铜渣高温浮选药剂遴选与药剂制度优化研究

某铜渣硬度大、磨矿时间长, 导致浮选矿浆温度过高以及浮选药剂分解, 影响铜的回收, 为此, 对该铜渣进行了特性分析、捕收剂种类遴选及药剂制度优化研究。结果表明: 以ZJ101为捕收剂, 采用一粗三扫浮选流程, 在ZJ101用量40+20+10+5 g/t条件下, 可获得铜品位25.95%、铜回收率93.36%的指标, 实现了高温体系下铜的高效浮选回收。     

基于web的Android应用安全管理系统

构建了一种基于Web技术的Android平台应用的安全性管理系统,在Android应用发布到移动应用商店前,对应用进行安全性测试后,测试通过后对应用进行签名并发布到应用商店,同时本系统会在Android终端中添加对应用证书的合法性检测,保证终端用户使用的安全性。     

铜熔渣喷吹地沟油还原贫化

以地沟油为生物质还原剂,高温裂解后对铜火法冶炼铜渣进行还原贫化。结果表明,地沟油裂解产物主要是C, H2, CO和CH4等还原性小分子物质,1373, 1473和1573 K下裂解积碳的转化率分别为78.36%, 79.83%和80.07%,因此地沟油高温裂解时碳元素主要以积碳形式存在。热力学计算发现,高温下裂解产物均有良好的还原Fe3O4的活性,用地沟油替代传统化石类还原剂还原铜渣中磁性铁在热力学上是可行的。以N2为载气不仅有利于高温下地沟油顺利喷入铜熔渣中,且通过动量传递起到搅拌熔渣的作用,增大了微小铜滴碰撞聚集长大的机会。在熔炼温度1573 K、载气流量3 L/min、地沟油喷吹量2.055 mL/min、喷吹时间4 min、沉降时间50 min的最优还原贫化条件下,铜渣中Fe3O4含量从33.40wt%降至1.60wt%,含铜量从4.49wt%降至0.49wt%,渣中Fe3O4相转变为2FeO?SiO2相。根据Einstein?Roscoe方程分析,渣中Fe3O4含量减少有利于降低熔渣粘度,改善铜滴的沉降条件。继续增加地沟油喷吹时间沉降金属中杂质含量增加;沉降时间过长时,由于铜渣对铜的机械夹带和化学溶解作用,沉降效果不会更好。实验的铜回收率达89.09%。     

基于深度生成式对抗网络的蓝藻语义分割

针对传统图像分割算法分割蓝藻图像准确率不足的问题,提出了一种基于深度神经网络（DNN）和生成式对抗网络（GAN）思想的网络结构,称为深度生成式对抗网络（DGAN）。首先,在传统全卷积神经网络（FCN）的基础上构建了一个12层的FCN作为生成网络（G）,用于学习分布规律,生成蓝藻图像的分割结果（Fake）;然后,设计了一个5层的卷积神经网络（CNN）作为判别网络（D）,用于区分生成网络生成的分割结果（Fake）和手工标注的真实分割结果（Label）,G试图生成Fake并蒙骗D,D试图找出Fake并惩罚G;最后,通过两个网络的对抗式训练,G生成的Fake可以蒙骗D,从而获得了更好的分割结果。在3075张蓝藻图像集上的训练和测试结果表明,DGAN在精确率、召回率及F₁分数等指标上均大幅领先基于迭代的阈值分割算法;相比FCNNet （SHELHAMER E,LONG J,DARRELL T.Fully convolutional networks for semantic segmentation.IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39（4）：640-651）、Deeplab （CHEN L C,PAPANDREOU G,KOKKINOS I,et al.Semantic image segmentation with deep convolutional nets and fully connected CRFs.Computer Science,2014（4）：357-361）等其他基于DNN的方法也提升了超过4个百分点,取得了更精准的分割结果。分割速度上,DGAN的0.63 s略慢于FCNNet的0.46 s,但远快于Deeplab的1.31 s。DGAN均衡的分割准确率和分割速度为基于图像的蓝藻语义分割提供了可行的技术方案。     

硼酸钙对铜渣中夹杂铜沉降效果的影响

考察了添加剂CaB2O3对转炉铜渣中夹杂铜沉降效果的影响，并结合铜渣的粘度测试及红外光谱表征，研究其影响机理，采用FactSage软件计算了添加剂对铜渣液相线温度的影响。结果表明，随添加剂含量增大，铜渣中夹杂铜的沉降效果逐渐增强，添加剂含量由0增至6wt%时，底部渣含铜量由4.10wt%增至6.85wt%，这是由于添加剂可有效降低铜渣粘度。随添加剂含量增大，渣粘度降低，但降低效果随温度增大而趋于平缓。随添加剂含量增大，铜渣的硅酸盐结构趋于简化，添加剂通过破坏铜渣复杂的硅酸盐结构降低铜渣粘度。铜渣的液相线温度随添加剂含量增大而减小，添加剂通过减少渣中固体颗粒的方式降低铜渣粘度。     

铜冶炼渣中单质铜相强化浮选回收工艺优化及生产实践

本文介绍了铜冶炼渣中单质铜相强化浮选工艺优化方法。探索试验结果表明：优化条件下,铜、金、银回收率分别为93.64%、83.30%、93.65%,铜尾渣铜品位降为0.22%,其中金属铜品位由0.18%降为0.10%,占比由51.43%降为40.91%,有效强化了单质铜相的浮选回收。应用实践证明,优化工艺综合经济效果显著,可实现铜冶炼渣中铜、金、银的高效回收。     

射频IC卡在ucLinux中的驱动设计与应用

简要介绍了现今使用较为广泛的Mifare1非接触式IC智能射频卡的功能模块以及存储结构，并且针对ucLinux操作系统，详细阐述了如何实现Mifare1卡驱动的设计。     

不同工况下铜渣缓冷热场仿真与研究

以国内某企业闪速炉铜渣为研究对象,采用ANSYS软件,建立3D模型,研究了在夏季和冬季工况铜渣缓冷制度下的热场分布。结果表明：闪速炉铜渣在夏季和冬季缓冷时,其内部温度变化趋势基本相同,随着缓冷时间的增加,温度由内到外逐渐降低,高温区域不断缩小。但是夏季铜渣内部和渣包侧壁温度分布比冬季高,铜渣内部温度分布在12 h时温差达到最大67.86 ℃,在冷却水缓冷前两个小时温度下降最快,夏季和冬季降温速率分别为86.63、100.66 ℃/h。此阶段温度下降速度过快,不利于铜渣中含铜颗粒的长大。渣包侧壁自然缓冷时平均温度夏季比冬季高4.62 ℃,冷却水缓冷时平均温度夏季比冬季高3.96 ℃。在冷却水缓冷后期,渣包侧壁的温度下降缓慢,冷却水缓冷效果相比之前有所下降。     

褐铁型高锰红土矿微波预处理-酸浸提取镍钴

以褐铁型高锰红土矿为研究对象，采用微波预处理-酸浸工艺提取Ni、Co。对矿样物相组成及Ni、Co、Fe、Mn等主要元素赋存状态进行X射线衍射（XRD）和电子探针（EPMA）表征，研究常压条件下硫酸浓度、浸出时间、浸出温度等因素对微波预处理矿样中Ni、Co浸出效果的影响。结果表明：矿样中镍钴品位较高但物相结构复杂，Ni主要与Mn以NiMn₃O₇?3H₂O形式赋存，Co伴生于针铁矿和碱式氧化锰中；在最优浸出条件下，即硫酸浓度300g/L、浸出时间5h、浸出温度90℃、液固比6∶1（以mL/g计）、搅拌速度280r/min，Ni、Co浸出率分别达到95.4%和97.1%，与相同浸出条件下未经微波处理的矿样相比，Ni、Co浸出率分别提高了69.4%和70.1%，实现镍钴的高效浸出；对比微波处理前后矿样XRD图谱，发现微波作用下矿物中Ni、Fe、Mn等物相结构出现明显转变，利于Ni、Co酸浸反应。     

一种分布式的手机测试云系统

构建了一种分布式的手机测试云系统,通过Java虚拟机技术采用了分布式客户端接入零散的系统测试终端,再采用Web服务器技术提供统一的测试控制接口及报告查看接口。