论文部分内容阅读
介绍了潘三选煤厂不同时期的煤泥水系统工艺及其存在的问题,通过对煤泥水系统不断地优化改造,使其适应当时的洗选工艺流程和市场导向,创造了良好的经济效益.
潘三选煤厂煤泥水处理系统的优化实践
【摘 要】
：
介绍了潘三选煤厂不同时期的煤泥水系统工艺及其存在的问题,通过对煤泥水系统不断地优化改造,使其适应当时的洗选工艺流程和市场导向,创造了良好的经济效益.
【机 构】
：
淮南矿业集团潘三选煤厂, 安徽 淮南 232096
【出 处】
：
煤炭加工与综合利用
【发表日期】
：
2021年10期
其他文献
美国麦克卢尔河选煤厂升级改造工程中选用了1台中国产的FJCA16-4型喷射式浮选机,于2020年12月1日至2021年1月5日共41个生产班的统计数据表明:在基本相同的浮选时间内,喷射式浮选机的分选指标(精煤灰分、尾矿灰分、精煤产率、浮选完善指标)全面好于该厂原有的丹佛型机械搅拌式浮选机.该厂升级改造工程顺利投产后,每小时可增产39t的浮选精煤,仅此一项全年增加2340万美元的收益.
分析了我国综合机械化的发展历程,总结了在机械化开采方面从引进、消化、吸收再到发展创新的成功经验,认为:①我国煤矿机械化开采历经50 a发展,大体可分为3个阶段,即探索阶段(20世纪70—80年代)、大发展阶段(20世纪90年代)和全面突破阶段(21世纪初至今);②在工作面煤机装备发展理念方面,20世纪80,90年代总体是突出经济实用型,21世纪初至“十二五”末期,煤机装备突出重型化和高可靠性,以达到装备效益的最大化,“十三五”至今,煤机装备向智能化、无人化方向发展,以实现工作面设备集群的智能感知和协同控制
甲烷是一种寿命短且增温潜势高的温室气体,控制甲烷排放能在短期内取得显著的气候效益.油气行业是甲烷的主要排放源,但在国内,城镇燃气系统还没有构建甲烷排放测算量化和结果上报分析的系统框架.通过借鉴欧美国家量化及上报经验,结合中国燃气系统实际情况,确定中国各类排放源,分析排放速率影响因素,制定具体的上报规则,以完善排放因子法的测算体系.主要结论如下:我国在借鉴欧美排放因子法量化城镇燃气系统甲烷排放时,需结合国内情况对排放源和排放因子进行修正.我国构建油气行业甲烷排放体系时,需充分考虑影响排放源排放速率的关键因素
基于深度学习的图像去噪方法在使用空洞卷积神经网络时,去噪后的图像容易在尖锐边缘生成伪像,并且为了处理不同的噪声水平,需要训练多个特定的去噪模型.对此文中提出基于空洞卷积神经网络的噪声水平可调的高斯去噪方法.加入噪声水平图,实现噪声水平可调性,并使用改善的空洞卷积及可逆的下采样技术,缓解由于传统空洞卷积带来的图像尖锐边缘的伪成像问题.将下采样的子图与相应的噪声水平图都输入到非线性映射模型中,并使用改善后的减小空洞率的神经网络进行训练.实验表明,文中方法在获得GPU加速的同时具有调节噪声水平的能力,能够改善尖
现有的基于深度学习的红外和可见光图像融合方法大多基于人工设计的融合策略,难以为复杂的源图像设计一个合适的融合策略.针对上述问题,文中提出基于GhostNet的端到端红外和可见光图像融合方法.在网络结构中使用Ghost模块代替卷积层,形成一个轻量级模型.损失函数的约束使网络学习到适应融合任务的图像特征,从而在特征提取的同时完成融合任务.此外,在损失函数中引入感知损失,将图像的深层语义信息应用到融合过程中.源图像通过级联输入深度网络,在经过带有稠密连接的编码器提取图像特征后,通过解码器的重构得到融合结果.实验
轻量化网络可解决深度神经网络参数较多、计算量较高、难以部署在计算能力有限的边缘设备上等问题.针对轻量化网络中常用的分组卷积的分组结构问题,文中提出基于神经网络结构搜索的轻量化网络.将不同分组的卷积单元作为搜索空间,使用神经网络结构搜索,得到网络的分组结构和整体架构.同时为了兼顾准确率与计算量,提出循环退火搜索策略,用于解决神经网络结构搜索的多目标优化问题.在数据集上的实验表明,文中网络识别准确率较高,时间复杂度和空间复杂度较低.
Deep Snake端到端地变形初始目标框到目标轮廓,能提升实例分割的性能,但存在对初始目标框敏感和轮廓参数独立回归的问题.因此文中提出基于2D循环卷积和难度敏感轮廓交并比损失的Deep Snake.首先,基于轮廓的空间上下文信息设计2D循环卷积,解决对初始目标框敏感的问题.然后,基于定积分的几何意义与样本难易度提出难度敏感轮廓交并比损失函数,将轮廓参数进行整体回归.最后,利用2D循环卷积和难度敏感轮廓交并比损失函数完成实例分割.在Cityscapes、Kins、Sbd数据集上的实验证明文中方法的实例分割
在方面级情感分类任务中,现有方法强化方面词信息能力较弱,局部特征信息利用不充分.针对上述问题,文中提出面向方面级情感分类的特征融合学习网络.首先,将评论处理为文本、方面和文本-方面的输入序列,通过双向Transformer的表征编码器得到输入的向量表示后,使用注意力编码器进行上下文和方面词的建模,获取隐藏状态,提取语义信息.然后,基于隐藏状态特征,采用方面转换组件生成方面级特定的文本向量表示,将方面信息融入上下文表示中.最后,对于方面级特定的文本向量通过文本位置加权模块提取局部特征后,与全局特征进行融合学
针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的特征图.设计多尺度注意力机制替代U-Net中的跳跃连接,关注图像中的小目标,充分获取目标层的上下文信息.在公开数据集LiTS及3Dircadb和CHAOS组成的数据集上的实验证实文中方法能取得较好的分割效果.
近年来,社交媒体常会以漫画的形式隐喻社会现象并倾述情感,为了解决漫画场景下多模态多标签情感识别存在的标签歧义问题,文中提出基于双流结构的多模态多标签漫画情感检测方法.使用余弦相似度对比模态间信息,并结合自注意力机制,交叉融合图像特征和文本特征.该方法主干为双流结构,使用Transformer模型作为图像的主干网络提取图像特征,利用Roberta预训练模型作为文本的主干网络提取文本特征.基于余弦相似度结合多头自注意力机制(COS-MHSA)提取图像的高层特征,最后融合高层特征和COS-MHSA多模态特征.在