餐厨垃圾处理系统中大物质+精细分选试验研究

餐厨垃圾预处理阶段中物质分选对工艺影响较大,杂质分选越彻底,杂质越少,设备故障率越低。针对餐厨垃圾预处理系统中大物质分选+精细分选进行试验,结果表明:大物质+精细分选(10 mm)对原始餐厨垃圾处理效果较好。处理后的大物质分选料含水率低于65%,含油率低于1%。处理后的精细浆料外观较细,含油率5%以上,筛上物占比30%~50%,含有的主要成分是菜、米粒、肉类等有机食物残渣,杂质较少(3%~4%),塑料占比基本为零。

申家庄煤矿选煤厂粗煤泥精细化分选工艺设计

由于粗煤泥处于重选和浮选有效分选粒度范围交界附近,申家庄煤矿选煤厂重选和浮选分选效率低、效果差。通过分析原煤性质,对原系统进行改进,选择采用干扰床(TBS)分选粗煤泥,将原煤脱泥筛筛下物直接进入干扰床分选机,分级分选。提高了重介系统分选下限和分选效率,降低了介耗、减小了浮选机及压滤机负荷,取得了良好的效果。

精细化分选对打叶复烤均质化加工的影响

为研究精细化分选对打叶复烤均质化加工的影响,选取初烤烟单等级原料,设置不分选、普选及精片选3种分选模式,分析原料、分选后及打叶复烤后烟叶各类指标的变化情况。结果表明:(1)精片选是对普选的进一步细分,无质量交叉情况,提高了原料的使用价值;(2)分选越精细,烟叶等级越高,打叶复烤前原料和打叶复烤后成品的水分、化学成分及叶片结构均匀性的控制效果也越好;(3)精片选不仅不会降低烟叶的使用价值,还可以进一步提升烟叶精细化的利用程度,充分挖掘烟叶的使用潜能,提升片烟原料的保障能力。

中煤磁选尾矿特性与分选工艺研究

通过对开滦集团范各庄选煤厂中煤磁选机尾矿特性的分析,发现大于0.10 mm粒级中含有30%左右的低灰分、低密度精煤。为贴合生产实际,采用工业用超级煤泥重介质旋流器作为试验平台,进行2种分选工艺方案试验对比。试验结果表明,用精煤磁选精矿作为煤泥重介质旋流器分选介质的方案,可以在大于0.10 mm粒级、灰分为33.39%的中煤磁选机尾矿中分选出灰分为10.15%、产率为27.07%的精煤,其数量效率是87.8%,可能偏差为0.035 kg/L,并在此基础上制定了该矿中煤磁选机尾矿煤泥重介质分选分级的新工艺流程。

基于矿山工业互联网的选煤厂智能管控体系设计与关键技术

为实现选煤全流程自动化、数字化与智能化,构建基于矿山工业互联网的选煤厂智能管控体系,搭建了选煤厂智能管控平台并开展生产应用实践。基于选煤厂实时透视化智能管控总体设计目标,建立了包括边缘层、数据中心、矿山工业互联网平台及业务应用等内容的选煤厂智能管控平台体系,设计了数据中心、业务应用等主要模块,研究了选煤大数据治理、BIM驱动数字孪生、精细化智能分选控制等平台建设相关的关键技术,其中选煤大数据治理技术为充分发挥选煤行业的数据价值提供技术支撑,BIM驱动数字孪生技术实现选煤过程的全链条透视化智能化管理,精细化分选控制为产品煤质量提供了实时在线保障,最终建成具有管理体系标准化、业务流程一体化、数据融合协同化的智能管控、快速决策与分析的选煤厂智能管控平台。平台基于矿山工业互联网技术打通生产管理、安全监测、生产控制与辅助决策等系统,对生产过程进行实时透视化监控、调度和控制,实现生产计划的执行、资源的优化配置,并通过下峪口选煤厂进行智能化管控实践,验证了其在选煤全流程智能感知、辅助决策与精准控制等方面的成效,在提高精煤产品质量和精煤回收率的同时,降低了生产成本、人力成本,减少了停机事故。

高效磁悬浮精选机在某铁精矿再选中的应用

针对安徽铁选矿厂原矿性质变化后,磁精矿品位偏低、波动大、损失在尾矿中的铁过多的问题,介绍了高效磁悬浮精选机双重分选、节水节电、整机安装的特点。应用该设备对铁选矿厂磁选4精矿进行精细分选,结果表明,铁精矿平均品位提高3.15个百分点,铁精矿中有害元素含量也大大减少,尾矿铁品位仅10.56%,单台设备平均用水量100 m^3/h、耗电量3 kW,实现了提高并稳定铁精矿品位至设计指标、节能降耗的目的,并有利于后续炼铁的环保生产。

珞璜电厂珞璜电厂粉煤灰微珠的精细化分选

针对华能集团重庆珞璜电厂煤粉炉粉煤灰的利用问题,采用XRF、XRD、Siroquant定量、SEM-EDS及光学显微镜等技术手段,在深入分析煤粉炉粉煤灰的岩石学、矿物学、元素地球化学特征的基础上,对此类粉煤灰的微珠进行浮沉、弱磁选和气流分级等精细化分选实验研究。结果显示,以水为介质的浮沉实验可获得质量分数0.15%的漂珠;磁场强度208×103A/m湿式弱磁选实验可获得质量分数14.8%、Fe2O3含量44.65%的磁珠;气力旋流分级实验可获得中值粒径分别为89.6、40.2、21.3、12.7、8.1、4.9μm共6个粒度级的粉煤灰微珠产品,表明通过精细化分选获得的粉煤灰微珠产品能够适应多种领域的应用,显著提高此类粉煤灰的高值利用率。

基于可见光谱图的大豆外观品质判别方法

提出一种基于可见光谱图多模态词典特征低秩稀疏表示框架的大豆外观品质判别方法,以精确确定大豆品质等级。首先,提取大豆粒子可见光谱图像的多尺度空间梯度特征和色差分量(YCbCr)颜色空间特征;将上述提取的空间梯度特征和颜色空间特征看作视觉词汇,通过Kernel K-means聚类算法获取视觉词汇的核空间局部分布聚类中心,形成视觉词典;然后,使用低秩稀疏表示法耦合上述两种特征,用于消除高维异质模态词典描述符中冗余信息的影响;最后,在高维耦合空间中根据样本之间的度量对低秩稀疏耦合表示多模态词典特征进行分类。所提方法充分利用多模态多尺度空间梯度特征和YCbCr颜色空间特征来描述大豆粒子外观品质的语义特征归属。实验结果表明:建模集和预测集总的识别精度分别达92.7%和80.1%,所提方法的识别精度优于文献中提出的基于单一模态的视觉词典特征表示方法。