基于湿润锋前进法的不同应力状态砂质黄土土柱渗流试验

由于试验装置的局限性,非饱和土渗透特性的研究大多未考虑应力对渗透系数的影响。为探讨水-力耦合作用下砂质黄土的渗透特性,自主研制了一套水-力耦合试验装置。采用湿润锋前进法探究了不同初始干密度和轴向力对非饱和渗透系数的影响,得到水-力耦合作用下非饱和黄土渗透性和轴向位移的演化规律。结果表明:(1)砂质黄土的渗透系数随基质吸力的增大而减小,在不同测试截面处渗透函数曲线出现分层现象;(2)土体的渗透系数随初始干密度和轴向力增大而减小;(3)随轴向力增大,不同初始干密度土柱的稳定渗透系数趋向一致;(4)砂质黄土具有较大的水敏性,在水-力耦合作用下土体结构破坏,导致湿化前后轴向位移差异较大。     

堆石混凝土单轴受压应力-应变全曲线试验方法研究

为了研究堆石混凝土应力-应变全曲线,采用碟形弹簧与钢柱组合成附加刚性元件增强压力机的刚性,研究了碟形弹簧并联与串联联结装置的变形量和刚度以及实现单轴受压端部减摩措施,提出了一种堆石混凝土单轴受压应力-应变全曲线的试验方法。在混凝土压力试验机上进行了堆石混凝土立方体试件单轴受压试验,测得了堆石混凝土受压应力-应变全曲线。试件破坏形态表明,采用的端部减摩措施有效,测得的应力-应变曲线下降段验证了碟形弹簧与钢柱组合装置能够吸收试件破坏时混凝土压力试验机存储的变形能。研究结果为在混凝土压力试验机上进行堆石混凝土单轴受压应力-应变全曲线提供了可行、简便、经济的测试方法。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

多目标优化策略在精馏过程中的应用研究

针对精馏塔自由度多,能耗大,扰动复杂多变,控制和优化要求高等特点,提出了一种基于动态矩阵控制(DMC)的二层多目标优化控制策略。在实现精馏过程控制目标的前提下,设计了二层优化指标,可在有多余自由度的情况下,进行二层控制和优化,实现精馏过程质量控制目标和经济运行优化。通过对Shell多侧线精馏过程的仿真研究,验证了二层多目标优化控制策略的有效性。与DMC控制相比,二层多目标优化控制策略可以明显改善精馏塔运行的经济性,实现增加收益的目标。     

一种基于混合神经网络的浮选pH值预测模型

矿物浮选过程中,矿浆pH值作为影响浮选效果的一个重要因素,是实现浮选过程监视及优化控制的一个重要参量。目前的pH值测定仪存在交叉污染、测量滞后等问题,难以获得实时准确的pH值。为使浮选运行在最优状态,在泡沫图像特征提取的基础上,提出一种基于自适应遗传混合神经网络的预测模型,该模型首先利用主元分析(PCA)方法对提取的多个图像特征进行降维,然后采用自适应遗传混合神经网络(AGA-HNN)建立pH值预测模型。最后将该模型应用于浮选现场,预测结果能够实时跟踪实际值,根据预测值实时调整工况条件,改善了浮选效果,提高了浮选效率。     

金选别工艺的发展与深化

本文阐述了充分考虑矿石性质,探索出混合浮选的分步流程,恰当的施用多元扑收剂所产出的“协同效应”,稳定和强化选别工艺,收到提高选金技术指标的效果。     

钢管混凝土柱-混合梁节点抗震性能试验研究

提出适用于装配式大跨度组合框架结构的钢管混凝土柱-混合梁节点. 为了研究节点的抗震性能及受力机理,对2个足尺中柱节点试件进行低周往复加载试验. 2个试件分别采用混合梁端型钢翼缘削弱式(RBS)节点以及梁端普通型钢节点. 对2个节点的破坏形态、耗能能力、承载能力、延性以及混合梁的应变分布规律进行对比分析. 试验结果表明,对梁端型钢翼缘的削弱处理可以有效促进试件在翼缘削弱区形成塑性铰,避免梁端焊缝的脆性破坏. 相比型钢未经处理的节点,翼缘削弱节点展现出更好的延性和耗能能力;梁底附加钢筋屈服后的黏结滑移会影响节点的耗能能力,在锚固长度满足规范要求的前提下,应适当增加其配筋率,以防止过早出现附加钢筋屈服后的黏结滑移.     

再生砖混骨料混凝土柱的小偏心受压性能

通过小偏心受压性能试验对比研究3根的天然骨料混凝土柱和3根同强度全再生砖混骨料混凝土柱,强度分别为C25、C30和C35. 对6根柱进行加载试验,分析再生砖混骨料混凝土柱相比于同强度天然骨料混凝土柱在受力过程、破坏特征、变形能力与承载力等方面的差异. 试验发现,再生砖混骨料混凝土柱在小偏心加载至破坏的过程中,具有与天然骨料混凝土柱相似的3个受力阶段,且符合平截面假定. 与同强度的天然骨料混凝土柱相比,变形较大,但再生砖混骨料混凝土柱的极限承载力略高,原因可能在于两者轴心抗压强度的差异.     

胍基阳离子捕收剂反浮选磷矿的性能与机理分析

为了研究磷矿反浮脱硅过程中,胍基阳离子磷矿捕收剂的作用机理,以N-椰油基-1,3-丙撑二胺、单氰胺、乙酸为原料制得一种阳离子表面活性剂,并用于傅里叶红外光谱仪表征,测试了该药剂与3种矿物作用前后的接触角、Zeta电位、红外光谱,进行了石英、白云石、胶磷矿的纯矿物浮选试验等。结果表明:该合成药剂属胍基阳离子表面活性剂,在广泛pH值范围内,对石英的捕收能力较强,对白云石次之,对胶磷矿较弱;在弱碱性下,对白云石捕收性能有所提高;相较白云石、胶磷矿,该药剂更易与石英产生吸附作用,使矿物表面呈现疏水性;接触角、Zeta电位、红外光谱测试结果说明与3种矿物的吸附主要是物理吸附。试验结果说明该胍基阳离子表面活性剂可以作为磷矿反浮脱硅捕收剂。     

Interpretable modeling of metallurgical responses for an industrial coal column flotation circuit by XGBoost and SHAP-A “conscious-lab” development

Surprisingly, no investigation has been explored relationships between operating variables and metallurgical responses of coal column flotation (CF) circuits based on industrial databases for under operation plants. As a novel approach, this study implemented a conscious-lab “CL” for filling this gap. In this approach, for developing the CL dedicated to an industrial CF circuit, SHapley Additive exPlanations (SHAP) and extreme gradient boosting (XGBoost) were powerful unique machine learning systems for the first time considered. These explainable artificial intelligence models could effectively convert the dataset to a basis that improves human capabilities for better understanding, reasoning, and planning the unit. SHAP could provide precise multivariable correlation assessments between the CF dataset by using the Tabas Parvadeh coal plant (Kerman, Iran), and showed the importance of solid percentage and washing water on the metallurgical responses of the coal CF circuit. XGBoost could predict metallurgical responses (R-square > 0.88) based on operating variables that showed quite higher accuracy than typical modeling methods (Random Forest and support vector regression).