沫时间序列的子序列、子模式，采用历史数据信息建立历史特征趋势信息集，度量实时趋势特征与历史趋势特征集相似性，综合序列趋势信息对故障发生几率进行模糊化诊断。本发明提出了模糊故障诊断的概念，通过可靠性序列选取和异常因子设立，建立了浮选工况状态预报表示模型，对趋势走向的判断以及数值化的趋势走向可能性提出了一种新的解决方法。克服原有泡沫特征静态描述浮选过程的缺陷，及时发现工况异常征兆，对未来时刻故障可能性以数值化显示，利于工人及时操作、稳定优化生产。
-
公开(公告)号：CN110738271A
公开(公告)日：2020-01-31
申请号：CN201911005613.3
申请日：2019-10-22
Applicant: 中南大学
Abstract: 本发明提供了一种锌浮选过程精矿品位预测方法，包括了以下步骤：首先通过浮选过程图像采集处理系统采集锌浮选过程图像特征数据以及对应的精矿品位数据，并对采集的数据进行预处理；根据预处理后的锌浮选图像特征数据以及精矿品位数据，组成样本空间，然后根据精矿品位的高低划分五个独立的子样本空间并分别做时间差分；采用KPCA对特征进行相关分析,提取贡献率高特征作为关键泡沫特征；基于关键特征样本训练LSSVM，建立图像特征与精矿品位之间的关系；使用改进菌群算法求解预测模型，寻优LSSVM的惩罚因子ξ和核宽度σ两个参数；本方法可直接在计算机上编程实现，成本低，精度高，时效好，对指导现场生产具有重要意义。
-
公开(公告)号：CN110728677A
公开(公告)日：2020-01-24
申请号：CN201911005650.4
申请日：2019-10-22
Applicant: 中南大学
Abstract: 一种基于滑动窗口算法的纹理粗糙度定义方法，在泡沫浮选领域，本发明提出一种基于滑动窗口算法的纹理特征度量方法，此方法基于现场设置的数字图像采集系统提取泡沫图像，提出了颗粒区域的概念，并运用滑动窗口算法对泡泡表面的颗粒区域进行准确提取，对所提取的颗粒区域进行一系列的度量，定义了新的纹理特征量颗粒粗糙度，用以反映整幅图像的纹理特征。该方法有效弥补了传统的纹理特征提取方法没有考虑泡沫表面颗粒的缺陷，从而可以更准确的判断工况并有效指导加药。
-
公开(公告)号：CN104233372A
公开(公告)日：2014-12-24
申请号：CN201410519503.X
申请日：2014-09-30
Applicant: 济源市欣欣实业有限公司 , 中南大学
CPC classification number: Y02P10/236
Abstract: 本发明公开了一种从铅冰铜中回收铜的方法，包括(1)将铅冰铜块料破碎并研磨成铅冰铜粉体；(2)将铅冰铜粉体用硫酸溶液浸出，并不断鼓入富氧空气，浸出温度为70℃～90℃，浸出时间为2h～3h，浸出完成后，经固液分离，得到浸出渣和硫酸铜浸出液；(3)将硫酸铜浸出液进行电积，在形成铜的阴极不断地鼓入空气，同时不断地降低电流密度，得到阴极铜。本发明的方法投资小、能耗低、工艺简单、可生产高纯度致密铜、且对环境几乎为零污染。
-
公开(公告)号：CN104232911A
公开(公告)日：2014-12-24
申请号：CN201410520296.X
申请日：2014-09-30
Applicant: 济源市欣欣实业有限公司 , 中南大学
CPC classification number: Y02P10/212
Abstract: 本发明公开了一种利用铜精炼炉渣-黄铁矿-斑铜矿尾矿混合熔炼产出白冰铜的方法，包括按照铜精炼炉渣的含铜量、黄铁矿的含铜量、斑铜矿尾矿的含铜量的质量比为1∶0.006～0.01∶0.02～0.09进行配料，将铜精炼炉渣、黄铁矿和斑铜矿尾矿加入到熔炼炉中，并向熔炼炉中加入占铜精炼炉渣、黄铁矿和斑铜矿尾矿的总质量5％～19％的无烟煤，在富氧空气下熔炼生成白冰铜。本发明的方法投资规模小、能耗低、连续作业、可实现铜资源的循环利用。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.033 seconds)
