新型低品位热驱动CO_2-[emim][Tf_2N]吸收制冷循环性能

针对传统低品位驱动的吸收制冷系统不能连续工作且制冷效率低的缺陷,本文依据热力学第二定律和能量梯级利用原理,提出了一种新型双低品位热驱动CO2-[emim][Tf2N]吸收制冷系统。在阐述双低品位热驱动CO2-[emim][Tf2N]吸收制冷系统工作原理的基础上,建立了制冷系统各部件的数学模型,计算并分析系统高低温发生制冷剂配比、高压箱体压力以及冷却水入口温度等操作参数,对新系统热力学性能的影响规律。模拟结果表明:双低品位热驱动新型吸收制冷系统不仅可以连续工作,而且具有较高的制冷效率。与传统CO2-[emim][Tf2N]吸收制冷系统相比,新系统的制冷因数提高了48.5%。     

甘肃某氧化金矿石的选矿工艺试验研究与实践

金氧化矿石与原生矿混合配矿,在"一粗、二扫、二精、中矿返回再磨"的浮选工艺的基础上,经药剂制度的适当调整,回收率达到86.51%。实现了氧化矿石和低品位矿石通过浮选工艺加以回收的可能性,并取得了良好的选矿生产指标,使矿产资源得到有效利用。     

露天开采矿体的价值评估对境界的影响研究

为研究露天采矿中如何进行低品位矿体估值,通过对低品位矿体估值方法的对比研究,最终确定了适用于不连续低品位矿体的布尔差集二次估值方法。研究结果揭示了利用已知钻孔数据对特定低品位矿体插值方法进行分析选择的重要性。采用布尔差集二次估值方法获得了矿体低品位段的分布数据,并通过实验对比,论证了估值方法对露天开采境界合理确定的重要影响。     

维多利亚的下午茶

在速食的时代,还能否找回当初的风流繁华?英国在维多利亚女皇时代(公元1837~1901),是大英帝国最强盛的时代,文化艺术蓬勃发展;人们醉心于追求艺术文化的内涵及精致生活品位。英国的下午茶起源于19世纪,也就是维多利亚时代,因此得名维多利亚下午茶。是贝德芙公爵夫人安娜"发明"的。下午茶会是仅次于晚宴和晚会的非正式社交场合。至于一般家庭,他们也利用下午茶的时间走亲串友,往往是在家中最好的客厅里,小家碧玉的女主人殷勤地沏好茶。的英国烟雨蒙蒙的午后三四点钟,最惬意的事就是享用下     

低品位红土镍矿选择性还原焙烧中煤做还原剂最佳条件研究

【目的】本次研究从节能降耗的角度出发,研究我矿还原焙烧中煤做还原剂所能达到最佳条件,使煤消耗量最低,最终实现降低生产成本的目标。【方法】实验理论数据与生产实践中不断摸索创新的数据相比较,确定低品位红土镍矿选择性还原焙烧中煤做还原剂所能达到最佳条件。【结果】研究确定了最佳工艺条件为：采用无烟煤做还原剂,无烟煤灰分含量：8.89%,挥发分含量：28.28%,固定碳含量：61.27%;还原剂加入量为矿量的5%/吨矿石;还原剂粒度小于0.074mm,占60%;且不易结焦,窑周期长。【结论】无烟煤在以上生产实践数据条件下能达到最好的还原效果,在原有的实验数据上大大减少了煤耗量,每年可节约煤约4万吨。     

基于SPSS的矿石小体重与品位的多元回归分析模型的构建

在矿床储量计算过程中,矿石体重预测的准确与否将直接影响到资源储储量的可靠程度.对矿石体重的准确预测需要大量运算的统计问题,利用SPSS(Statistical Product and Service Solutions)的Regression模块,对所测定的矿石小体重与其矿石品位进行多元回归分析,快速、准确的构建了矿石...     

教师主导作用在数学教学中的透视

教师的主导作用是教学活动的本质特征，教学过程是人类认识史的缩影，数学教学要反映数学的特性，数学教学要充分发挥教师的主导作用，体现数学的科学品质、教育品格、文化晶位；激励学生的科学精神，培养学生的人文情怀，提高学生的审美层次，让学生在数学中发现真理、增长力量、净化灵魂、磨练意志、陶冶情操，要放弃急功近利的实用主义数学教育观，以可持续发展的观点来看待数学的长远价值。     

中低品位铝土矿两段烧结法中一段烧结工艺研究

用中低品位铝土矿(A／S为5左右)作为原料，通过纯碱烧结法考查碱比、烧结温度、烧结时间对氧化铝溶出率的影响。实验结果表明：碱比为1．2、烧结温度1100℃、烧结时间40min的烧结条件为一段烧结最佳条件。同时还考查了溶出条件对脱硅的影响作用。     

近代选矿的现状与展望

在概述近代选矿现状的基础上，展望了矿物工程的发展。     

基于GA-BP神经网络的金精矿品位的预测

在对金矿生产过程进行大量实际调研工作的基础上,分别采用BP神经网络和遗传算法优化BP神经网络的方法,建立了金精矿品位的预测模型,以现场采集的978组数据作为样本,运用噪声平滑技术进行数据预处理,筛选了770组数据,运用其中的650组数据建模,并运用其余的120组数据对模型进行了验证.通过对两个模型的预测误差分析,得出用遗传算法优化的BP神经网络(GA-BP)预测精度更高,当预测相对误差在±2%范围内时,模型的预测精度达到97.5%.