Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
PL
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
In order to improve the utilization rate of coal resources, it is necessary to classify coal and gangue, but the classification of coal is particularly important. Nevertheless, the current coal and gangue sorting technology mainly focus on the identification of coal and gangue, and no in-depth research has been carried out on the identification of coal species. Accordingly, in order to preliminary screen coal types, this paper proposed a method to predict the coal metamorphic degree while identifying coal and gangue based on Energy Dispersive X-Ray Diffraction (EDXRD) principle with 1/3 coking coal, gas coal, and gangue from Huainan mine, China as the research object. Differences in the phase composition of 1/3 coking coal, gas coal, and gangue were analyzed by combining the EDXRD patterns with the Angle Dispersive X-Ray Diffraction (ADXRD) patterns. The calculation method for characterizing the metamorphism degree of coal by EDXRD patterns was investigated, and then a PSO-SVM model for the classification of coal and gangue and the prediction of coal metamorphism degree was developed. Based on the results, it is shown that by embedding the calculation method of coal metamorphism degree into the coal and gangue identification model, the PSO-SVM model can identify coal and gangue and also output the metamorphism degree of coal, which in turn achieves the purpose of preliminary screening of coal types. As such, the method provides a new way of thinking and theoretical reference for coal and gangue identification.
PL
W celu poprawy stopnia wykorzystania zasobów węgla konieczna jest klasyfikacja węgla i skały płonnej, ale to klasyfikacja węgla jest szczególnie ważna. Niemniej jednak obecna technologia separacji węgla i skały płonnej koncentruje się głównie na identyfikacji węgla i skały płonnej, ale nie przeprowadzono dogłębnych badań dotyczących identyfikacji gatunków węgla. W związku z tym, w celu wstępnego przesiewu rodzajów węgla, w niniejszym artykule zaproponowano metodę przewidywania stopnia metamorfizmu węgla przy identyfikacji węgla i skały płonnej w oparciu o zasadę dyfrakcji rentgenowskiej z dyspersją energii (EDXRD) z 1/3 węglem koksującym, węglem gazowym i skałą płonną z kopalni Huainan w Chinach jako obiektem badawczym. Różnice w składzie fazowym 1/3 węgla koksowego, węgla gazowego i skały płonnej analizowano przez połączenie wzorców EDXRD z wzorcami dyfrakcji rentgenowskiej z dyspersją kątową (ADXRD). Zbadano metodę obliczeniową charakteryzującą stopień metamorfizmu węgla za pomocą wzorców EDXRD, a następnie opracowano model PSO-SVM do klasyfikacji węgla i skały płonnej oraz przewidywania stopnia metamorfizmu węgla. Na podstawie uzyskanych wyników wykazano, że poprzez wbudowanie metody obliczania stopnia metamorfizmu węgla w model identyfikacji węgla i skały płonnej, model PSO-SVM może identyfikować węgiel i skałę płonną, a także wyprowadzać stopień metamorfizmu węgla, co z kolei spełnia cel wstępnego przesiewania rodzajów węgla. Jako taka, metoda ta zapewnia nowy sposób myślenia i teoretyczne odniesienie do identyfikacji węgla i skał płonnych.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The nickel-based superalloy Inconel 718 is widely used in aerospace and other fields due to its excellent performance. However, the alloy elements are presented in the form of compounds with high hardness, such as TiC, NbC, MoC, TiN and so on, which lead to complex cutting deformation in machining Inconel 718. In this study, the cutting experiments and the fast tool-drop test were carried out to obtain the chip root. Combining the split Hopkins pressure bar (SHPB) test, a scanning electron microscope (SEM) was used to observe the metallographic micrographs of the specimens and analyzed the plastic dynamic behavior of the material in the cutting area. The soft and hardening mechanism in the dynamic deformation process was described. The stress distribution model of material in the cutting area was proposed and the influence of stress distribution on cutting deformation, side fow and tool wear during the cutting process were also given.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.