【摘 要】
：
采用烃类油蒸发制造油气,将油气通入浮选柱气泡发生器的吸气口,生成油泡。对低阶煤煤泥进行油泡柱浮选试验,试验结果表明:油泡对低阶煤煤泥具有强捕收能力与高选择性,分选指
【基金项目】
：
国家自然科学基金资助项目(U1903207)。
论文部分内容阅读
采用烃类油蒸发制造油气,将油气通入浮选柱气泡发生器的吸气口,生成油泡。对低阶煤煤泥进行油泡柱浮选试验,试验结果表明:油泡对低阶煤煤泥具有强捕收能力与高选择性,分选指标较好。将油泡浮选技术用于工业浮选柱分选,可有效降低浮选捕收剂用量,浮选泡沫层稳定,分选指标好。油泡浮选技术在低阶煤煤泥浮选提质中的应用,为低阶煤煤泥的资源化利用探索出一条新的途径。
其他文献
传统图像修复方法在修复受损区域较大的图像时会出现修复结果过于平滑或模糊的现象,并且较难重建合理的人脸图像结构。在传统生成对抗网络的鉴别器中引入多尺度特征融合方法,将不同深度的特征图经过上采样后直接相加,使浅层信息和深层信息有效结合。通过借助高层特征把握图像的整体规律,同时利用低层特征填充人脸图像的细节纹理,进而使一张图像的分辨率及其语义特征相互融合,实现有效的人脸图像修复。在CelebA数据集上的
为了探索添加助滤剂以及超声波辅助处理后煤泥脱水效果的变化,以微细粒煤泥为研究对象,对煤泥性质进行了分析,综合考察了助滤剂用量、超声波频率、超声作用时间等因素对脱水
传统手工获取特征描述子的方式不能保证特征点在非线性形变状态下进行正确匹配,无法有效解决图像存在较大形变时的特征描述问题。针对柔性生物组织MR影像特征点匹配问题,提出一种结合注意力机制的增强描述子。采用多层感知机对特征点位置信息进行编码并与特征点的初始描述子相结合,将图注意力神经网络中的自我注意与交叉注意的方法相结合,并运用消息传递方法传递节点信息。通过充分利用图注意力神经网络的层次性,以融合不同层
针对錦界煤矿开采工作面不断推进,原煤矸石泥化问题愈来愈严重,致使锦界选煤厂入选原煤中夹带的高灰细泥占比持续增加,给煤泥水浓缩沉降和压滤脱水作业带来很大压力的情况,为
针对卷积神经网络中的图像超分辨率重建模型训练不稳定与收敛速度较慢等问题,提出一种可嵌入式并行网络框架(EPNF),用于单幅图像超分辨率重建任务。将现有的图像超分辨率网络模型作为EPNF框架的深层结构部分嵌入到该框架中,能够以较小参数代价加快所嵌入的超分辨率模型的收敛速度,在一定程度上提高模型的准确率。在EPNF网络结构的基础上,提出一种新的超分辨率重建方法 EPNF_DCSR,采用稠密跳跃连接构造
低阶煤表面存在大量的含氧官能团,使其在浮选过程中难以很好地完成矿化过程,导致低阶煤浮选产率低。为了解决传统的柴油等极性油捕收剂在低阶煤浮选中选择性较差,不能有效分
在室内定位设计中,接收信号强度(RSS)容易受到发射功率、信号衰减和多径环境等因素的影响。在锚节点天线高于被测节点天线的应用条件下,提出一种基于RSS的二维到达角(AoA)估
为提高浮选精煤质量和产率,充分利用煤系伴生矿物,通过对林西矿选煤厂浮选入料进行磨矿解离和浮选试验研究,制定了“浮选入料磨矿+旋流器分级脱泥+旋流器底流浮选+旋流器溢流
为避免锚点对目标检测模型的鲁棒性造成负面影响,并保证在无锚点情况下模型具有较高的准确度,提出一种单线程无锚点全卷积网络模型。通过取消预设锚点参数以及像素级别预测,使得模型在无锚点情况下检测目标时具有更高的鲁棒性。使用沙漏骨干网络取代特征金字塔模块,从而降低锚点与特征金字塔模块的冗余以及计算量,使整体模型结构更加精简。实验结果表明,与经典锚点Retinanet模型相比,该模型利用正例区域原则与中心偏
针对携带污染噪声的指静脉图像中背景区域、静脉区域和噪声区域的稀疏特性,提出一种改进的指静脉图像去噪算法。利用指静脉稀疏结构特性建立鲁棒主成分分析(RPCA)模型,通过交替方向乘子法求解RPCA模型获得含稀疏目标的前景图像并对其进行阈值分割以提取噪声分布图,同时根据提取结果建立修复优先度规则和自适应选择性滤波模板,实现指静脉图像的去噪处理。实验结果表明,与自适应非局部均值去噪算法和基于分数阶微分梯度