CN104155873B - 湿法冶金全流程分层优化控制方法 - Google Patents
湿法冶金全流程分层优化控制方法 Download PDFInfo
- Publication number
- CN104155873B CN104155873B CN201410258101.9A CN201410258101A CN104155873B CN 104155873 B CN104155873 B CN 104155873B CN 201410258101 A CN201410258101 A CN 201410258101A CN 104155873 B CN104155873 B CN 104155873B
- Authority
- CN
- China
- Prior art keywords
- model
- leaching
- optimization
- index
- hydrometallurgy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供一种湿法冶金全流程分层优化控制技术,在生产管理部门确定总产出与总消耗的条件下,将全流程优化控制问题分为工序级指标优化和过程级回路设定优化两层结构加以实现。首先,通过建立描述湿法冶金各工序产出与最小消耗关系的各工序指标相关关系模型,然后,在各工序过程模型的基础上,建立工序过程优化模型并加以求解,进而实现关键控制回路设定优化。本发明还提供实施上述全流程优化控制技术的软件系统,它包括主程序、数据库和界面。本发明应用于某湿法冶金生产流程,降低了生产成本,提高了经济效益。
Description
技术领域
本发明属于湿法冶金领域,提出一种湿法冶金全流程分层优化控制方法,并进而提供一种湿法冶金全流程分层优化控制技术。
背景技术
湿法冶金具有高效、清洁、适用于低品位复杂金属矿产资源回收等优势,特别适于我国矿产资源贫矿多,复杂共生,杂质含量高等特点,特别是湿法冶金工艺工业化对于提高矿产资源的综合利用率,降低固体废弃物产量,减少环境污染,都有着重大意义。
近几年湿法冶金工艺、设备研究进展迅速。但是,湿法冶金工艺流程复杂,设备类型多样,工艺条件恶劣,如高温、高压、强腐蚀等,所以,与湿法冶金工艺相适应的全流程优化控制技术成为确保其安全、稳定生产运行,大规模产业化亟待解决的重要问题。
湿法冶金过程的工艺流程如图1所示,它是一个将矿石、经选矿富集的精矿或其他原料经与水溶液或其他液体相接触发生化学反应,使原料中所含的有用金属转入液相,再将液相中所含的各种有用金属进行分离富集的过程。该过程是由一系列子过程(如浸出、压滤洗涤和置换)连接而成的复杂过程,随着优化技术的发展,对复杂湿法冶金过程的全流程优化也提出了越来越高的要求,单一子过程的优化已不能满足整个过程生产的需要,必须将单一子过程的优化问题融入到整个流程优化中,进而实现湿法冶金过程的全流程优化控制。
目前,尚未见有关湿法冶金全流程优化控制方面的报道。目前,湿法冶金企业所采用的方法主要是由流程管理工程师凭人工经验进行指标与设定控制,导致对湿法冶金过程生产的指导带有较大的模糊性与随意性,难以保证生产的全流程优化运行,实现高效低耗。
发明内容
本发明的目的是提出一种湿法冶金全流程分层优化方法,即在生产管理部门确定总产出与总消耗的条件下,将全流程优化控制问题分为工序级指标优化和过程级回路设定优化两层结构加以实现。首先,通过建立描述湿法冶金各工序产出与最小消耗关系的各工序指标相关关系模型,以全流程经济效益最大为目标,以工序指标为决策变量,建立工序指标优化模型并加以求解,进而实现工序指标优化;然后,在各工序过程模型的基础上,将工序指标优化结果引入约束,以生产操作偏好或消耗最小为优化目标,以关键控制回路设定为决策变量,建立工序过程优化模型并加以求解,进而实现关键控制回路设定优化。湿法冶金全流程分层优化控制方法主要包括各工序指标相关关系模型以及过程模型的建立、工序指标优化模型与工序过程优化模型的建立以及求解等步骤。
采用的技术方案是:
湿法冶金过程的分层全流程优化方法,包括下述工艺步骤:
1)各个工序的过程模型和指标相关关系模型的建立
(A)各工序指标相关关系模型的建立
工序指标相关关系模型主要是体现投入与产出关系的工序最小消耗模型,即各个工序指标与最小消耗之间的关系。利用实际生产过程指标数据,以产出指标为输入、以其对应最小消耗为输出建立各工序指标相关关系数据模型。以图1所示湿法冶金工艺流程为例,该生产全流程各工序指标相关关系模型为:
QM1=F1(Qs,Cw,Cs0,x1) ①
QM2=F2(Qs,Cw,Cs0,x1,x2) ②
QM3=F3(Qs,Cw,Cs0,x1,x2,y,pgg) ③
式中QM1—一次浸出过程氰化钠最小消耗所折算的费用;
QM2—二次浸出过程氰化钠最小消耗所折算的费用;
QM3—置换过程锌粉最小消耗所折算的费用;
Fi—工序指标与最小消耗之间的关系模型(如神经网络模型);
Qs—流入浸出槽的矿石流量;
Cw—流入浸出槽的矿浆浓度;
Cs0—原矿中金的初始品位;
x2—为二浸浸出率;
y—为置换过程的置换率。
pgg—为金泥品位。
由于流程各工序指标间相互关联、彼此影响,除了各工序最小消耗模型,工序指标相关关系模型还包括指标间取值范围相关关系模型。以图1所示湿法冶金工艺流程为例,一浸浸出率与其对应的二浸最大浸出率之间的相关关系模型,即
x2,max=f(x1) ④
式中x1—为一浸浸出率;
x2,max—为二浸最大浸出率。
f—一浸浸出率与二浸最大浸出率之间的关系模型。
(B)各个工序的过程模型的建立
本发明中采用的各个工序的过程模型为利用物料平衡关系建立好的浸出、压滤洗涤和置换过程模型。
2)分层全流程优化模型的建立
本发明中采用的分层全流程优化模型是由工序级优化模型和过程级优化模型组成,其工序级优化模型和过程级优化模型如下:
(A)工序级指标优化模型
工序级指标优化是在完成全流程综合生产指标的基础上,以全流程经济效益最大为目标,确定最优的各工序指标(一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗)。工序级优化模型为
式中J—单位时间经济效益;
QAu—金的产量;
PAu—金价格;
QZ—氰渣利润;
W—湿法冶金过程的生产总成本;
η—金的最低回收率;
Ps—当前矿石价格;
Qe—空压机和渣浆泵电能损耗所折算的费用;
Qh—环保处理成本;
Qgg—由金泥品位所产生的处理成本;
QMU—物耗上限值;
ymin—置换率工艺技术要求值;
pgg,min—金泥品位工艺技术要求值。
在式⑤中,QZ可由下式表示
QZ=(Qs·Cs0-QAu/y)·PAu·μ ⑥
式中μ—氰渣返金率。
(B)过程级回路设定优化模型
过程级回路设定优化是在工序级所确定的最优各工序指标(一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗)基础上,分别确定各工序最优的控制回路设定值。各工序过程级优化模型,包括一次浸出过程优化模型、二次浸出过程优化模型以及置换过程优化模型。
一、二次浸出过程优化均以第一槽氰化钠添加量最大这一操作偏好为目标,以各浸出槽氰化钠添加量为决策变量建立优化模型;置换过程优化则以锌粉消耗最小为目标,以锌粉添加量为决策变量建立优化模型。
一次浸出过程优化模型为
二次浸出过程优化模型为
置换过程级优化模型为
式中x1,mubiao—工序级优化确定的一浸浸出率;
x2,mubiao—工序级优化确定的二浸浸出率;
ymubiao—工序级优化确定的置换率;
Qi,jcn—i次浸出过程第j个浸出槽的氰化钠添加量;
QZn—置换过程锌粉添加量。
PZn—锌粉的单价。
(4)优化模型的求解
对上述优化模型,采用粒子群优化算法加以求解,获得最优解与最优值。
本发明根据生产要求及生产现场状况,优化指导生产过程中的原料添加量,制定合理的生产计划,以解决生产过程中存在的原料添加量不足以及盲目过多添加等问题,确保达到生产要求的同时,避免原料浪费,降低了生产成本。
附图说明
图1为湿法冶金过程的工艺流程图;
图2为本发明装置的硬件结构示意图;
图3为湿法冶金全流程建模示意图;
图4为本发明的分层全流程优化结构图;
图5为过程最小消耗模型结构图;
图6为湿法冶金全流程预测界面图;
图7为湿法冶金全流程分层优化界面图。
具体实施方式
湿法冶金全流程分层优化控制方法,其特征在于:在生产管理部门确定总产出与总消耗的条件下,将全流程优化控制问题分为工序级指标优化和过程级回路设定优化两层结构加以实现,即首先进行各关键生产工序指标优化,然后,在工序指标优化结果的基础上实现各工序关键控制回路设定优化;通过建立描述湿法冶金各工序产出与最小消耗关系的各工序指标相关关系模型,以全流程经济效益最大为目标,以工序指标为决策变量,建立工序指标优化模型进而实现工序指标优化;在各工序过程模型的基础上,将工序指标优化结果引入约束,以生产操作偏好或消耗最小为优化目标,以关键控制回路设定为决策变量,建立工序过程优化模型进而实现关键控制回路设定优化。湿法冶金全流程分层优化控制方法主要包括各工序指标相关关系模型以及过程模型的建立、工序指标优化模型与工序过程优化模型的建立以及求解等步骤;
1)各个工序的过程模型和指标相关关系模型的建立
(1)各工序指标相关关系模型的建立
工序指标相关关系模型主要是体现投入与产出关系的工序最小消耗模型,即各个工序指标与最小消耗之间的关系。利用实际生产过程指标数据,以产出指标为输入、以其对应最小消耗为输出建立各工序指标相关关系数据模型;该生产全流程各工序指标相关关系模型为:
QM1=F1(Qs,Cw,Cs0,x1) ①
QM2=F2(Qs,Cw,Cs0,x1,x2) ②
QM3=F3(Qs,Cw,Cs0,x1,x2,y,pgg) ③
式中QM1—一次浸出过程氰化钠最小消耗所折算的费用;
QM2—二次浸出过程氰化钠最小消耗所折算的费用;
QM3—置换过程锌粉最小消耗所折算的费用;
Fi—工序指标与最小消耗之间的关系模型;
Qs—流入浸出槽的矿石流量;
Cw—流入浸出槽的矿浆浓度;
Cs0—原矿中金的初始品位;
x2—为二浸浸出率;
y—为置换过程的置换率。
pgg—为金泥品位。
工序指标相关关系模型还包括指标间取值范围相关关系模型;一浸浸出率与其对应的二浸最大浸出率之间的相关关系模型,即
x2,max=f(x1) ④
式中x1—为一浸浸出率;
x2,max—为二浸最大浸出率。
f—一浸浸出率与二浸最大浸出率之间的关系模型。
(2)各个工序的过程模型的建立
本发明中采用的各个工序的过程模型为利用物料平衡关系建立好的浸出、压滤洗涤和置换过程模型;
2)分层全流程优化模型的建立
本发明中采用的分层全流程优化模型是由工序级优化模型和过程级优化模型组成,其工序级优化模型和过程级优化模型如下:
(1)工序级指标优化模型
工序级指标优化是在完成全流程综合生产指标的基础上,以全流程经济效益最大为目标,确定最优的各工序指标:一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗;工序级优化模型为
式中J—单位时间经济效益;
QAu—金的产量;
PAu—金价格;
QZ—氰渣利润;
W—湿法冶金过程的生产总成本;
η—金的最低回收率;
Ps—当前矿石价格;
Qe—空压机和渣浆泵电能损耗所折算的费用;
Qh—环保处理成本;
Qgg—由金泥品位所产生的金泥处理成本;
QMU—生产管理部门确定的物耗上限值;
ymin—置换率工艺技术要求值;
pgg,min—金泥品位工艺技术要求值。
在式⑤中,QZ可由下式表示
QZ=(Qs·Cs0-QAu/y)·PAu·μ ⑥
式中μ—氰渣返金率。
(2)过程级回路设定优化模型
过程级回路设定优化是在工序级所确定的最优各工序指标,包括一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗的基础上,分别确定各工序最优的控制回路设定值;各工序过程级优化模型,包括一次浸出过程优化模型、二次浸出过程优化模型以及置换过程优化模型;
一、二次浸出过程优化均以第一槽氰化钠添加量最大这一操作偏好为目标,以各浸出槽氰化钠添加量为决策变量建立优化模型;置换过程优化则以锌粉消耗最小为目标,以锌粉添加量为决策变量建立优化模型。
一次浸出过程优化模型为
二次浸出过程优化模型为
置换过程级优化模型为
式中x1,mubiao—工序级优化确定的一浸浸出率;
x2,mubiao—工序级优化确定的二浸浸出率;
ymubiao—工序级优化确定的置换率;
Qi,jcn—i次浸出过程第j个浸出槽的氰化钠添加量;
QZn—置换过程锌粉添加量。
PZn—锌粉的单价。
湿法冶金全流程优化系统运行在Lenovo ThinkCentre M8400t(i7 3770/4GB/1TB)计算机上,采用C#2008编程软件,优化计算等核心算法采用Matlab 2010a编程软件。系统界面包括:湿法冶金全流程模型参数设置界面、湿法冶金全流程预测系统界面和湿法冶金全流程分层优化结果显示界面。
本发明的内容在某精炼厂的湿法冶金过程得到了实际应用,并取得了显著效果。
在湿法冶金生产过程的实施。
该湿法冶金生产线图1所示,包括两次浸出工序、两次压滤洗涤工序和置换生产工序。
湿法冶金全流程优化系统运行在Lenovo ThinkCentre M8400t(i7 3770/4GB/1TB)计算机上,采用C#2008编程软件,核心算法采用Matlab 2010a编程软件。
表1给出了分层全流程优化在湿法冶金过程运行所得的结果。
表1分层优化结果
Claims (2)
1.湿法冶金全流程分层优化控制方法,其特征在于:在生产管理部门确定总产出与总消耗的条件下,将全流程优化控制问题分为工序级指标优化和过程级回路设定优化两层结构加以实现,即首先进行各关键生产工序指标优化,然后,在工序指标优化结果的基础上,实现各工序关键控制回路设定优化;通过建立描述湿法冶金各工序产出与最小消耗关系的各工序指标相关关系模型,以全流程经济效益最大为目标,以工序指标为决策变量,建立工序指标优化模型进而实现工序指标优化;在各工序过程模型的基础上,将工序指标优化结果引入约束,以生产操作偏好或消耗最小为优化目标,以关键控制回路设定为决策变量,建立工序过程优化模型进而实现关键控制回路设定优化;湿法冶金全流程分层优化控制方法主要包括各工序指标相关关系模型以及过程模型的建立、工序指标优化模型与工序过程优化模型的建立以及求解步骤;
1)各个工序的过程模型和指标相关关系模型的建立
(1)各工序指标相关关系模型的建立
工序指标相关关系模型主要是体现投入与产出关系的工序最小消耗模型,即各个工序指标与最小消耗之间的关系,利用实际生产过程指标数据,以产出指标为输入、以其对应最小消耗为输出建立各工序指标相关关系数据模型;该生产全流程各工序指标相关关系模型为:
QM1=F1(Qs,Cw,Cs0,x1) ①
QM2=F2(Qs,Cw,Cs0,x1,x2) ②
QM3=F3(Qs,Cw,Cs0,x1,x2,y,pgg) ③
式中QM1—一次浸出过程氰化钠最小消耗所折算的费用;
QM2—二次浸出过程氰化钠最小消耗所折算的费用;
QM3—置换过程锌粉最小消耗所折算的费用;
Fi—工序指标与最小消耗之间的关系模型;
Qs—流入浸出槽的矿石流量;
Cw—流入浸出槽的矿浆浓度;
Cs0—原矿中金的初始品位;
x2—为二浸浸出率;
y—为置换过程的置换率;
pgg—为金泥品位;
工序指标相关关系模型还包括指标间取值范围相关关系模型;一浸浸出率与其对应的二浸最大浸出率之间的相关关系模型,即
x2,max=f(x1) ④
式中x1—为一浸浸出率;
x2,max—为二浸最大浸出率;
f—一浸浸出率与二浸最大浸出率之间的关系模型;
(2)各个工序的过程模型的建立
本发明中采用的各个工序的过程模型为利用物料平衡关系建立好的浸出、压滤洗涤和置换过程模型;
2)分层全流程优化模型的建立
本发明中采用的分层全流程优化模型是由工序级优化模型和过程级优化模型组成,其工序级优化模型和过程级优化模型如下:
(1)工序级指标优化模型
工序级指标优化是在完成全流程综合生产指标的基础上,以全流程经济效益最大为目标,确定最优的各工序指标:一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗;工序级优化模型为
式中J—单位时间经济效益;
QAu—金的产量;
PAu—金价格;
QZ—氰渣利润;
W—湿法冶金过程的生产总成本;
η—金的最低回收率;
Ps—当前矿石价格;
Qe—空压机和渣浆泵电能损耗所折算的费用;
Qh—环保处理成本;
Qgg—由金泥品位所产生的金泥处理成本;
QMU—生产管理部门确定的物耗上限值;
ymin—置换率工艺技术要求值;
pgg,min—金泥品位工艺技术要求值;
在式⑤中,QZ可由下式表示
QZ=(Qs·Cs0-QAu/y)·PAu·μ ⑥
式中μ—氰渣返金率;
(2)过程级回路设定优化模型
过程级回路设定优化是在工序级所确定的最优各工序指标,包括一浸浸出率、二浸浸出率、置换率、金泥品位以及各工序消耗的基础上,分别确定各工序最优的控制回路设定值;各工序过程级优化模型,包括一次浸出过程优化模型、二次浸出过程优化模型以及置换过程优化模型;
一、二次浸出过程优化均以第一槽氰化钠添加量最大这一操作偏好为目标,以各浸出槽氰化钠添加量为决策变量建立优化模型;置换过程优化则以锌粉消耗最小为目标,以锌粉添加量为决策变量建立优化模型;
一次浸出过程优化模型为
二次浸出过程优化模型为
置换过程级优化模型为
式中x1,mubiao—工序级优化确定的一浸浸出率;
x2,mubiao—工序级优化确定的二浸浸出率;
ymubiao—工序级优化确定的置换率;
Qi,jcn—i次浸出过程第j个浸出槽的氰化钠添加量;
QZn—置换过程锌粉添加量;
PZn—锌粉的单价。
2.根据权利要求1所述的湿法冶金全流程分层优化控制方法,其特征在于:
湿法冶金全流程优化系统运行在型号为Lenovo ThinkCentre M8400t,内存型号为i73770/4GB/1TB的计算机上,采用C#2008编程软件,优化计算核心算法采用Matlab 2010a编程软件,系统界面包括:湿法冶金全流程模型参数设置界面、湿法冶金全流程预测系统界面和湿法冶金全流程分层优化结果显示界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410258101.9A CN104155873B (zh) | 2014-06-12 | 2014-06-12 | 湿法冶金全流程分层优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410258101.9A CN104155873B (zh) | 2014-06-12 | 2014-06-12 | 湿法冶金全流程分层优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104155873A CN104155873A (zh) | 2014-11-19 |
CN104155873B true CN104155873B (zh) | 2016-10-05 |
Family
ID=51881400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410258101.9A Active CN104155873B (zh) | 2014-06-12 | 2014-06-12 | 湿法冶金全流程分层优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104155873B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107121490B (zh) * | 2017-04-26 | 2019-08-09 | 东北大学 | 一种湿法冶金过程中运行状态的评价方法 |
CN106886154B (zh) * | 2017-04-26 | 2019-04-12 | 东北大学 | 基于区间数的湿法冶金全流程建模方法与优化方法 |
CN108037747B (zh) * | 2017-12-11 | 2019-08-09 | 东北大学 | 金湿法冶金全流程分层分块运行状态在线评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526814A (zh) * | 2009-02-03 | 2009-09-09 | 东北大学 | 湿法冶金浸出过程浸出率预测与优化操作方法 |
CN101813932A (zh) * | 2009-02-03 | 2010-08-25 | 东北大学 | 湿法冶金萃取过程组分含量预测与优化操作方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02151901A (ja) * | 1988-12-02 | 1990-06-11 | Omron Tateisi Electron Co | メンバーシップ関数発生装置 |
JPH02176904A (ja) * | 1988-12-28 | 1990-07-10 | Hitachi Ltd | 非線形計画問題の局所解推定装置及びこの装置を備える非線形計画装置 |
-
2014
- 2014-06-12 CN CN201410258101.9A patent/CN104155873B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526814A (zh) * | 2009-02-03 | 2009-09-09 | 东北大学 | 湿法冶金浸出过程浸出率预测与优化操作方法 |
CN101813932A (zh) * | 2009-02-03 | 2010-08-25 | 东北大学 | 湿法冶金萃取过程组分含量预测与优化操作方法 |
Non-Patent Citations (1)
Title |
---|
湿法冶金中预测金产量的混合建模方法;袁青云等;《东北大学学报》;20130331;第34卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104155873A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102097866B (zh) | 中长期机组组合优化方法 | |
CN104155873B (zh) | 湿法冶金全流程分层优化控制方法 | |
CN104597755B (zh) | 一种湿法冶金金氰化浸出过程优化方法 | |
CN101183260A (zh) | 选矿全流程自动控制方法 | |
CN104835074A (zh) | 一种露天矿生产配矿方法 | |
CN104392284B (zh) | 一种基于情境分析的大中小水电短期可消纳电量最大协调优化调度方法 | |
CN102419581A (zh) | 一种基于hrcea的特殊钢厂炼钢-连铸生产调度方法 | |
CN101887544A (zh) | 连续型企业生产与能源耦合优化建模方法 | |
CN104281134B (zh) | 基于人机交互的原矿选别过程多生产指标优化系统及方法 | |
CN102863314A (zh) | 聚氯乙烯生产中氯乙烯的精制方法 | |
CN103246935B (zh) | 梯级电站的发电后评估系统及方法 | |
CN107944686A (zh) | 考虑电网输送风电适应性的网架扩展方法 | |
CN106886154B (zh) | 基于区间数的湿法冶金全流程建模方法与优化方法 | |
CN203417496U (zh) | 废渣沉淀装置 | |
CN207498095U (zh) | 一种荒煤气洗涤废水综合利用装置 | |
CN110390439A (zh) | 基于大数据粗糙集理论的油田预警模型系统 | |
CN209024646U (zh) | 一种pcb退锡系统 | |
CN106191446A (zh) | 一种从废弃荧光粉中回收稀土元素钇并制备树脂表面复合镀层的方法 | |
CN106282576A (zh) | 一种回收钙镁渣中镍的方法 | |
Long et al. | Simulation of carbon emission for mining‐separating‐backfilling integrated coal mines based on system dynamics | |
CN105870915B (zh) | 用于电力系统控制的电解铝和自备机组鲁棒等值建模方法 | |
CN113236203A (zh) | 一种碳酸盐岩有水气藏的水侵动态配产方法 | |
Zhang et al. | Evaluation of Industrial Load Adjustable Capability Considering Technological Processes | |
CN111274734A (zh) | 一种基于模型和数据的金氰化浸出过程混合优化方法 | |
CN104324928A (zh) | 一种水蒸汽-氧气强化微波处理湿法炼锌CuCl渣提质脱氯方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |