我国机电一体化的核心技术的发展

机电一体化是现代科学技术发展的必然结果。文章概述机电一体化的核心技术,分析机电一体化发展进程,提出机电一体化向智能化迈进的趋势。     

高灰细泥对煤泥浮选过程的影响

采用小于0.030mm粒级细泥进行系统的实验室浮选试验以考察对浮选结果的影响,浮选试验结果表明:随浮选入料细泥产率的增加,降低了大于0.030mm粒级的回收率,从而导致精煤产率降低,精煤灰分增高;随着浮选时间的延长,精煤中混有的细泥数量相应减少,灰分却大幅增高;入料中细泥产率的增加可恶化轻柴油捕收剂的选择性。     

望峰岗选煤厂粗精煤泥系统改造

望峰岗选煤厂原粗精煤泥系统采用煤泥重介质旋流器分选工艺,因该机对细泥分选效果差,导致灰分偏高,为此,采用弧形筛替代原重介质旋流器,增加了脱泥工艺;实践表明,改造效果显著,降低了精煤泥灰分。     

深度学习算法及其在光学的应用

深度学习作为机器学习的重要分支，自出现之初就掀起了机器学习的又一次高潮。深度学习在诸如图像识别与分类、语义分割、智能驾驶等多个领域有着优异的表现。同时，深度学习算法以其抽象特征识别和提取特性，极强的模型构建和泛化推广能力，被广泛应用于光学领域，如计算全息图产生与成像、数字全息的无参数重建和光谱共振曲线预测等方面。详细介绍了深度学习的基本原理及在图像分类、超分辨成像、计算全息和数字全息、表面等离激元共振曲线预测、超表面的结构设计等方面的典型应用研究，并探讨了深度学习在物理光学领域未来值得研究的方向。     

基于小波一形态学的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础。在车辆自动管理技术日益发展的今天,车牌图像的分割技术倍受瞩目。针对牌照与车身背景的分割问题,提出了基于小波变换和数学形态学方法的车辆牌照阈值分割算法。首先,对车牌图像进行小波去噪,然后利用数学形态学对去噪后的车牌图像进行闽值分割。此方法能够从含有较强噪声的车辆图像中获取车牌图像,通过构造适当的结构元素,可以达到比较理想的提取效果。     

潘三选煤厂降低重介浅槽分选下限的研究

分析了潘三选煤厂的生产现状，提出降低重介浅槽分选下限的必要性，并针对潘三矿井当前升井原煤煤质对重介浅槽进行6 mm洗选的生产方式进行研究。结果表明：原煤筛分效率可达80%以上，浅槽E_p值稳定在0.04～0.06 kg/L水平，原煤入洗率提高19.10个百分点，商品煤发热量达到20.92 MJ/kg以上，经济效益显著。