CN113769864B - 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法 - Google Patents

一种基于高压电脉冲破碎的矿石金属矿物含量预测方法 Download PDF

Info

Publication number
CN113769864B
CN113769864B CN202111071401.2A CN202111071401A CN113769864B CN 113769864 B CN113769864 B CN 113769864B CN 202111071401 A CN202111071401 A CN 202111071401A CN 113769864 B CN113769864 B CN 113769864B
Authority
CN
China
Prior art keywords
ore
particles
pulse
particle
content
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
Application number
CN202111071401.2A
Other languages
English (en)
Other versions
CN113769864A (zh
Inventor
左蔚然
孙瑞
刘帅
郭宝
郭静怡
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN202111071401.2A priority Critical patent/CN113769864B/zh
Publication of CN113769864A publication Critical patent/CN113769864A/zh
Application granted granted Critical
Publication of CN113769864B publication Critical patent/CN113769864B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C19/00—Other disintegrating devices or methods
    • B02C19/18—Use of auxiliary physical effects, e.g. ultrasonics, irradiation, for disintegrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
    • B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
    • B02C19/00—Other disintegrating devices or methods
    • B02C19/18—Use of auxiliary physical effects, e.g. ultrasonics, irradiation, for disintegrating
    • B02C2019/183—Crushing by discharge of high electrical energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明提出一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，所述方法中，选择特定粒级的矿石颗粒样本，以高压电脉冲对该样本进行破碎，在破碎过程对电脉冲进行检测以获取脉冲波形信号数据，再对破碎产物进行元素含量测定，以元素含量、颗粒物理性质和对电脉冲的检测数据建立数学模型，通过数学模型对待测矿石颗粒内的金属矿物含量进行预测；本发明借助金属矿物对电击穿的诱导作用，对矿石进行选择性破碎，使电击穿通道直接接触矿石颗粒内部的金属矿物，可以将矿石颗粒内部整体的金属矿物含量信息转换为可在线检测的电脉冲波形等过程信号，实现基于电击穿过程信号的矿石颗粒金属矿物含量间接测量。

Description

一种基于高压电脉冲破碎的矿石金属矿物含量预测方法
技术领域
本发明涉及矿物检测技术领域，尤其是一种基于高压电脉冲破碎的矿石金属矿物含量预测方法。
背景技术
在金属矿物加工的生产领域，矿石颗粒的金属矿物含量是关键的入料性质指标。现有的矿石颗粒金属矿物含量在线检测手段主要有X射线荧光(XRF)、X光CT等，但这些手段分别基于矿石颗粒表面金属元素比例或矿石颗粒的密度投影推测金属矿物含量，不能反映矿石颗粒内部整体的金属矿物含量。
高压电脉冲破碎是一种通过使矿石颗粒发生电击穿来实现矿石颗粒破碎的新型矿石破碎技术。借助金属矿物对电击穿的诱导作用，对矿石进行选择性破碎。
发明内容
本发明提出一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，借助金属矿物对电击穿的诱导作用，对矿石进行选择性破碎，使电击穿通道直接接触矿石颗粒内部的金属矿物，可以将矿石颗粒内部整体的金属矿物含量信息转换为可在线检测的电脉冲波形等过程信号，实现基于电击穿过程信号的矿石颗粒金属矿物含量间接测量。
本发明采用以下技术方案。
一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，所述方法中，选择特定粒级的矿石颗粒样本，以高压电脉冲对该样本进行破碎，在破碎过程对电脉冲进行检测以获取脉冲波形信号数据，再对破碎产物进行元素含量测定，以元素含量、颗粒物理性质和对电脉冲的检测数据建立数学模型，通过数学模型对待测矿石颗粒内的金属矿物含量进行预测。
所述数学模型采用统计回归分析或机器学习手段建立；当以统计回归分析的多元线性回归方法建立数学模型，采用以下方法；
步骤S1、对每个粒级矿石颗粒样本的物理性质变量、电脉冲破碎过程的脉冲波形参数指标数据变量进行标准化变换；标准化变换的计算公式如下：
Figure BDA0003260493900000021
其中，Xj为变量的原始数据，
Figure BDA0003260493900000022
为相应变量的平均数，Sj为该变量的标准差；
步骤S2、标准化变换后，通过多元线性回归分析矿石颗粒物理性质和脉冲波形参数对金属矿物含量的影响，建立多元线性回归模型，以公式表述如下：
M＝af(x1)+bf(x2)+cf(x3)+…+mf(xn)+C 公式二；
或是M＝K·f(x1)a·f(x2)b·f(x3)c·---·f(xn)m 公式三；
其中，x1、x2、x3…xn表示第1到n个影响因素；f(x1)、f(x2)、f(x3)...f(xn)分别表示矿石颗粒样本物理性质和脉冲波形参数对应的回归关系；a、b、c、和m等表示回归系数；C表示为常数；K表示为系数；
步骤S3、数学模型建立完成后，将待测矿石颗粒的相关参数进行标准化变换后带入数学模型中，从而预测出矿石金属矿物含量。
所述颗粒物理性质包括颗粒的长度、宽度、高度、质量、密度、长径比和圆形度；
所述颗粒的长度、宽度、面积和圆形度分别定义为颗粒二维投影的等效椭圆长径、等效椭圆短径、面积和圆形度，颗粒的长径比定义为颗粒二维投影的等效椭圆长径与等效椭圆短径的比值，颗粒的高度定义为垂直于颗粒二维投影方向的颗粒最大厚度；
所述颗粒电脉冲破碎过程的脉冲波形参数包括击穿时延、电流极大值、电感、通道电压极大值、总功、关键阶段做功和击穿通道平均电阻。
特定粒级的矿石颗粒样本通过金属板式输送机(6)的定位凹槽(7)传送至放电电极(9)下方处进行高压电脉冲破碎；所述放电电极与高压电脉冲发生器(8)相连，在破碎过程中，金属板式输送机为接地电极，并在脉冲放电过程中充当对电极，每次脉冲放电的电压波形、电流波形由高频高压探头和脉冲电流检测装置(12)检测，并使用示波器(13)记录脉冲波形。
对电极两侧安装有绝缘挡板(10)；金属板式输送机两侧设有以绝缘材料成型的可升降的水箱(11)；在脉冲放电时，水箱升高使放电电极浸于具有绝缘能力的去离子水中。
所述定位凹槽位于金属板式输送机中央处，其凹槽宽度与10～25、25～40和40～60mm三个粒级中的1个相匹配；高压电脉冲破碎过程中，电压调节范围为90～200kV，单次脉冲能量调节范围为50～1000J。
所述方法以带式输送机(2)向金属板式输送机输入矿石颗粒(3)；所述带式输送机内置用于称量每个单颗粒矿石样本质量的称重装置(5)；所述带式输送机上方和侧方设有用于检测每个粒级颗粒矿石样本的形状指标的图像采集模块(4)；所述图像采集模块为三维激光扫描仪或图像识别相机。
每个单颗粒矿石样本的密度可由颗粒质量与体积的比值获得，或是采用在线X-CT对每个单颗粒矿石样本进行检测而获得。
所述方法以振动给料机(1)向带式输送机的水平输送面给料，所述振动给料机的振动频率可确保其给料输出端以重心最低的方式置于带式输送机上，且给料时输出的颗粒矿石样本以单队列形式转移到带式输送机处。
所述单颗粒矿石样本的制备方法为，先将矿石破碎到60mm以下，用10mm的筛子进行筛分，得到粒度为10～60mm的矿石颗粒，再对这些矿石颗粒进行筛分，得到10～25、25～40和40～60mm三个粒级的矿石颗粒样本。
本发明提出一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，以满足金属矿物含量在线检测的技术需求。本发明利用高压电脉冲的选择性破碎特性，使电击穿通道直接接触矿石颗粒内部的金属矿物，从而使检测结果体现矿石颗粒内部整体的金属矿物含量信息，避免了同类检测技术只能反映颗粒表面金属元素含量或根据密度投影估算金属矿物含量的劣势。
本发明还具有破碎-检测一体化的优势，相比常规实验室检测方法，本发明可免除破碎、研磨等制样工作。
本发明所述方法可在选矿厂生产系统实时检测矿石颗粒金属矿物含量。除生产系统的在线检测外，本发明还可在地质冶金学研究等需要大批量快速检测的场景中替代常规实验室分析化验方法。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明中，带式输送机向金属板式输送机输入矿石颗粒的示意图；
附图2中矿石颗粒在金属板式输送机处进行高压电脉冲破碎时的示意图；
附图3是实施例中，矿石金属矿物总量预测值与实测值的对比示意图；
图中：1-振动给料机；2-带式输入机；3-矿石颗粒；4-图像采集模块；5-称重装置；6-金属板式输送机；7-定位凹槽；8-高压电脉冲发生器；9-放电电极；10-绝缘挡板；11-水箱；12-脉冲电流检测装置；13-示波器。
具体实施方式
如图所示，一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，所述方法中，选择特定粒级的矿石颗粒样本，以高压电脉冲对该样本进行破碎，在破碎过程对电脉冲进行检测以获取脉冲波形信号数据，再对破碎产物进行元素含量测定，以元素含量、颗粒物理性质和对电脉冲的检测数据建立数学模型，通过数学模型对待测矿石颗粒内的金属矿物含量进行预测。
所述数学模型采用统计回归分析或机器学习手段建立；当以统计回归分析的多元线性回归方法建立数学模型，采用以下方法；
步骤S1、对每个粒级矿石颗粒样本的物理性质变量、电脉冲破碎过程的脉冲波形参数指标数据变量进行标准化变换；标准化变换的计算公式如下：
Figure BDA0003260493900000041
其中，Xj为变量的原始数据，
Figure BDA0003260493900000042
为相应变量的平均数，Sj为该变量的标准差；
步骤S2、标准化变换后，通过多元线性回归分析矿石颗粒物理性质和脉冲波形参数对金属矿物含量的影响，建立多元线性回归模型，以公式表述如下：
M＝af(x1)+bf(x2)+cf(x3)+…+mf(xn)+C 公式二；
或是M＝K·f(x1)a·f(x2)b·f(x3)c·---·f(xn)m 公式三；
其中，x1、x2、x3…xn表示第1到n个影响因素；f(x1)、f(x2)、f(x3)...f(xn)分别表示矿石颗粒样本物理性质和脉冲波形参数对应的回归关系；a、b、c、和m等表示回归系数；C表示为常数；K表示为系数；
步骤S3、数学模型建立完成后，将待测矿石颗粒的相关参数进行标准化变换后带入数学模型中，从而预测出矿石金属矿物含量。
所述颗粒物理性质包括颗粒的长度、宽度、高度、质量、密度、长径比和圆形度；
所述颗粒的长度、宽度、面积和圆形度分别定义为颗粒二维投影的等效椭圆长径、等效椭圆短径、面积和圆形度，颗粒的长径比定义为颗粒二维投影的等效椭圆长径与等效椭圆短径的比值，颗粒的高度定义为垂直于颗粒二维投影方向的颗粒最大厚度；
所述颗粒电脉冲破碎过程的脉冲波形参数包括击穿时延、电流极大值、电感、通道电压极大值、总功、关键阶段做功和击穿通道平均电阻。
特定粒级的矿石颗粒样本通过金属板式输送机6的定位凹槽7传送至放电电极9下方处进行高压电脉冲破碎；所述放电电极与高压电脉冲发生器8相连，在破碎过程中，金属板式输送机为接地电极，并在脉冲放电过程中充当对电极，每次脉冲放电的电压波形、电流波形由高频高压探头和脉冲电流检测装置12检测，并使用示波器13记录脉冲波形。
对电极两侧安装有绝缘挡板10；金属板式输送机两侧设有以绝缘材料成型的可升降的水箱11；在脉冲放电时，水箱升高使放电电极浸于具有绝缘能力的去离子水中。
所述定位凹槽位于金属板式输送机中央处，其凹槽宽度与10～25、25～40和40～60mm三个粒级中的1个相匹配；高压电脉冲破碎过程中，电压调节范围为90～200kV，单次脉冲能量调节范围为50～1000J。
所述方法以带式输送机2向金属板式输送机输入矿石颗粒3；所述带式输送机内置用于称量每个单颗粒矿石样本质量的称重装置5；所述带式输送机上方和侧方设有用于检测每个粒级颗粒矿石样本的形状指标的图像采集模块4；所述图像采集模块为三维激光扫描仪或图像识别相机。
每个单颗粒矿石样本的密度可由颗粒质量与体积的比值获得，或是采用在线X-CT对每个单颗粒矿石样本进行检测而获得。
所述方法以振动给料机1向带式输送机的水平输送面给料，所述振动给料机的振动频率可确保其给料输出端以重心最低的方式置于带式输送机上，且给料时输出的颗粒矿石样本以单队列形式转移到带式输送机处。
所述单颗粒矿石样本的制备方法为，先将矿石破碎到60mm以下，用10mm的筛子进行筛分，得到粒度为10～60mm的矿石颗粒，再对这些矿石颗粒进行筛分，得到10～25、25～40和40～60mm三个粒级的矿石颗粒样本。
实施例：
本例中，以产品的使用过程或方式进行说明，具体为以下几步。
1、对某金属矿石进行金属矿物含量预测。
2、随机选取100个粒度为-40～25mm的矿石颗粒，采用振动给料机向表面水平的带式输送机给料，调整给料机振动频率以确保以重心最低的方式置于带式输送机上。给料时颗粒以单队列形式转移到带式输送机上。
3、通过输送机上方和侧方的三维激光扫描仪，检测每个粒级颗粒样本的形状指标。
4、通过带式输送机内置的称重装置称量每个单颗粒矿石的质量。根据颗粒质量与体积的比值，获得每个单颗粒的密度。
5、通过金属传输机对每个颗粒进行高压电脉冲破碎。对前面40个矿物颗粒的破碎产物进行元素含量测定。
6、将前面40个矿石颗粒的物理性质和电脉冲破碎过程的脉冲波形参数等指标按照公式1进行标准化变化。
7、采用多元线性回归分析矿石颗粒物理性质和电脉冲破碎过程的脉冲波形参数等与金属矿物含量的关系。
8、建立了多元线性回归模型，用公式表示为：
M＝13.64-0.023x1-6.5×10-14x2-2.16×10-3x3+8.03×10-4x4+1.11×10-3x5-7.34×10-4x6-0.15x7-0.29x8
公式四
其中，x1表示电流极大值；x2表示电感的开方的倒数；x3表示通道电压极大值；x4表示总功；x5表示关键阶段做功；x6表示击穿时延；x7表示矿石颗粒面积；x8表示矿石颗粒高度。
9、将待测样品中的第二批60个矿石颗粒的相关数据指标带入到数学模型中，得到预测结果。
10、该矿石金属矿物总量预测值与实测值对比的示意图如图3。
11、由图3可知，该矿石金属矿物总量预测值与实测值在统计上较为接近，其趋势线与模型曲线Y＝X重合，R2值为0.765，模型拟合度较好。

Claims (3)

1.一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，其特征在于：所述方法中，选择所需粒级的矿石颗粒样本，以高压电脉冲对矿石颗粒样本进行破碎，在破碎过程对电脉冲进行检测以获取脉冲波形信号数据，再对破碎产物进行元素含量测定，以元素含量、颗粒物理性质和对电脉冲检测获取的脉冲波形信号数据建立数学模型，通过数学模型对待测矿石颗粒内的金属矿物含量进行预测；
所述数学模型采用统计回归分析或机器学习手段建立；当以统计回归分析的多元线性回归方法建立数学模型，采用以下方法；
步骤S1、对每个粒级矿石颗粒样本的颗粒物理性质的变量、电脉冲破碎过程的脉冲波形参数指标数据的变量进行标准化变换；标准化变换的计算公式如下：
Figure FDA0003940104180000011
其中，Xj为变量的原始数据，
Figure FDA0003940104180000012
为相应变量的平均数，Sj为该变量的标准差；
步骤S2、标准化变换后，通过多元线性回归分析矿石颗粒物理性质和脉冲波形参数对金属矿物含量的影响，建立多元线性回归模型，以公式表述如下：
M＝af(x1)+bf(x2)+cf(x3)+…+mf(xn)+C 公式二；
或是M＝K·f(x1)a·f(x2)b·f(x3)c·…·f(xn)m 公式三；
其中，x1、x2、x3…xn表示第1到n个影响因素；f(x1)、f(x2)、f(x3)...f(xn)分别表示矿石颗粒样本物理性质和脉冲波形参数对应的回归关系；a、b、c、和m表示回归系数；C表示为常数；K表示为系数；
步骤S3、数学模型建立完成后，将待测矿石颗粒的参数进行标准化变换后代入数学模型中，从而预测出矿石金属矿物含量；
所述颗粒物理性质包括颗粒的长度、宽度、高度、质量、密度、长径比和圆形度；所述颗粒的长度、宽度、面积和圆形度分别定义为颗粒二维投影的等效椭圆长径、等效椭圆短径、面积和圆形度，颗粒的长径比定义为颗粒二维投影的等效椭圆长径与等效椭圆短径的比值，颗粒的高度定义为垂直于颗粒二维投影方向的颗粒最大厚度；
所述颗粒电脉冲破碎过程的脉冲波形参数包括击穿时延、电流极大值、电感、通道电压极大值、总功、击穿阶段做功和击穿通道平均电阻；
特定粒级的矿石颗粒样本通过金属板式输送机(6)的定位凹槽(7)传送至放电电极(9)下方处进行高压电脉冲破碎；所述放电电极与高压电脉冲发生器(8)相连，在破碎过程中，金属板式输送机为接地电极，并在脉冲放电过程中充当对电极，每次脉冲放电的电压波形、电流波形由高频高压探头和脉冲电流检测装置(12)检测，并使用示波器(13)记录脉冲波形；
所述定位凹槽位于金属板式输送机中央处，其凹槽宽度与10～25、25～40和40～60mm三个粒级中的1个相匹配；高压电脉冲破碎过程中，电压调节范围为90～200kV，单次脉冲能量调节范围为50～1000J；
所述方法以带式输送机(2)向金属板式输送机输入矿石颗粒；所述带式输送机内置用于称量每个单矿石颗粒样本质量的称重装置；所述带式输送机上方和侧方设有用于检测每个粒级矿石颗粒样本的形状指标的图像采集模块；所述图像采集模块为三维激光扫描仪或图像识别相机；
所述方法以振动给料机(1)向带式输送机的水平输送面给料，所述振动给料机的振动频率可确保其给料输出以重心最低的方式置于带式输送机上，且给料时输出的矿石颗粒样本以单队列形式转移到带式输送机处；
所述单矿石颗粒样本的制备方法为，先将矿石破碎到60mm以下，用10mm的筛子进行筛分，得到粒度为10～60mm的矿石颗粒，再对这些矿石颗粒进行筛分，得到10～25、25～40和40～60mm三个粒级的矿石颗粒样本。
2.根据权利要求1所述的一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，其特征在于：所述接地电极充当的对电极的两侧安装有绝缘挡板(10)；金属板式输送机两侧设有以绝缘材料成型的可升降的水箱；在脉冲放电时，水箱升高使放电电极浸于具有绝缘能力的去离子水中。
3.根据权利要求1所述的一种基于高压电脉冲破碎的矿石金属矿物含量预测方法，其特征在于：每个单矿石颗粒样本的密度由颗粒质量与体积的比值获得，或是采用在线X-CT对每个单矿石颗粒样本进行检测而获得。
CN202111071401.2A 2021-09-14 2021-09-14 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法 Active CN113769864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111071401.2A CN113769864B (zh) 2021-09-14 2021-09-14 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111071401.2A CN113769864B (zh) 2021-09-14 2021-09-14 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法

Publications (2)

Publication Number Publication Date
CN113769864A CN113769864A (zh) 2021-12-10
CN113769864B true CN113769864B (zh) 2023-01-31

Family

ID=78843208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111071401.2A Active CN113769864B (zh) 2021-09-14 2021-09-14 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法

Country Status (1)

Country Link
CN (1) CN113769864B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114832928B (zh) * 2022-07-02 2022-12-09 江苏秦烯新材料有限公司 一种高纯度磷的脉冲式智能化破碎装置
CN115575434A (zh) * 2022-11-18 2023-01-06 矿冶科技集团有限公司 一种工艺矿物学参数定量分析方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SI9400141B (sl) * 1994-03-21 2002-08-31 Dr. BARBI� Lenart Postopek in priprava za reguliranje mletja mineralnih surovin
FI120560B (fi) * 2005-12-21 2009-11-30 Outotec Oyj Menetelmä alkuaineen ja/tai mineraalin pitoisuuden määrittämiseksi
CN105717139A (zh) * 2014-12-02 2016-06-29 丹东东方测控技术股份有限公司 一种在线分析铁矿石中铁元素含量的装置及方法
CN106824455B (zh) * 2017-03-31 2022-05-20 东北大学 一种用于矿石预处理的高压电脉冲碎矿装置使用方法
JP2019126808A (ja) * 2018-01-24 2019-08-01 株式会社石川工場 工程観測方法および擂潰処理方法

Also Published As

Publication number Publication date
CN113769864A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113769864B (zh) 一种基于高压电脉冲破碎的矿石金属矿物含量预测方法
Robles et al. Multiple partial discharge source discrimination with multiclass support vector machines
US10029284B2 (en) High capacity cascade-type mineral sorting machine and method
CN104919090B (zh) 确定生电极电阻率的方法与制作电极的方法
Sharkawy et al. SVM classification of contaminating particles in liquid dielectrics using higher order statistics of electrical and acoustic PD measurements
DE112005002863T5 (de) Verfahren und Vorrichtung zur wiederholten Prüfung eines elektrischen Bauelements
EP2837925B1 (en) Method and device for sampling recycled raw material, analysis sample of recycled raw material, and method for evaluating recycled raw material
TW201801126A (zh) 利用高壓放電處理固態材料之方法
Budiman et al. Utilization of artificial neural network for the estimation of size and position of metallic particle adhering to spacer in GIS
CN105964554A (zh) 高压陶瓷电容器瓷介质芯片厚度尺寸在线自动分选治具
JP6084826B2 (ja) 造粒物検査装置および造粒物の検査方法
Abu-Rub et al. Cable insulation fault identification using partial discharge patterns analysis
CN107907807A (zh) 一种气体绝缘组合电器局部放电模式识别方法
Fofana et al. Monitoring the performance of DMS circuits using RhoVol technology
WO2002103329A3 (en) Apparatus and method for determining the dispersibility of a product in particulate form
Cutmore et al. Ore characterisation and sorting
Rostaminia et al. An efficient partial discharge pattern recognition method using texture analysis for transformer defect models
Boubaker et al. Inspection of baked carbon anodes using a combination of multi-spectral acousto-ultrasonic techniques and principal component analysis
EP3618975B1 (de) Sortierungsverfahren für aluminiumpakete und sortieranlage
Kandala et al. Moisture content determination for in-shell peanuts with a low-cost impedance analyzer and capacitor sensor
Nourshamsi et al. Investigation of electromagnetic complex cavities by applying the generalized extreme value distribution
CN110125042B (zh) 一种分选机械
Xin et al. Effects of shorter phase-resolved partial discharge duration on PD classification accuracy
Beggio et al. A novel method to calculate the size of representative waste samples based on particles size
Lira et al. Applications of a new model-based method of ball mill simulation and design

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
GR01 Patent grant
GR01 Patent grant