排序方式: 共有75条查询结果,搜索用时 295 毫秒
21.
铜渣氢气还原过程中的物相转变 总被引:2,自引:0,他引:2
对铜渣进行氢气还原处理,分析了还原温度和时间对还原前后铜渣物相组成和微观形貌的影响,并对还原过程的物相转变进行了讨论. 结果表明,铜渣氢气还原产物为金属Fe和玻璃态SiO2,二者的产出量随还原温度升高和还原时间延长而增加,950℃还原6 h铜渣中铁还原率比800℃时高47.4%,随反应时间延长铜渣中铁还原率增长速度变慢;原渣中狭长或树突状的铁橄榄石相还原后转变为不规则颗粒状或片状金属Fe相,随还原时间延长和温度升高,颗粒表面变得更加致密;铜渣氢气还原制备金属Fe催化剂时还原温度900~950℃、还原时间3~5 h为宜. 相似文献
22.
23.
24.
针对艾萨炉铜熔炼过程配料优化问题,提出了基于自适应蚁群算法的艾萨炉铜熔炼过程配料智能优化方法.该方法首先分析了艾萨炉铜熔炼过程中工艺配料特点,以成本为优化目标,综合考虑工艺、质量、库存等多约束条件,采用自适应蚁群学习算法,将配料优化问题转化为在各种约束条件下的学习建模问题,借助历史配料数据进行建模,实现配料预测与优化.艾萨炉铜熔炼配料实验结果表明,提出的方法能有效降低生产成本,改进配料系统的效率,比人工方式物料配比有很大的改进. 相似文献
25.
冰铜品位、冰铜温度、渣中铁硅比是艾萨炉铜熔炼过程中的三个主要工艺参数,针对这三大参数在线检测时存在成本高、滞后大、实现困难等问题,提出了一种基于广义最大熵回归的自适应艾萨炉铜熔炼过程三大参数软测量方法.首先基于核聚类的局部线性嵌入算法对熔炼过程的输入数据进行降维预处理,然后利用隐马尔科夫模型对工况进行检测,最后结合工况建立广义最大熵自适应模型.实验表明,提出的方法不仅能明显改善误差,而且测量稳定性得到提高,能为实际生产提供有益的指导 相似文献
26.
针对铜冶炼过程中的能耗难以预测的问题,提出基于支持向量回归的铜冶炼节能过程参数优化学习方法:,首先分析影响铜能耗的各种参数,然后利支持向量回归算法对输入参数和输出能耗之间的关系进行训练,从而筛选出最优参数,为生产能耗控制模型提供了基础。实验结果:表明,提出方法:较传统的BP神经网络算法相比具有学习速度快,收敛性好,泛化能力强等特点,且能耗预测的平均相对误差小于7%。 相似文献
27.
生物质复合型煤在热分析仪中的燃烧行为研究 总被引:12,自引:4,他引:12
通过热分析技术对以农作物秸杆、城市生活垃圾、林业加工废弃物等生物质和云南先锋褐煤为原料制得的生物质复合型煤的燃烧行为进行了实验研究 .结果表明 ,生物质复合型煤的燃烧过程大致可以分为四个阶段 ,即脱水干燥、挥发分的析出和燃烧、挥发分燃烧和焦炭表面燃烧并存的过渡阶段、焦炭的表面燃烧 ;且生物质复合型煤 ( BCC)具有着火温度低、燃尽率高等特点 .此外通过对热重 ( TG)、差示扫描量热 ( DSC)曲线的深入分析 ,对 BCC的有关燃烧动力学参数进行了研究 相似文献
28.
利用热重红外联动技术(TG-DTG-FTIR)研究了橡胶籽油中的单不饱和游离脂肪酸油酸组分在不同升温速率(5℃/min、10℃/min、20℃/min、30℃/min)下的热解特性。然后,用多元线性回归法对油酸非等温热解所得到的特性参数进行研究并计算,求得不同升温速率下对应的反应级数、活化能和指前因子,并对不同升温速率下油酸热解反应活化能和指数前因子作线性拟合。结果表明:油酸热解过程主要可分为0~268℃和268~300℃两个阶段,由红外谱图特征峰的分析可知,不同升温速率下,在油酸热解的阶段内均出现了水蒸气、CH4、CO2和CO这4种主要气体挥发分。随着升温速率的增大,油酸热解的最大失重速率随之增大,热解区间也向着高温段移动,同时计算在升温速率从5~30℃/min的过程中,反应级数n=1时,热解反应活化能由105.57kJ/mol降低至93.99kJ/mol,指数前因子由6.99×106降低至6.7×105;n≠1时,热解反应活化能由102.45kJ/mol降低至93.38kJ/mol,指数前因子由3.13×106降低至2.97×104,反应活化能和指数前因子随升温速率的增大出现明显减小。通过对不同升温速率下油酸热解反应的活化能和指数前因子进行线性拟合后发现,两者间具有较好的补偿效应。 相似文献
29.
预煅烧铜渣对生物质催化热解动力学的影响 总被引:1,自引:0,他引:1
采用热重分析仪考察了预煅烧铜渣对生物质催化热解动力学的影响. 结果表明,催化剂的使用可明显降低生物质热解的活化能;随煅烧温度提高和1000℃下煅烧时间延长,催化剂活性先增强后减弱. 不同预煅烧条件下铜渣矿物的表征显示,由于Fe2SiO4、硫化物和磷化合物的氧化,铜渣质量先增加后降低;预煅烧使Fe从铜渣的Fe2SiO4中脱出,以Fe3O4和a-Fe2O3形式存在;随煅烧温度提高,Fe2SiO4的特征峰逐渐减弱直至消失,Fe3O4先增强后减弱,a-Fe2O3增强. 由此推断,Fe3O4的形成是预煅烧铜渣催化活性提高的原因. 相似文献
30.