Natural radioactive elements such as uranium and thorium restrict the use of red mud as building materials or additives, and may cause environmental problems. The distribution features of U and Th in red mud was studied from micro and macro analysis, using EPMA, LA-ICP-MS, and methods of mineralogy and beneficiation. Based on the micro-area scanning analysis, main chemical compositions in red mud, such as Ca, Al, Si, Na, and K are dispersive while Fe and Ti mainly tend to concentrate in granular phases. Based on the in-situ analysis, the distribution of main elements and most trace elements in micro-zone of red mud was homogeneous. In micro-zone area, the variation tendency of thorium content was similar with Y in red mud samples. By means of the methods of mineralogy and beneficiation, red mud samples were separated into different fractions. U and Th tend to be enriched in the low density fraction of the red mud. Th presented a high concentration in the finest particle size fractions of the red mud. Neither U or Th was regularly distributed in various magnetic red mud fractions. Thorium fingerprint peaks were determined in perovskite by EDX under TEM, which is proposed to be one of the radioactivity sources in Bayer red mud.
Hybrid methodology of degradation feature extraction was presented which may enable prediction of remaining useful life of a product. In this methodology, firstly, the signal was de-noised by wavelet analysis. Then the autoregressive model was used to remove the discrete frequencies from de-noised signal. Further, the residual signal which mainly contained impulsive fault signal was enhanced by minimum entropy deconvolution filter. The kurtosis was extracted which was taken as the feature for prognostics. At last, the empirical mode decomposition was used to reduce fluctuation of feature value and to extract the trend content. A case study was presented to verify the effectiveness of the proposed method.
PL
Przedstawiono hybrydową metodę ekstrakcji cech degradacji, która umożliwia przewidywanie pozostałego okresu użytkowania produktu. W tej metodyce, sygnał został najpierw odfiltrowany z wykorzystaniem analizy falkowej. Następnie, za pomocą modelu autoregresyjnego usunięto z pozbawionego szumów sygnału częstotliwości dyskretne. W dalszej kolejności, sygnał resztkowy, który zawierał głównie impulsowy sygnał uszkodzenia został wzmocniony z zastosowaniem filtru dekonwolucji minimum entropii. Obliczono kurtozę, którą przyjęto jako cechę w procesie prognozowania. Na koniec, zastosowano empiryczną dekompozycję sygnału (EMD) w celu zmniejszenia wahań wartości cechy oraz w celu ekstrakcji trendu. Studium przypadku demonstruje efektywność proponowanej metody.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.