CN109001073A - 一种基于elm网络的新型矿浆浓度计和一种测量方法 - Google Patents

一种基于elm网络的新型矿浆浓度计和一种测量方法 Download PDF

Info

Publication number
CN109001073A
CN109001073A CN201810554074.8A CN201810554074A CN109001073A CN 109001073 A CN109001073 A CN 109001073A CN 201810554074 A CN201810554074 A CN 201810554074A CN 109001073 A CN109001073 A CN 109001073A
Authority
CN
China
Prior art keywords
measurement
pipe
pulp
drainpipe
elm
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.)
Pending
Application number
CN201810554074.8A
Other languages
English (en)
Inventor
肖东
王婧雯
王宁
刘有为
史家顺
刘新新
袁平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201810554074.8A priority Critical patent/CN109001073A/zh
Publication of CN109001073A publication Critical patent/CN109001073A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Paper (AREA)

Abstract

本发明涉及一种基于ELM网络的新型矿浆浓度计，其包括：引流管路，电子称重器和信号处理端；引流管路包括导流管，软管，测量管和排水管；测量管前端通过软管和导流管相连，后端通过另一根软管与排水管相连；测量管与电子称重器的测量端固定连接，电子称重器用于测量所述测量管内的矿浆重量；电子称重器将重量信号传递给信号处理端，信号处理端实时计算矿浆浓度。本发明提供的基于ELM网络的新型矿浆浓度计。测量管直接悬挂在电子称重器测量端，矿浆的浓度变化直接导致了测量管重量变化，重量信号同步传输给信号处理端，使得测量迅速、反应灵敏。本发明结构简洁，安装简单，操作简单，成本较低，维护周期长。

Description

一种基于ELM网络的新型矿浆浓度计和一种测量方法
技术领域
本发明涉及测量仪领域，尤其是一种基于ELM网络的新型矿浆浓度计。
本发明还涉及一种测量方法。
背景技术
由于矿浆浓度是选矿流程中重要的判断依据和参考指标,在选矿流程的磨矿、浮选、脱水等作业中,及时准确测量矿浆浓度对磨矿和浮选等一系列手作业有着至关重要的意义。工业现场需要经常测定矿浆浓度，从而就能够起到监督生产的作用，使整个选矿过程中矿浆浓度始终保持在规定的范围内，便于生产工人操作，使生产顺利进行。
现有浓度计有：射线浓度计，一定强度的射线在穿过待测物料时，其强度要减弱，减弱的程度取决于测量通道内以及待测物的浓度，如果测量通道已定，则通过测量射线被待测物衰减的程度，就可以得到待测物的浓度。缺点：放射源存在环境和安全隐患。
超声波矿浆浓度计，超声波穿过被测物后会被吸收衰减，其衰减程度和被测物浓度相关。缺点：超声波会受气泡影响，过多的气泡会影响测量结果的准确性。
光电式浓度计，光穿过被测物后会被吸收衰减，其衰减程度和被测物浓度相关。缺点：测量量程小，受色度影响。
差压法浓度计，通过固定距离的压力差，得到混合液密度，通过已知的被测物密度来计算出浓度，介质密度和水的密度必须有差值。缺点：在浓度小时测不准。压力测量容易受流动等冲击的影响；只有在介质和溶剂密度差较大时才适用。
浓度壶，对矿浆浓度进行离线检测，效率低下，重复劳动多，且不能实现矿浆浓度的自动控制。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题，本发明提供一种安全、成本低、效果好、在线检测的基于ELM网络的新型矿浆浓度计。本发明还提供了一种实时检测、计算，反应速度快，性能好的测量方法。
(二)技术方案
为了达到上述目的，本发明提供一种基于ELM网络的新型矿浆浓度计，其包括：引流管路，电子称重器和信号处理端；所述引流管路包括导流管，软管，测量管和排水管；所述测量管前端通过软管和导流管相连，后端通过另一根软管与排水管相连；导流管将矿浆引入引流管路，所述矿浆流经所述测量管，从所述排水管排出；所述测量管与电子称重器的测量端固定连接，所述电子称重器用于测量所述测量管内的矿浆重量；所述电子称重器将重量信号传递给信号处理端，所述信号处理端根据所述重量信号实时计算矿浆浓度。
优选的，所述导流管的进水口面向所述矿浆流动的方向，所述排水管的排水口垂直或背向所述矿浆流动的方向；所述导流管的进水口比所述排水管的排水口所处的液位低；所述排水管包括一段倒U型管路。
进一步的，所述导流管、电子称重器的本体、和排水管通过支撑杆固定，若干所述支撑杆固定于支架上。
优选的，所述导流管和排水管从矿浆所在的管道侧壁通入，所述通入处密闭连接；所述引流管路整体的水平位置低于所述矿浆流动时的液面。
优选的，所述导流管包括矿浆泵。
优选的，所述测量管长度1米，所述软管长度小于10厘米。
优选的，所述信号处理端包括CPU，AD模块，存储器和电源，所述AD模块分别与所述电子称重器和CPU相连，CPU还与存储器相连，电源向整个信号处理端供电。
本发明还提供一种测量方法，其包括如下步骤：称量测量管内液体的重量，得到模拟信号M；将模拟信号M转换为数字信号M′；采用滤波算法对数字信号M′进行处理，生成滤波信号M″；对滤波数字信号M″进行ELM神经网络计算得到矿液浓度ρ。
优选的，所述滤波算法的计算方式为，获得连续的N个数字信号M′，N为3至14；去掉其中的一个最大值和一个最小值；计算剩下N-2个数字信号M′的算术平均值，即一个滤波信号M″。
优选的，对滤波信号M″进行ELM神经网络计算之前，所述方法还包括：构建用于计算矿液浓度ρ的ELM神经网络；训练构建的ELM神经网络；其中，所述ELM神经网络的训练方式为，给定样本集 隐层输出函数P(ai,bi,x)，隐层节点个数L；随机生成隐层节点参数(ai,bi),i＝1,…,L；计算隐层输出矩阵H，H满秩；计算得到网络最优外权β，T＝[y1,…,yN]T。
(三)有益效果
本发明提供一种基于ELM网络的新型矿浆浓度计，能近距离操作,实现实时、连续监测,实时调整。测量管直接悬挂在电子称重器测量端，矿浆的浓度变化直接导致了测量管重量变化，重量信号同步传输给信号处理端，使得测量迅速、反应灵敏。本发明结构简洁，安装简单，操作简单，成本较低，维护周期长。
进水口迎向矿浆流，同时进水口所在的液位比出水口低，在水流自身的压力和惯性作用下，矿浆流过整个引流管路。同时利用矿浆压力能解决矿浆在测量管道中堆积问题，为设备省去冲洗装置，减小系统复杂性。倒U型管路可以聚集气泡，防止排水管处气泡逆行。
将导流管、电子称重器的本体和排水管固定在同一个支架上，可以整体搬动设备，利于随时在线监测。灵活选取检测地点，便于使用。
通过简易的改造矿浆管道，虽然使得本发明变为板固定式使用，但是测量段处于矿浆流动时的液面之下，有助于引流管道内矿浆更有力的流动。
导流管处设置矿浆泵可以更有效的提升矿浆，可以使得测量管的布置位置更灵活。
测量管长度设置为1m，首先是便于测量计算，另外还有利于从结构上平滑矿浆重量变化，连续流动的矿浆通过较长的测量管，重量变化更平稳，减小对系统的冲击，减小数据波动。
CPU是信号处理端的核心部件，存储器用于存储用户程序、参数等重要数据，AD模块(模拟量输入模块)将输入的连续模拟量信号转化为CPU可处理的数字量。三者配合，用于自动完成数据采集、处理、计算和发布的功能，同时还能存储程序和历史数据，方便启用。
模拟量转化为数字量，完成了物理现实向程序空间的转化。通过滤波处理，消除噪声，能够更好地把控数据中真实的性质。基于滤波后的数据，进行ELM神经网络计算。该方法具有学习速度快、泛化性能好等优点，且快速、高效、操作简单。
滤波时去掉最大值和最小值，可以减小极值的影响，再计算算术平均值，得到了稳健、优选的滤波数据。
训练ELM神经网络时，只需给出隐层节点个数L，便可以获得唯一的最优解。网络的外权是通过最小化平方损失函数得到的最小二乘解，最终化归成求解一个矩阵的广义逆问题。这样网络参数的确定过程中无需任何迭代步骤,从而大大降低了网络参数的调节时间。
附图说明
图1为一种基于ELM网络的新型矿浆浓度计的结构示意图；
图2为另一种基于ELM网络的新型矿浆浓度计使用时的结构示意图；
图3为一种信号传输线路结构示意图。
【附图标记说明】
1：导流管；2：软管；3：电子称重器；4：支撑杆；5：测量管；6：AD模块；7：CPU；8：数字显示器；9：云端电脑。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
实施例1
如图1和图2所示，测量管5固定在电子称重器3的测量端，测量管5的两端分别通过软管2连接导流管1和排水管。导流管1的进水口较低，图中矿浆从左侧向右侧流动，导流管1的进水口迎向矿浆流。排水管的排水口比进水口所处的水平位置高，可以处于贴近矿浆流的液面处，排水口的方向垂直于或背向于矿浆的流动方向。导流管1处可设置有矿浆泵，可以加快矿浆在整个引流管路内的流速。当矿浆浓度变化时，可以更快速的使整个测量管5内的矿浆更新。
排水管还包括一段倒U型管路，用于防止排水口处可能出现的气泡逆行。图2中导流管1、排水管和电子称重器3的本体固定在一个可移动的支架上，实际上也可以借助矿浆槽的其他组件永久、半永久式的固定。导流管1和排水管曲折处可以利用长短不一的支撑杆4进行固定。
图2中支架适于移动，可以放置在不同矿浆槽的不同位置，放置后导流管1的进水口和排水管的排水口位于矿浆流的合适位置。矿浆从整个引流管路流过。当矿浆浓度不同时，引流管路内的矿浆重量不同。测量管5和电子称重器3的测量端受电子称重器3的本体约束，但随着测量管5内矿浆的重量变化，测量管5和电子称重器3的测量端会相对电子称重器3的本体及引流管路的其他位置有竖直方向的移动，较长的软管2不会造成这种运动的限制。
如图3所示，电子称重器3与AD模块6电连接，AD模块6与CPU7电连接，CPU7与数字显示器8、云端电脑9及存储器卡分别电连接。CPU7还与电源块连接。
电子称重器3检测到测量管5内的矿浆重量变化，得到模拟信号M，模拟信号M是电子称重器3基于重量发出的电信号。电子称重器3采用毫伏电压转换输出，电压和重量关系是：供电电压×灵敏度＝最大输出毫伏电压线性变化。可将重量信号转化为电流信号传输给PLC以便运算。采用3～12V供电电压，最高可达200次/秒的转换速度，同时具有上下限报警、峰值保持功能。图2中采用的是悬臂梁式倒装，实际也可以本体在下、测量端在上的正装。
本实施例中，电子称重器3输出模拟信号M的输出电压0～10V、输出电流4-20mA，将模拟信号M传输给AD模块6。AD模块6将模拟量的模拟信号M转换成数字量的数字信号M′。
CPU7由控制器、运算器和寄存器组成，这些电路都集中在一块芯片上，通过地址总线、控制总线与存储器的输入/输出接口电路相连。CPU7的作用是处理和运行用户程序，进行逻辑和数学运算，控制整个系统使之协调。AD模块6将数字信号M′传输给CPU7的寄存器区域。CPU7调用预存的程序，计算得到矿液浓度ρ。
实施例2
本实施例引流管路的导流管1和排水管，分别从矿浆槽侧壁通入矿浆流中，整个引流管路处于矿浆的液面之下，导流管1和排水管都与矿浆槽密封连接。本实施例为一种固定式的浓度计。
电子称重器3的本体固定，测量管5和电子称重器3的测量端可以上下运动。可以预设测量管5内无液体时为测量零点，电子称重器3称量得到的重量信号即矿浆重量，将矿浆重量信号即模拟信号M传递给信号处理端。测量管5的长度为1m，内孔直径0.0333m。经ρ＝M/V计算得到矿浆浓度ρ。
实施例3
称量测量管(5)内液体的重量，得到模拟信号M；
将模拟信号M转换为数字信号M′；
将获得连续的5个数字信号M′分为一组，去掉每组中一个最大值和一个最小值，计算剩下的3个数字信号M′的算术平均值，即得到一个滤波信号M″；
对沿时间排列的连续的滤波数字信号M″进行ELM神经网络计算得到矿液浓度ρ。
实施例4
如实施例3，在使用之前，新构建用于计算矿液浓度ρ的ELM神经网络；
对ELM神经网络进行训练；给定样本集为高斯函数；隐层输出函数P(ai,bi,x)，隐层输出函数为加法型；隐层节点个数L＝20；
随机生成隐层节点参数(ai,bi),i＝1,…,20；
计算隐层输出矩阵H，H满秩；
计算得到网络最优外权β，T＝[y1,…,yN]T。
实施例5
在使用之前，新构建用于计算矿液浓度ρ的ELM神经网络；
对ELM神经网络进行训练；给定样本集为S函数；隐层输出函数P(ai,bi,x)，隐层输出函数为RBF型；隐层节点个数L＝30；
随机生成隐层节点参数(ai,bi),i＝1,…,30；
计算隐层输出矩阵H，H满秩；
计算得到网络最优外权β，T＝[y1,…,yN]T。
称量测量管(5)内液体的重量，得到模拟信号M；
将模拟信号M转换为数字信号M′；
将获得连续的10个数字信号M′分为一组，去掉每组中一个最大值和一个最小值，计算剩下的8个数字信号M′的算术平均值，即得到一个滤波信号M″；
对沿时间排列的连续的滤波数字信号M″进行ELM神经网络计算得到矿液浓度ρ。
上实施例仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书不应理解为对本发明的限制。

Claims (10)

1.一种基于ELM网络的新型矿浆浓度计，其特征在于，其包括：引流管路，电子称重器(3)和信号处理端；
所述引流管路包括导流管(1)，软管(2)，测量管(5)和排水管；
所述测量管(5)前端通过软管(2)和导流管(1)相连，后端通过另一根软管(2)与排水管相连；
导流管(1)将矿浆引入引流管路，所述矿浆流经所述测量管(5)，从所述排水管排出；
所述测量管(5)与电子称重器(3)的测量端固定连接，所述电子称重器(3)用于测量所述测量管(5)内的矿浆重量；
所述电子称重器(3)将重量信号传递给信号处理端，所述信号处理端根据所述重量信号实时计算矿浆浓度。
2.如权利要求1所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述导流管(1)的进水口面向所述矿浆流动的方向，所述排水管的排水口垂直或背向所述矿浆流动的方向；
所述导流管(1)的进水口比所述排水管的排水口所处的液位低；
所述排水管包括一段倒U型管路。
3.如权利要求2所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述导流管(1)、电子称重器(3)的本体、和排水管通过支撑杆(4)固定，若干所述支撑杆(4)固定于支架上。
4.如权利要求1所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述导流管(1)和排水管从矿浆所在的管道侧壁通入，所述通入处密闭连接；
所述引流管路整体的水平位置低于所述矿浆流动时的液面。
5.如权利要求1所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述导流管(1)包括矿浆泵。
6.如权利要求1所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述测量管(5)长度1米，所述软管(2)长度小于10厘米。
7.如权利要求1所述的基于ELM网络的新型矿浆浓度计，其特征在于：所述信号处理端包括CPU，AD模块，存储器和电源，
所述AD模块分别与所述电子称重器(3)和CPU相连，CPU还与存储器相连，电源向整个信号处理端供电。
8.一种测量方法，其特征在于，其包括如下步骤：
称量测量管(5)内液体的重量，得到模拟信号M；
将模拟信号M转换为数字信号M′；
采用滤波算法对数字信号M′进行处理，生成滤波信号M″；
对滤波数字信号M″进行ELM神经网络计算得到矿液浓度ρ。
9.如权利要求8所述的测量方法，其特征在于：所述滤波算法的计算方式为，获得连续的N个数字信号M′，N为3至14；
去掉其中的一个最大值和一个最小值；
计算剩下N-2个数字信号M′的算术平均值，即一个滤波信号M″。
10.如权利要求8所述的测量方法，其特征在于：对滤波信号M″进行ELM神经网络计算之前，所述方法还包括：
构建用于计算矿液浓度ρ的ELM神经网络；
训练构建的ELM神经网络；
其中，所述ELM神经网络的训练方式为，给定样本集 隐层输出函数P(ai,bi,x)，隐层节点个数L；
随机生成隐层节点参数(ai,bi),i＝1,…,L；
计算隐层输出矩阵H，H满秩；
计算得到网络最优外权β，T＝[y1,…,yN]T。
CN201810554074.8A 2018-06-01 2018-06-01 一种基于elm网络的新型矿浆浓度计和一种测量方法 Pending CN109001073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810554074.8A CN109001073A (zh) 2018-06-01 2018-06-01 一种基于elm网络的新型矿浆浓度计和一种测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810554074.8A CN109001073A (zh) 2018-06-01 2018-06-01 一种基于elm网络的新型矿浆浓度计和一种测量方法

Publications (1)

Publication Number Publication Date
CN109001073A true CN109001073A (zh) 2018-12-14

Family

ID=64573330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810554074.8A Pending CN109001073A (zh) 2018-06-01 2018-06-01 一种基于elm网络的新型矿浆浓度计和一种测量方法

Country Status (1)

Country Link
CN (1) CN109001073A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113390746A (zh) * 2021-05-13 2021-09-14 西北矿冶研究院 一种非接触式管道流动矿浆浓度在线装置及检测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2035476U (zh) * 1988-06-27 1989-04-05 北京有色冶金设计研究总院 矿浆比重连续测定仪
CN2433617Y (zh) * 2000-07-06 2001-06-06 彭春雷 高精度流体密度在线测量仪
CN2660513Y (zh) * 2003-09-02 2004-12-01 北京矿冶研究总院 载流螺旋管式矿浆密度计
CN201503380U (zh) * 2009-07-02 2010-06-09 昆明理工大学 一种矿浆电子浓度计
CN101799390A (zh) * 2010-04-19 2010-08-11 北京矿冶研究总院 一种基于重量法的矿浆浓度计
CN202110117U (zh) * 2011-06-15 2012-01-11 金川集团有限公司 吹气式在线矿浆密度/浓度测量装置
CN202854001U (zh) * 2012-07-30 2013-04-03 昆明理工大学 一种复合式矿浆密度在线检测装置
CN203858180U (zh) * 2014-05-12 2014-10-01 福建金东矿业股份有限公司 矿浆浓度在线检测装置
CN104537444A (zh) * 2015-01-13 2015-04-22 安徽理工大学 一种基于emd和elm的瓦斯突出预测方法
CN105852885A (zh) * 2016-03-23 2016-08-17 陕西师范大学 基于改进超限学习机的n400诱发电位测谎方法
CN206192808U (zh) * 2016-09-30 2017-05-24 安徽理工大学 一种矿浆浓度实时检测装置
CN107168292A (zh) * 2017-06-21 2017-09-15 武汉理工大学 基于elm算法的水下航行器电路故障诊断方法
CN206638541U (zh) * 2017-01-11 2017-11-14 武汉工程大学 一种矿浆浓度检测装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2035476U (zh) * 1988-06-27 1989-04-05 北京有色冶金设计研究总院 矿浆比重连续测定仪
CN2433617Y (zh) * 2000-07-06 2001-06-06 彭春雷 高精度流体密度在线测量仪
CN2660513Y (zh) * 2003-09-02 2004-12-01 北京矿冶研究总院 载流螺旋管式矿浆密度计
CN201503380U (zh) * 2009-07-02 2010-06-09 昆明理工大学 一种矿浆电子浓度计
CN101799390A (zh) * 2010-04-19 2010-08-11 北京矿冶研究总院 一种基于重量法的矿浆浓度计
CN202110117U (zh) * 2011-06-15 2012-01-11 金川集团有限公司 吹气式在线矿浆密度/浓度测量装置
CN202854001U (zh) * 2012-07-30 2013-04-03 昆明理工大学 一种复合式矿浆密度在线检测装置
CN203858180U (zh) * 2014-05-12 2014-10-01 福建金东矿业股份有限公司 矿浆浓度在线检测装置
CN104537444A (zh) * 2015-01-13 2015-04-22 安徽理工大学 一种基于emd和elm的瓦斯突出预测方法
CN105852885A (zh) * 2016-03-23 2016-08-17 陕西师范大学 基于改进超限学习机的n400诱发电位测谎方法
CN206192808U (zh) * 2016-09-30 2017-05-24 安徽理工大学 一种矿浆浓度实时检测装置
CN206638541U (zh) * 2017-01-11 2017-11-14 武汉工程大学 一种矿浆浓度检测装置
CN107168292A (zh) * 2017-06-21 2017-09-15 武汉理工大学 基于elm算法的水下航行器电路故障诊断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHANGWEI JIANG 等: "Prediction of Pulp Concentration Using Extreme Learning Machine", 《PROCEEDING OF ELM -2015》 *
樊国年: "《大型火电机组化学运行技术问答》", 31 August 2008, 中国电力出版社 *
王欢 等: "基于范数优化极限学习机的矿浆浓度预测", 《中国矿业》 *
马萌萌: "基于深度学习的极限学习机算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113390746A (zh) * 2021-05-13 2021-09-14 西北矿冶研究院 一种非接触式管道流动矿浆浓度在线装置及检测方法

Similar Documents

Publication Publication Date Title
CN201122109Y (zh) 水表自动检定装置
CN204214881U (zh) 一种自动定量加液装置
CN104501916A (zh) 一种液体标定系统及其标定方法
CN204065134U (zh) 基于伺服电机控制系统的流速仪检测装置
CN201852622U (zh) 一种汽车油罐车容量自动检定装置
CN103499373A (zh) 带自校准的汽车油罐车容量自动检定装置与方法
CN100394163C (zh) 球磨机磨矿系统溢流粒度指标软测量方法
CN103411653A (zh) 一种液体流量计的标定检测装置
CN109001073A (zh) 一种基于elm网络的新型矿浆浓度计和一种测量方法
CN206410762U (zh) 全自动水表流量检定装置
CN109765940A (zh) 一种用于水工模型试验的自动流量控制系统
CN104154960A (zh) 霍尔效应大口径管道流量计
CN204925138U (zh) 自动滴定酸度分析仪
CN105160075B (zh) 一种农田灌区明渠自动测流数学模型的应用
CN204831954U (zh) 一种环保型非金属矿浆浓度检测装置
CN207894462U (zh) 一种宽量程比电磁流量传感器
CN214748325U (zh) 一种基于高精度活塞油缸的油液流量计量试验台
CN208109631U (zh) 一种充填浓度计
CN201780286U (zh) 光控计量装置
CN211555299U (zh) 一种验证流水搬运能力的实验装置
CN105424911B (zh) 活性污泥呼吸速率测定装置及方法
CN202275034U (zh) 浓度检测装置
CN113607493A (zh) 海洋浮标在线自动采样方法及装置
CN207395824U (zh) 一种排水渠用检测装置
CN209841608U (zh) 基于磁致伸缩位移传感器灌溉水粘滞系数检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181214

RJ01 Rejection of invention patent application after publication