简介:研究浸出参数对电炉炼钢粉尘灰中选择浸出性Zn的影响,以Zn和Fe的浸出率为响应变量,以硫酸浓度、浸出温度、浸出时间和液固比为独立变量,采用基于三水平Box-Behnken的响应面法对浸出参数进行优化。对试验结果进行ANOVA分析和验证。在硫酸浓度为2.35mol/L,浸出温度为25℃,浸出时间为56.42min,液固比为5的条件下,可得到Zn的最大浸出率为79.09%,Fe的最小浸出率为4.08%。通过ANOVA分析表明,对Zn和Fe浸出率影响最大的因素为硫酸浓度和浸出温度。基于响应面法的模型与试验数据具有很好的一致性,Zn和Fe浸出率的相关系数分别为0.98和0.97。
简介:对苏打焙烧-碱浸-酸浸从高镍铜阳极泥中依次脱除硒和碲的工艺进行试验研究。通过热力学分析结合各工序中间产物的XRD图谱变化推断整个过程的反应机理。在苏打焙烧过程中,铜阳极泥中以Cu4SeTe形式存在的铜被氧化成CuO和Cu3TeO6,而硒和碲则分别转化为Ag2SeO4和Cu3TeO6。在焙砂碱浸过程中,Ag2SeO4容易溶解浸出,但Cu3TeO6转化为CuTeO3仍然难以浸出,因此在焙烧-碱浸过程硒优先于碲被浸出。残留在碱浸渣中的CuTeO3和CuO很容易在接下来的酸浸过程中浸出。试验研究结果显示,在最佳的苏打焙烧-碱浸过程中,超过97%的硒被浸出,而碲几乎不浸出,从而实现了硒与碲的分离。在随后的酸浸过程中,超过96%的铜和几乎所有的碲被浸出进入酸浸液中。
简介:建立适合铝合金材料的各向同性线性强化薄板在平面应力状态下塑性变形时厚向应变的求解模型。当加载于薄板的应力分量之比在平面内塑性变形过程中为常数时,薄板的应变分量间呈线性关系,研究发现这一系列不同应力比例和对应的应变比例值构成直线方程,即η-η线。因此,当应力分量间呈恒比例关系加载于薄板时,其厚度方向的应变可以通过η-η线方程快速得到,避免了积分和微分运算。当薄板处于更加复杂的加载状态时,其厚度可以通过提出的迭代优化算法模型得到。研究表明,计算结果与现有理论和有限元仿真结果的相对误差小于0.75%,其精度达到工程应用要求。该模型可用于航空高强铝合金厚板预拉伸工艺分析等实际应用。
简介:为探寻能够区分矿山微震信号和爆破信号的波形特征,建立基于人工识别标准的事件数据库。人工识别的考虑因素包括:波形的重复特征、波形的衰减特征、信号的主频大小以及事件发生的具体时间。将数据库中的微震信号和爆破信号调整至同一坐标系下发现,两类事件的起振角趋。于集中在不同的区间。考虑到P波到时提取的不准确性,波形起振角难以准确计算,提出以应用线性回归拟合得到的起振趋势线斜率代替起振角。将首次峰值起振趋势线斜率和最大峰值起振趋势线斜率连同首次波峰及最大波峰的坐标列为特征参数,应用Fisher判别法,能成功实现微震事件与爆破时间的准确分离,识别正确率达到97.1%。
简介:Grouplet变换是通过Haar变换实现的一种二维图像多尺度分析技术,拥有根据图像的纹理结构自适应改变基的能力,从而具有较好的稀疏性。与小波变换相比,Grouplet变换在针对纹理复杂的金属断口图像的识别方面具有更优越的性能;将Grouplet变换与关联向量机结合,采用Grouplet熵作为特征,关联向量机作为识别器,提出了一种新的基于Grouplet熵-RVM的航空构件断口图像识别方法。试验表明:该方法结合了Grouplet变换以及关联向量机的优势,在针对222张断口图像的训练与识别中,识别率达到了85.58%,相比Grouplet熵-SVM方法识别速率提高了5倍。
简介:为预测舰船航空飞行器防护涂层的服役寿命,在现有的老化动力学预测模型基础上,提出了改进的老化动力学模型与神经网络模型两种新的预测模型。对基材为AF1410,表面处理依次为喷丸、喷锌、喷底漆、喷磁漆的试样,进行三亚外部环境(紫外、热冲击、低温疲劳、盐雾)的综合加速试验,采用电化学阻抗谱技术测得了试样涂层腐蚀老化过程中的阻抗模值数据,并利用试验数据针对3种预测模型进行测试。测试结果表明,改进的老化动力学神经网络模型预测精度较传统老化动力学模型明显提高,且神经网络模型预测精度提高程度更明显。