-
题名智能矿山关键技术研发与应用进展
被引量：2
- 1
-
-
作者
郑玉荣
靳军宝
吴新年
赵亚军
王晓民
-
机构
中国科学院西北生态环境资源研究院
甘肃省知识计算与决策智能重点实验室
中国科学院大学经济与管理学院信息资源管理系
酒泉钢铁集团有限责任公司技术中心
金川集团股份有限公司镍钴研究院
-
出处
《黄金科学技术》
北大核心
2025年第2期404-416,共13页
-
基金
甘肃省基础研究计划——软科学专项“强科技背景下的甘肃省高层次科技人才流动规律、影响因素及驱动机制研究”(编号:22JR4ZA025)
国家社会科学基金项目“面向颠覆性技术早期识别的弱信号监测体系设计与应用研究”(编号:22BTQ066)联合资助。
-
文摘
智能矿山是矿业数字化转型的核心引擎,通过梳理国内外最新研发与应用进展,对重点技术赋能矿业智能化发展进行了系统研究。共性关键技术赋能智能矿山行业主要围绕实际生产需求展开,研究主题包括物联网、机器视觉、机器听觉、深度学习、大数据挖掘、智能传感器、协作机器人、数字孪生和绿色矿山等,应用场景涉及智能控制系统、资产智能管理、安全保障及其系统、数据管理及其分析和监控系统等。展望未来,关键技术的创新与融合应用将成为推动智能矿山向高质量、可持续和智能化全面发展的核心引擎,通过结合人工智能与大数据技术来提升矿山在精准勘探、优化开采路径、降低能耗与废弃物和提高资源利用率等方面的综合能力,而数字孪生与人工智能技术相结合将实现矿山的全面数字化运营,区块链、物联网、云计算和5G等技术可保障矿山远程管理和智能决策的高效性和精准性。智能矿山关键技术的应用将为矿业转型升级奠定坚实基础,引领矿业向绿色、安全、数字、智能和高效的方向发展。
-
关键词
智能矿山
关键技术
物联网
数字化
人工智能
深度学习
-
Keywords
smart mine
key technology
Internet of Things
digitization
artificial intelligence
deep learning
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名氢燃料电池关键技术发展态势研究
被引量：6
- 2
-
-
作者
郑玉荣
靳军宝
白光祖
吴新年
王晓民
张有余
-
机构
中国科学院西北生态环境资源研究院
甘肃省知识计算与决策智能重点实验室
中国科学院大学经济与管理学院
金川集团股份有限公司镍钴研究院
酒泉钢铁集团有限责任公司技术中心
-
出处
《现代化工》
CAS
CSCD
北大核心
2024年第11期12-17,共6页
-
基金
国家社会科学基金项目(22BTQ066)
中国科学院西部之光“西部青年学者”项目(2023)。
-
文摘
基于多源数据对氢燃料电池不同创新环节的知识关联关系进行深入研究,描摹了技术驱动创新发展的演变过程。以2000—2023年全球主要资金项目(探索研究)、国际会议(前沿研究)、期刊论文(基础研究)、发明专利(应用研发)等公开科技文献数据为基础,对氢燃料电池研发技术体系和关键技术进行了梳理与研究,结果表明,未来氢燃料电池关键技术竞争高地主要集中在催化剂、双极板等关键材料与技术方向,其中催化剂以高活性、高稳定性、低成本、纳米协同材料、失活抑制、功能化元素等为重点研发方向;双极板以低成本材料、轻量化材料、关键涂层材料等为重点研发方向。
-
关键词
氢燃料电池
颠覆性技术
研发热点
关键技术
技术体系
催化剂
双极板
-
Keywords
hydrogen fuel cell
disruptive technology
hot spot
key technology
technical system
catalyst
bipolar plate
-
分类号
TM911.42
[电气工程—电力电子与电力传动]
-
-
题名镜铁山Ⅴ矿体铁矿石智能与强磁干式联合预选试验研究
被引量：8
- 3
-
-
作者
黄开伟
陈铁军
展仁礼
刘伟
-
机构
武汉科技大学资源与环境工程学院
冶金矿产资源高效利用与造块湖北省重点实验室
酒泉钢铁集团有限责任公司技术中心
-
出处
《金属矿山》
CAS
北大核心
2022年第3期99-104,共6页
-
文摘
酒钢镜铁山Ⅴ矿体铁矿石采出TFe品位23%左右,多年来受选矿工艺技术水平及经济条件制约,一直未得到合理利用。现场采用单一强磁预选工艺,入选矿石TFe品位得到较为明显的提高,但尾矿TFe品位偏高,铁损失较大。为进一步提高预选效果,对该矿进行智能预选与强磁预选联合抛废试验研究。结果表明:①对于TFe品位为23.92%、粒度范围为15~45 mm粒级样,适宜的抛废率为16.31%,此时TFe品位为26.53%、回收率92.83%。抛废率为13.20%和20.39%的稳定试验结果与条件试验结果基本一致,表明智能预选试验数据可靠。②A1粒级样(30~45 mm)粗选适宜的筒体表面线速度为0.70 m/s,此时精矿TFe品位为29.03%、回收率70.91%;A2粒级样(15~30 mm)粗选适宜的筒体表面线速度为0.85 m/s,此时精矿TFe品位为30.03%、回收率78.09%。③粒度为30~45 mm的智能预选精矿通过强磁干式预选,可抛除作业产率为15.04%、TFe作业回收率为8.29%的尾矿,精矿TFe品位提升了2.04个百分点;粒度为15~30 mm的智能预选精矿通过强磁干式预选,可抛除作业产率为10.97%、TFe作业回收率为5.79%的尾矿,精矿TFe品位提升了1.54个百分点。粒度为30~45 mm的智能预选精矿的强磁干式预选效果更好。④采用智能预选—强磁干式预选(1粗1扫)工艺进行联合抛废处理15~45 mm粒级矿样,可抛除总产率为24.12%、TFe回收率为11.95%的尾矿,精矿TFe品位提升了3.85个百分点,预选效果较好。
-
关键词
镜铁山Ⅴ矿体
低品位
智能预选
强磁干式预选
粒度
-
Keywords
Ⅴorebody in Jingtieshan
low grade
intelligent pre-selection
high magnetic dry pre-selection
particle size
-
分类号
TD951
[矿业工程—选矿]
-
