-
公开(公告)号：CN107570107A
公开(公告)日：2018-01-12
申请号：CN201711005234.5
申请日：2017-10-25
Applicant: 中南大学
IPC: B01J20/06 , B01J20/30 , B01J20/28 , C02F1/28 , C02F101/20
Abstract: 本发明属于水处理领域，具体涉及一种网状多孔结构的复合材料及其制备方法和应用。本发明以黄铁矿为原料，通过控制氧气与氮气通入比例、升温速率、煅烧温度、煅烧时间等参数，一步直接合成网状多孔结构的FeS2/α-Fe2O3复合材料，该复合材料对五价锑的最大吸附容量可达300mg g-1以上。该材料具有五价锑吸附性能优异和易于大规模制备等优点，而且材料制备方法简单、成本低，对于有效解决水体中的五价锑污染具有重要意义。
-
公开(公告)号：CN115790859A
公开(公告)日：2023-03-14
申请号：CN202211548453.9
申请日：2022-12-05
Applicant: 中南大学
IPC: G01J5/48
Abstract: 本发明提供了一种异常电解工况识别方法，包括：步骤1，获取目标电解槽的历史红外热像图，并在历史红外热像图中确定垂直于目标电解槽极板方向的特征辅助线；步骤2，获取特征辅助线上的温度峰值点，得到多个异常观测点；步骤3，针对多个异常观测点中的每个异常观测点，根据异常观测点提取空间维度上的空间温度特征序列和时间维度上的时间温度特征序列；步骤4，分别根据空间温度特征序列、时间温度特征序列对多个异常观测点进行分层聚类，得到聚类结果，并根据聚类结果识别出处于异常工况的极板；避免了通过温度阈值判断极板工况时人为提取温度代表值和设定温度阈值带来的失准，从而实现了更准确、更精细的异常电解工况智能识别。
-
公开(公告)号：CN113723400A
公开(公告)日：2021-11-30
申请号：CN202110966236.0
申请日：2021-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种基于红外图像的电解槽极板故障识别方法、系统、终端及可读存储介质，其包括以下步骤：获取电解槽极板的红外图像数据；基于红外图像数据构建电解槽极板故障识别模型，其中，电解槽极板故障识别模型构建过程为：基于红外图像数据依次进行深度特征提取、检测框生成、筛选检测框得到候选检测框、基于候选检测框对应的特征图进行分类网络训练和回归网络训练得到电解槽极板故障识别模型，从而利用电解槽极板故障识别模型得到待识别的电解槽极板的故障识别结果。本发明所述方法利用深度学习的优势提高了故障识别的准确率以及速度，将红外图像成功应用于电解槽的极板检测，并保证了检测精度。
-
公开(公告)号：CN107570107B
公开(公告)日：2019-12-17
申请号：CN201711005234.5
申请日：2017-10-25
Applicant: 中南大学
IPC: B01J20/06 , B01J20/30 , B01J20/28 , C02F1/28 , C02F101/20
Abstract: 本发明属于水处理领域，具体涉及一种网状多孔结构的复合材料及其制备方法和应用。本发明以黄铁矿为原料，通过控制氧气与氮气通入比例、升温速率、煅烧温度、煅烧时间等参数，一步直接合成网状多孔结构的FeS2/α‑Fe2O3复合材料，该复合材料对五价锑的最大吸附容量可达300mg g‑1以上。该材料具有五价锑吸附性能优异和易于大规模制备等优点，而且材料制备方法简单、成本低，对于有效解决水体中的五价锑污染具有重要意义。
-
-
-
Search Results
4
records
(took 0.017 seconds)
