CN115821061A - 基于密度分级的焙烧锂渣分离方法、装置、设备及介质 - Google Patents
基于密度分级的焙烧锂渣分离方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115821061A CN115821061A CN202211446053.7A CN202211446053A CN115821061A CN 115821061 A CN115821061 A CN 115821061A CN 202211446053 A CN202211446053 A CN 202211446053A CN 115821061 A CN115821061 A CN 115821061A
- Authority
- CN
- China
- Prior art keywords
- data
- experimental
- roasting
- mixture
- lithium slag
- 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
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 100
- 239000002893 slag Substances 0.000 title claims abstract description 96
- 238000000926 separation method Methods 0.000 title claims abstract description 82
- 239000000203 mixture Substances 0.000 claims abstract description 101
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 239000000463 material Substances 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 33
- 239000002245 particle Substances 0.000 claims description 27
- 239000000126 substance Substances 0.000 claims description 17
- 238000004451 qualitative analysis Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000007635 classification algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 239000012530 fluid Substances 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000010304 firing Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000001354 calcination Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 239000012798 spherical particle Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 description 16
- 239000000047 product Substances 0.000 description 15
- 239000007788 liquid Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 239000000243 solution Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- WMFOQBRAJBCJND-UHFFFAOYSA-M Lithium hydroxide Chemical compound [Li+].[OH-] WMFOQBRAJBCJND-UHFFFAOYSA-M 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 5
- 238000000746 purification Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011049 filling Methods 0.000 description 3
- 239000002440 industrial waste Substances 0.000 description 3
- XGZVUEUWXADBQD-UHFFFAOYSA-L lithium carbonate Chemical compound [Li+].[Li+].[O-]C([O-])=O XGZVUEUWXADBQD-UHFFFAOYSA-L 0.000 description 3
- 229910052808 lithium carbonate Inorganic materials 0.000 description 3
- 229910003002 lithium salt Inorganic materials 0.000 description 3
- 159000000002 lithium salts Chemical class 0.000 description 3
- 239000002244 precipitate Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 239000013558 reference substance Substances 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- CNLWCVNCHLKFHK-UHFFFAOYSA-N aluminum;lithium;dioxido(oxo)silane Chemical compound [Li+].[Al+3].[O-][Si]([O-])=O.[O-][Si]([O-])=O CNLWCVNCHLKFHK-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000005119 centrifugation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 235000012239 silicon dioxide Nutrition 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 229910052642 spodumene Inorganic materials 0.000 description 2
- 239000012086 standard solution Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000012267 brine Substances 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- FUJCRWPEOMXPAD-UHFFFAOYSA-N lithium oxide Chemical compound [Li+].[Li+].[O-2] FUJCRWPEOMXPAD-UHFFFAOYSA-N 0.000 description 1
- 229910001947 lithium oxide Inorganic materials 0.000 description 1
- 239000000395 magnesium oxide Substances 0.000 description 1
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 1
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- CHWRSCGUEQEHOH-UHFFFAOYSA-N potassium oxide Chemical compound [O-2].[K+].[K+] CHWRSCGUEQEHOH-UHFFFAOYSA-N 0.000 description 1
- 229910001950 potassium oxide Inorganic materials 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- KKCBUQHMOMHUOY-UHFFFAOYSA-N sodium oxide Chemical compound [O-2].[Na+].[Na+] KKCBUQHMOMHUOY-UHFFFAOYSA-N 0.000 description 1
- 229910001948 sodium oxide Inorganic materials 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001291 vacuum drying Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明涉及锂渣分离技术，揭露了一种基于密度分级的焙烧锂渣分离方法，包括：确定锂渣的物质成分，根据所述物质成分生成混合物；对所述混合物进行焙烧，得到所述混合物的实验数据，根据所述实验数据进行特征提取和分组聚类，得到所述实验数据的层级特征；根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，利用焙烧影响因子和梯度下降算法生成混合物的最佳焙烧分离条件；在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。此外，本发明还涉及区块链技术，数据列表可存储于区块链的节点。本发明还提出一种基于密度分级的焙烧锂渣分离装置、电子设备以及存储介质。本发明可以提高焙烧锂渣分离的效率。
Description
技术领域
本发明涉及锂渣分离技术领域，尤其涉及一种基于密度分级的焙烧锂渣分离方法、装置、电子设备及计算机可读存储介质。
背景技术
近年来,我国虽然也在积极开发盐湖锂资源，但由于我国盐湖卤水中的镁含量较高，镁锂这两种元素难以分离，到目前为止，矿石提锂仍然占居着锂盐生产的主导地位。我国是世界上锂辉石储量最大的国家,而新疆和四川是锂盐最主要的生产基地。以锂辉石为原料生产碳酸锂，工业上比较成熟的工艺是硫酸法生产工艺，浸出渣是硫酸法制备碳酸锂工艺的副产品。
目前，国内锂盐生产企业大多采用碳酸锂苛化法生产氢氧化锂，苛化渣是氢氧化锂生产工艺的副产品，伴随着我国工业的蓬勃发展，必然产生大量的工业废渣和工业尾矿，如何有效地利用工业废渣，变废为宝、保护环境是一项紧要而迫切的工作。就地利用工业废渣，实现废渣的回收再利用，符合国家的产业政策,是企业节约成本、提高经济效益的有利手段，但是现阶段使用湿法回收技术对锂渣进行处理，回收率较低，因此如何焙烧锂渣分离效率，成为了亟待解决的问题。
发明内容
本发明提供一种基于密度分级的焙烧锂渣分离方法、装置及计算机可读存储介质，其主要目的在于解决焙烧锂渣分离时效率较低的问题。
为实现上述目的，本发明提供的一种基于密度分级的焙烧锂渣分离方法，包括：
对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
可选地，所述所述对所述实验数据进行特征提取，得到所述混合物的实验特征，包括：
对所述实验数据进行数据纠正，得到所述实验数据的标准数据；
对所述标准数据进行分词处理，得到所述标准数据的标准分词；
对所述标准分词进行向量转化，得到所述标准分词的分词向量；
对所述分词向量进行向量拼接，得到所述分词向量的拼接矩阵，确定所述拼接矩阵是所述混合物的实验特征。
可选地，所述对所述实验数据进行数据纠正，得到所述实验数据的标准数据，包括：
对所述实验数据进行缺失值纠正，得到所述实验数据的一级数据；
利用如下检验算法确定所述一级数据中的异常值，根据所述异常值对所述一级数据进行数据纠正，得到所述一级数据的二级数据：
其中，
是所述一级数据的异常度，
是所述一级数据的观测频数，
是所述一
级数据的期望频数，
是所述一级数据的总数，
是所述一级数据的标识；
对所述二级数据进行离散点纠正，得到所述二级数据的三级数据，确定所述三级数据是所述实验数据的标准数据。
可选地，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
对所述实验数据进行初始聚类，得到所述实验数据的聚类数据；
根据所述聚类数据确定所述实验数据的聚类项目，计算所述所述聚类数据与所述聚类项目的聚类距离；
根据所述聚类距离对所述实验特征进行分组聚类时的聚类形式进行优化，直至所述聚类距离小于预设的距离阈值时，确定所述聚类形式为最佳聚类形式，根据所述最佳聚类形式对所述实验特征进行分组聚类，得到所述实验特征的层级特征。
可选地，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
利用预设的数据表的一级索引对所述实验特征进行特征筛选，得到所述实验特征的一级特征；
根据所述一级特征生成所述预设的数据表的二级索引，根据所述二级索引对所述实验特征进行筛选，得到所述实验特征的二级特征；
汇集所述一级特征和所述二级特征为所述实验特征的层级特征。
可选地，所述根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，包括：
将所述层级特征代入如下密度分级算法计算所述混合物中颗粒的运动速度，其中，所述运动速度包括所述颗粒的上浮速度和下沉速度：
其中，
是所述混合物的颗粒的运动速度，
是所述颗粒的直径，
是所述颗粒
的密度，
是流体物质密度，
转子旋转的角速度，
是所述颗粒距旋转中心的距离，
是流
体动力黏度，
是不规则颗粒所受的摩擦力，
是球体颗粒所受摩擦力；
根据所述运动速度生成所述层级特征中的变量特征，确定所述变量特征为所述混合物的焙烧影响因子。
可选地，所述根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件，包括：
在预设的坐标系上根据所述焙烧影响因子与所述层级特征生成所述混合物的坐标，根据所述坐标生成所述混合物的焙烧条件曲线；
利用所述梯度下降算法对所述焙烧条件曲线进行损失值矫正，得到矫正后的焙烧条件曲线；
根据所述矫正后的焙烧条件曲线生成所述混合物的最佳焙烧分离条件。
为了解决上述问题，本发明还提供一种基于密度分级的焙烧锂渣分离装置，所述装置包括：
定性分析模块，用于对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
实验特征模块，用于对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
层级特征模块，用于对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
最佳条件模块，用于根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
分离产物模块，用于在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于密度分级的焙烧锂渣分离方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于密度分级的焙烧锂渣分离方法。
本发明实施例通过对所述锂渣进行定性分析确定所述锂渣中的物质成分，方便后续进行实验参照物的调配，对获取到的实验数据进行特征提取，得到所述混合物的实验特征，提高了所述实验数据的处理效率，对生成的实验特征进行分组聚类，得到所述实验特征的层级特征，建立了所述实验数据之间的联系，根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件，其中，所述最佳焙烧分离条件是唯一最优解，利用所述最佳焙烧分离条件对所述锂渣进行焙烧分离，得到所述锂渣的分离产物，使得所述锂渣的焙烧分离效率更高。因此本发明提出基于密度分级的焙烧锂渣分离方法、装置、电子设备及计算机可读存储介质，可以解决焙烧锂渣分离效率较低的问题。
附图说明
图1为本发明一实施例提供的基于密度分级的焙烧锂渣分离方法的流程示意图；
图2为本发明一实施例提供的生成层级特征的流程示意图；
图3为本发明一实施例提供的生成最佳焙烧分离条件的流程示意图；
图4为本发明一实施例提供的基于密度分级的焙烧锂渣分离装置的功能模块图；
图5为本发明一实施例提供的实现所述基于密度分级的焙烧锂渣分离方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于密度分级的焙烧锂渣分离方法。所述基于密度分级的焙烧锂渣分离方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于密度分级的焙烧锂渣分离方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于密度分级的焙烧锂渣分离方法的流程示意图。在本实施例中，所述基于密度分级的焙烧锂渣分离方法包括：
S1、对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物。
在本发明实施例中，所述对所述锂渣进行定性分析是为了确定所述锂渣中的物质成分，方便后续进行实验参照物的调配，例如：所述锂渣中含有氧化锂、氧化钾、氧化钠、氧化铁、氧化镁、碳酸钙、二氧化硅、氧化铝等。
例如：假设所述锂渣中含有二氧化硅颗粒与铝粉颗粒，选用质量比为24：16的二氧化硅颗粒与铝粉生成混合物，利用所述混合物进行实验探索。
S2、对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征。
在本发明实施例中，所述实验数据包括但不限于：焙烧温度、液体介质密度、液体介质黏度、离心机转速、标准溶液、混合物分离状态、分离物的形貌和含量比、回收率、XRD衍射图谱、纯度等。
详细地，所述对所述实验数据进行特征提取是为了快速建立所述实验数据之间的联系，同时，便于后续的所述实验特征的聚类分析。
在本发明实施例中，所述对所述实验数据进行特征提取，得到所述混合物的实验特征，包括：
对所述实验数据进行数据纠正，得到所述实验数据的标准数据；
对所述标准数据进行分词处理，得到所述标准数据的标准分词；
对所述标准分词进行向量转化，得到所述标准分词的分词向量；
对所述分词向量进行向量拼接，得到所述分词向量的拼接矩阵，确定所述拼接矩阵是所述混合物的实验特征。
详细地，对所述实验数据进行数据纠正是因为对所述实验数据的预处理决定了后续数据处理效率以及数据处理的正确性。
详细地，所述对所述实验数据进行数据纠正，得到所述实验数据的标准数据，包括：
对所述实验数据进行缺失值纠正，得到所述实验数据的一级数据；
利用如下检验算法确定所述一级数据中的异常值，根据所述异常值对所述一级数据进行数据纠正，得到所述一级数据的二级数据：
其中，
是所述一级数据的异常度，
是所述一级数据的观测频数，
是所述一
级数据的期望频数，
是所述一级数据的总数，
是所述一级数据的标识；
对所述二级数据进行离散点纠正，得到所述二级数据的三级数据，确定所述三级数据是所述实验数据的标准数据。
详细地，数据分析中的大部分时间，花在了数据预处理上，数据预处理做得好，往往让我们的数据分析工作事半功倍，其中，正确处理缺失值，更是重中之重。
进一步地，造成缺失值的原因主要包括以下几个方面：信息暂时无法获取，如某种产品的收益等具有滞后效应；数据因人为因素没有被记录、遗漏或丢失；数据采集设备的故障、存储介质、传输媒体故障而造成数据丢失；获取数据的代价太大；有些对象的某个或某些属性是不可用的，如：未婚者的配偶姓名、儿童的固定收入状况等；系统实时性能要求较高，即要求得到这些信息前迅速做出判断或决策。
详细地，可利用删除、插补和忽略等方式进行所述缺失值的处理，其中，所述插补包括但不限于：特殊值填充、平均值填充、热卡填充、K最近距离邻法和多重插补等其中一个或者多个。
详细地，所述离散点纠正可以利用相似度算法，确定所述二级数据中的离散点，对所述离散点进行剔除，得到所述二级数据的三级数据。
S3、对所述实验特征进行分组聚类，得到所述实验特征的层级特征。
在本发明实施例中，参图2所示，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
S21、对所述实验数据进行初始聚类，得到所述实验数据的聚类数据；
S22、根据所述聚类数据确定所述实验数据的聚类项目，计算所述所述聚类数据与所述聚类项目的聚类距离；
S23、根据所述聚类距离对所述实验特征进行分组聚类时的聚类形式进行优化，直至所述聚类距离小于预设的距离阈值时，确定所述聚类形式为最佳聚类形式，根据所述最佳聚类形式对所述实验特征进行分组聚类，得到所述实验特征的层级特征。
详细地，所述初始聚类可将所述实验数据分为两组，得到两组聚类数据，例如：将所述聚类数据分为提纯率和提纯率的影响因素两组数据。
详细地，所述聚类项目可以是焙烧温度、离心机转速以及回收率等。
详细地，所述计算所述所述聚类数据与所述聚类项目的聚类距离可以利用欧氏距离算法、曼哈顿距离算法、切比雪夫距离算法和马氏距离算法等进行计算。
进一步地，所述根据所述聚类距离对所述实验特征进行分组聚类时的聚类形式进行优化是为了确保所述聚类形式为全局最优，通过不断进行所述一级特征集的迭代处理，得到一个最佳的所述贮柜特征的聚集形式。
在本发明实施例中，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
利用预设的数据表的一级索引对所述实验特征进行特征筛选，得到所述实验特征的一级特征；
根据所述一级特征生成所述预设的数据表的二级索引，根据所述二级索引对所述实验特征进行筛选，得到所述实验特征的二级特征；
汇集所述一级特征和所述二级特征为所述实验特征的层级特征。
详细地，数据表索引是数据库管理系统中一个排序的数据结构，以协助快速查询，更新数据库中表的数据，所述预设的一级数据表索引的实现通常使用B树和变种的B+树（MySQL常用的索引就是B+树）。除了数据之外，数据库系统还维护为满足特定查找算法的数据结构，这些数据结构以某种方式引用数据，这种数据结构就是索引。简言之，索引就类似于书本，字典的目录。
详细地，通过所述预设的数据表的一级索引和所述二级索引可以保证数据库表中每一行数据的唯一性，大大加快数据的检索速度，这也是创建索引的最主要的原因。同时，利用数据表索引可以加速表和表之间的连接，在使用分组和排序子句进行数据检索时，同样可以显著减少查询中分组和排序的时间，在查询的过程中，使用优化隐藏器，提高系统的性能。例如，预设的一级数据表索引可以是提纯率的影响因素，所述影响因素可以是焙烧温度、离心机转速、提纯溶液等；二级索引可以是焙烧温度下的100℃、200℃、300℃。
例如：配置好2
、3 
、4
标准溶液待用，焙烧温度设置为：30
、50
；离心机转速设置为：500 
、1500 
、2500
；离心时间均为15
，
测量不同温度、密度下液体介质溶液的动力黏度，采用0号转子，与配套套筒一起使用，所述
液体介质溶液的溶液量为25 mL，转子转速为60
，采用不同密度的密度液在不同温度
下进行实验，离心完成后，选出中间液体、上层漂浮物与下层沉淀分明的组，分别取出上层
漂浮物和底部沉淀，将其清洗，进行真空干燥并称重，进行纯度分析。
S4、根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件。
在本发明实施例中，所述密度分级算法是基于密度分级法生成的一种算法，所述密度分级法是按照密度分离离散混合物体系，其中，所述离散混合物体系包括粉体、块体等。
进一步地，所述密度分级法是将混合物分散到已知密度的密度液中，密度小于密度液的物质，会上浮到密度液的表面；反之，则沉降到密度液的底部。对于颗粒度小到纳米、微米量级的微粉材料可借助离心作用加快这一进程。
在本发明实施例中，所述根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，包括：
将所述层级特征代入如下密度分级算法计算所述混合物中颗粒的运动速度，其中，所述运动速度包括所述颗粒的上浮速度和下沉速度：
其中，
是所述混合物的颗粒的运动速度，
是所述颗粒的直径，
是所述颗粒
的密度，
是流体物质密度，
转子旋转的角速度，
是所述颗粒距旋转中心的距离，
是流
体动力黏度，
是不规则颗粒所受的摩擦力，
是球体颗粒所受摩擦力；
根据所述运动速度生成所述层级特征中的变量特征，确定所述变量特征为所述混合物的焙烧影响因子。
详细地，根据所述密度分级法当颗粒在离心场中向指向旋转中心方向运动，向液体表面上浮；颗粒向背离旋转中心方向运动，向液体底部沉降。
详细地，所述变量特征中包含实验的可变量也包含固定量，所述焙烧影响因子就是可变量。
在本发明实施例中，参图3所示，所述根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件，包括：
S31、在预设的坐标系上根据所述焙烧影响因子与所述层级特征生成所述混合物的坐标，根据所述坐标生成所述混合物的焙烧条件曲线；
S32、利用所述梯度下降算法对所述焙烧条件曲线进行损失值矫正，得到矫正后的焙烧条件曲线；
S33、根据所述矫正后的焙烧条件曲线生成所述混合物的最佳焙烧分离条件。
详细地，所述焙烧条件曲线可以利用最小二乘法对所述坐标系上的离散点进行拟合，得到所述混合物的焙烧条件曲线；如果能够找到一个连续的函数或者更加密集的离散方程，使得所述坐标与所述混合物的焙烧条件曲线能够在最大程度上近似吻合，就可以根据所述混合物的焙烧条件曲线对数据进行数学计算，对实验结果进行理论分析，甚至对某些不具备测量条件的位置的结果进行估算，例如：生成其他实验条件下的所述混合物的焙烧分离结果。
详细地，因为所述最小二乘法存在唯一最优解，且求解方便，所以利用最小二乘法对所述坐标进行曲线拟合。
详细的，所述对所述焙烧条件曲线进行损失值矫正是因为在实验过程中需要考虑其他不可抗力因素，利用所述梯度下降算法对所述不可抗力因素进行优化处理，基于所述不可抗力因素的生成实验的损失函数，利用所述损失函数对所述焙烧条件曲线进行损失值矫正。
详细的，所述最佳焙烧分离条件包括但不限于：最佳焙烧温度、离心机最佳转速、最佳标准溶剂类型、最佳标准溶剂浓度等。
S5、在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
在本发明实施例中，在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，可以得到提纯率最高的分离产物。
本发明实施例通过对所述锂渣进行定性分析确定所述锂渣中的物质成分，方便后续进行实验参照物的调配，对获取到的实验数据进行特征提取，得到所述混合物的实验特征，提高了所述实验数据的处理效率，对生成的实验特征进行分组聚类，得到所述实验特征的层级特征，建立了所述实验数据之间的联系，根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件，其中，所述最佳焙烧分离条件是唯一最优解，利用所述最佳焙烧分离条件对所述锂渣进行焙烧分离，得到所述锂渣的分离产物，使得所述锂渣的焙烧分离效率更高。因此本发明提出基于密度分级的焙烧锂渣分离方法，可以解决焙烧锂渣分离效率较低的问题。
如图4所示，是本发明一实施例提供的基于密度分级的焙烧锂渣分离装置的功能模块图。
本发明所述基于密度分级的焙烧锂渣分离装置100可以安装于电子设备中。根据实现的功能，所述基于密度分级的焙烧锂渣分离装置100可以包括定性分析模块101、实验特征模块102、层级特征模块103、最佳条件模块104及分离产物模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述定性分析模块101，用于对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
所述实验特征模块102，用于对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
所述层级特征模块103，用于对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
所述最佳条件模块104，用于根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
所述分离产物模块105，用于在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
如图5所示，是本发明一实施例提供的实现基于密度分级的焙烧锂渣分离方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于密度分级的焙烧锂渣分离程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于密度分级的焙烧锂渣分离程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于密度分级的焙烧锂渣分离程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于密度分级的焙烧锂渣分离程序是多个指令的组合，在所述处理器10中运行时，可以实现：
对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于密度分级的焙烧锂渣分离方法，其特征在于，所述方法包括：
对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
2.如权利要求1所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述所述对所述实验数据进行特征提取，得到所述混合物的实验特征，包括：
对所述实验数据进行数据纠正，得到所述实验数据的标准数据；
对所述标准数据进行分词处理，得到所述标准数据的标准分词；
对所述标准分词进行向量转化，得到所述标准分词的分词向量；
对所述分词向量进行向量拼接，得到所述分词向量的拼接矩阵，确定所述拼接矩阵是所述混合物的实验特征。
3.如权利要求2所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述对所述实验数据进行数据纠正，得到所述实验数据的标准数据，包括：
对所述实验数据进行缺失值纠正，得到所述实验数据的一级数据；
利用如下检验算法确定所述一级数据中的异常值，根据所述异常值对所述一级数据进行数据纠正，得到所述一级数据的二级数据：
其中，
是所述一级数据的异常度，
是所述一级数据的观测频数，
是所述一级数据
的期望频数，
是所述一级数据的总数，
是所述一级数据的标识；
对所述二级数据进行离散点纠正，得到所述二级数据的三级数据，确定所述三级数据是所述实验数据的标准数据。
4.如权利要求1所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
对所述实验数据进行初始聚类，得到所述实验数据的聚类数据；
根据所述聚类数据确定所述实验数据的聚类项目，计算所述所述聚类数据与所述聚类项目的聚类距离；
根据所述聚类距离对所述实验特征进行分组聚类时的聚类形式进行优化，直至所述聚类距离小于预设的距离阈值时，确定所述聚类形式为最佳聚类形式，根据所述最佳聚类形式对所述实验特征进行分组聚类，得到所述实验特征的层级特征。
5.如权利要求1所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述对所述实验特征进行分组聚类，得到所述实验特征的层级特征，包括：
利用预设的数据表的一级索引对所述实验特征进行特征筛选，得到所述实验特征的一级特征；
根据所述一级特征生成所述预设的数据表的二级索引，根据所述二级索引对所述实验特征进行筛选，得到所述实验特征的二级特征；
汇集所述一级特征和所述二级特征为所述实验特征的层级特征。
6.如权利要求1所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，包括：
将所述层级特征代入如下密度分级算法计算所述混合物中颗粒的运动速度，其中，所述运动速度包括所述颗粒的上浮速度和下沉速度：
其中，
是所述混合物的颗粒的运动速度，
是所述颗粒的直径，
是所述颗粒的密
度，
是流体物质密度，
转子旋转的角速度，
是所述颗粒距旋转中心的距离，
是流体
动力黏度，
是不规则颗粒所受的摩擦力，
是球体颗粒所受摩擦力；
根据所述运动速度生成所述层级特征中的变量特征，确定所述变量特征为所述混合物的焙烧影响因子。
7.如权利要求1至6中任一项所述的基于密度分级的焙烧锂渣分离方法，其特征在于，所述根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件，包括：
在预设的坐标系上根据所述焙烧影响因子与所述层级特征生成所述混合物的坐标，根据所述坐标生成所述混合物的焙烧条件曲线；
利用所述梯度下降算法对所述焙烧条件曲线进行损失值矫正，得到矫正后的焙烧条件曲线；
根据所述矫正后的焙烧条件曲线生成所述混合物的最佳焙烧分离条件。
8.一种基于密度分级的焙烧锂渣分离装置，其特征在于，所述装置包括：
定性分析模块，用于对所述锂渣进行定性分析，得到所述锂渣的物质成分，根据预设的物质质量比和所述物质成分生成混合物；
实验特征模块，用于对所述混合物进行焙烧，得到所述混合物的实验数据，对所述实验数据进行特征提取，得到所述混合物的实验特征；
层级特征模块，用于对所述实验特征进行分组聚类，得到所述实验特征的层级特征；
最佳条件模块，用于根据密度分级算法和所述层级特征生成所述混合物的焙烧影响因子，根据所述焙烧影响因子和梯度下降算法生成所述混合物的最佳焙烧分离条件；
分离产物模块，用于在所述最佳焙烧分离条件下对所述锂渣进行焙烧分离，得到所述锂渣的分离产物。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于密度分级的焙烧锂渣分离方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于密度分级的焙烧锂渣分离方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211446053.7A CN115821061A (zh) | 2022-11-18 | 2022-11-18 | 基于密度分级的焙烧锂渣分离方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211446053.7A CN115821061A (zh) | 2022-11-18 | 2022-11-18 | 基于密度分级的焙烧锂渣分离方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115821061A true CN115821061A (zh) | 2023-03-21 |
Family
ID=85529086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211446053.7A Pending CN115821061A (zh) | 2022-11-18 | 2022-11-18 | 基于密度分级的焙烧锂渣分离方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115821061A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105838895A (zh) * | 2016-05-16 | 2016-08-10 | 长沙矿冶研究院有限责任公司 | 一种从含锂富锰渣中提取锂和锰的方法 |
| CN107964593A (zh) * | 2017-11-28 | 2018-04-27 | 北京科技大学 | 一种通过氯化焙烧蒸发回收报废锂电池渣中锂的方法 |
| CN111534697A (zh) * | 2020-06-09 | 2020-08-14 | 中国恩菲工程技术有限公司 | 废旧锂离子电池的选冶联合综合回收方法及装置 |
| CN111945006A (zh) * | 2020-08-21 | 2020-11-17 | 昆明理工大学 | 一种分离并回收锂离子电池焙烧产物中有价金属的方法 |
| CN112408435A (zh) * | 2020-12-09 | 2021-02-26 | 四川卡森科技有限公司 | 一种锂渣资源化回收处理方法 |
-
2022
- 2022-11-18 CN CN202211446053.7A patent/CN115821061A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105838895A (zh) * | 2016-05-16 | 2016-08-10 | 长沙矿冶研究院有限责任公司 | 一种从含锂富锰渣中提取锂和锰的方法 |
| CN107964593A (zh) * | 2017-11-28 | 2018-04-27 | 北京科技大学 | 一种通过氯化焙烧蒸发回收报废锂电池渣中锂的方法 |
| CN111534697A (zh) * | 2020-06-09 | 2020-08-14 | 中国恩菲工程技术有限公司 | 废旧锂离子电池的选冶联合综合回收方法及装置 |
| CN111945006A (zh) * | 2020-08-21 | 2020-11-17 | 昆明理工大学 | 一种分离并回收锂离子电池焙烧产物中有价金属的方法 |
| CN112408435A (zh) * | 2020-12-09 | 2021-02-26 | 四川卡森科技有限公司 | 一种锂渣资源化回收处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112528863A (zh) | 表格结构的识别方法、装置、电子设备及存储介质 | |
| Chaouch et al. | A new descriptor for 2D depth image indexing and 3D model retrieval | |
| CN111309825A (zh) | 数据聚类的存储方法、装置及计算机可读存储介质 | |
| CN105205397A (zh) | 恶意程序样本分类方法及装置 | |
| CN104615730B (zh) | 一种多标签分类方法及装置 | |
| US20170024869A1 (en) | Image processing device, image sensor, and image processing method | |
| Zhu et al. | Deep residual text detection network for scene text | |
| CN107895117A (zh) | 恶意代码标注方法和装置 | |
| CN113971225A (zh) | 图像检索系统、方法和装置 | |
| CN115821061A (zh) | 基于密度分级的焙烧锂渣分离方法、装置、设备及介质 | |
| CN107704341A (zh) | 文件恢复方法、装置及电子设备 | |
| CN112528903A (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
| CN110390224A (zh) | 一种交通指示牌的识别方法及装置 | |
| CN115878824A (zh) | 图像检索系统、方法和装置 | |
| Lee et al. | Selformaly: Towards task-agnostic unified anomaly detection | |
| CN106157250B (zh) | 去除文档图像中的印记的方法和设备 | |
| CN108122011B (zh) | 基于多种不变性混合的目标跟踪方法和系统 | |
| CN105913068B (zh) | 一种用于描述图像特征的多维方向梯度表示方法 | |
| CN112529086B (zh) | 停止线生成方法、电子装置和存储介质 | |
| CN113537392A (zh) | 相似图像的识别方法、装置、计算设备及计算机存储介质 | |
| CN113343102A (zh) | 基于特征筛选的数据推荐方法、装置、电子设备及介质 | |
| Waqas et al. | Multi-modal fused deep learning networks for domain specific image similarity search. | |
| Yang et al. | On Pre-reflow PCB Defect Detection Based on Object Detection and Template Matching | |
| Ma | TANet++: Triple Attention Network with Filtered Pointcloud on 3D Detection | |
| SE520485C2 (sv) | Anordning och datorprogramprodukt för frigöring av minnesutrymme i en anordning med begränsat minnesutrymme |
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 |