【摘 要】
：
以稀土熔盐电解渣为原料，提出了磁选—焙烧—浸出工艺提取稀土元素。全过程工艺考察结果表明，原料在100 mT的最佳磁场强度条件下，除铁率达到45.59%,非磁性相在焙烧浸出过程的最佳工艺条件为：焙烧温度750℃、CaO添加量30%、浸出温度25℃、盐酸浓度3 mol/L,全过程工艺的Nd、Pr的总回收率分别达到95.98%、96.15%。采用原位XRD表征结合热力学分析，明晰了焙烧过程矿相转化规律，
【基金项目】
：
国家重点研发计划项目（2020YFC1909003）； 江西省引进培养创新创业高层次人才“千人计划”创新领军人才短期项目； 中国科学院赣江创新研究院自主部署项目（E055A002）；
论文部分内容阅读
以稀土熔盐电解渣为原料，提出了磁选—焙烧—浸出工艺提取稀土元素。全过程工艺考察结果表明，原料在100 mT的最佳磁场强度条件下，除铁率达到45.59%,非磁性相在焙烧浸出过程的最佳工艺条件为：焙烧温度750℃、CaO添加量30%、浸出温度25℃、盐酸浓度3 mol/L,全过程工艺的Nd、Pr的总回收率分别达到95.98%、96.15%。采用原位XRD表征结合热力学分析，明晰了焙烧过程矿相转化规律，发现在焙烧过程中REF3与CaO反应生成REO,同时CaCl2与CaO、REF3先生成REOCl, REOCl再进一步转化为REO,提高焙烧温度能够减少难溶物相REOCl的生成，促进REF3向易溶物相REO的转变，进而提高稀土浸出率。本研究可为稀土回收提供理论指导。
其他文献
稀土是现代工业中至关重要的战略性资源，稀土分离是稀土资源综合高效利用的重要基础。大量的稀土萃取分离实践经验表明，混合澄清槽的体积平衡和流量平衡问题对萃取分离生产线的控制至关重要，是构建稀土萃取分离智能控制系统的关键环节。随着生产线运行状态的调整变化，混合澄清槽中的两相体积和流量也在不断变化，并且这种变化具有显著的非线性和滞后性特征，槽体的体积平衡和流量平衡控制会直接影响萃取分离生产线输出的稀土产品
推荐系统是互联网公司重要的增长引擎。推荐系统通过分析用户的历史行为数据来为用户推荐其感兴趣的物品。优秀的推荐服务可以增强用户的黏性,提高用户的转化率。推荐算法是推荐系统的核心,其负责数据的处理以及推荐模型的构建。传统的推荐算法存在数据稀疏、冷启动,以及推荐多样性差等问题。知识图谱因其具有丰富的知识内容和强大的关系处理能力,可以有效解决这些问题。基于知识图谱的推荐算法是近几年的研究热点。现有工作大都
隧道火灾一旦发生,火势迅猛,救援难度高,危害性极大。传统隧道火灾检测方法,如感温电缆等,需要达到一定温度才能报警,时间冗长。应用深度学习等方法实时快速的检测出隧道内出现火焰等情形,将火灾扼杀在萌芽阶段。深度学习,从更深层次自动挖掘特征并分析,应用于火焰检测是这一领域的新思路。本文以解决传统隧道火灾检测方法速度慢、误检率高等问题为目标,首先针对小火焰目标,提出了一种YOLOv5s-SRGAN级联网络
文本分类是对数字文本信息按照一定的分类体系或标准进行自动分类标记的一种方法,常用于垃圾邮件处理、情感分析、主题分类、意图识别等自然语言处理领域。目前常用的方法是基于深度学习的文本分类方法,此类方法是基于单模态数据所驱动的统计学习方法,缺乏对数据的真实理解能力,鲁棒性较差,单模态的信息也难以有效分析互联网中越来越丰富的多模态化数据。针对此问题,本文采用两种策略来提高分类能力:（1）为文本分类模型引入
随着互联网的快速发展,网络数据呈现出爆炸性的增长趋势,如何从海量异构的信息中找到用户感兴趣的内容是当前研究的热点。推荐算法作为数据挖掘的重要分支能够有效地缓解信息过载的问题,已成功应用于电子商务、新闻媒体和饮食健康等领域。以协同过滤为代表的传统推荐算法仅根据用户的评分数据进行建模,往往面临着数据稀疏和冷启动等问题。对此,研究人员提出将知识图谱作为辅助信息引入推荐算法中,通过丰富用户或项目的语义描述
人类文明中最伟大的结晶莫过于教育,俗话说为“天地立心,为生民立命。为往圣继绝学,为万世开太平”,教育是人类社会走向文明的核心,教育的水平关乎一个民族的文明传承,一个国家的繁荣昌盛,甚至关乎世界的和平发展。古人说“有教无类”,教育的客体是数量庞大的青少年学生,每个学生在人类历史上都是独特的个体,每个学生的擅长领域不同,学习能力不同,所以在现代社会的教育中,大多数老师公认的优良教学方法都是根据学生的能
电梯首次检验不合格率能够极大程度反应出电梯日常维保质量，本研究通过历史三年的电梯定检数据，并结合电梯设备信息、品牌信息以及检验不符合项信息，构建历年最优聚类模型，通过从电梯品牌、安装单位、使用年限、不符合项四个维度分析不合格检次分布情况，找出常年维保质量较低的重点监管维保单位，并且排查出了频繁出现的不符合项及反复出现该问题的设备，为监管提供标靶。
推荐系统作为一种从海量信息中筛选出用户需要的信息的有效手段,有着丰富的实用价值。引入辅助信息的推荐算法可以获得更好的精度,其中基于知识图谱的推荐算法引起了广泛关注。但是通过本文的研究发现目前对于基于知识图谱的推荐算法来说,还存在一些地方有待完善。首先,现有的方法在利用用户的历史记录在知识图谱中传播时,没有对物品粒度的信息进行挖掘,并且不能区分历史记录中不同物品的重要程度。其次,现有方法没有考虑到用
随着互联网技术的迭代更新,越来越多的数据被存储于云服务器和个人终端设备上,不论是图片、视频、音频或是文本数据都是非结构化的,因此它们不能很好的被计算机识别或使用。知识图谱以结构化的形式保存数据,让计算机可以有效地应用这些数据,目前知识图谱在搜索引擎、问答系统、知识推理等领域已经成为了不可或缺的技术。但是知识图谱的构建与维护是一个漫长的工作,需要相关领域内的专家们不断地完善。因此知识图谱补全成为该领
目的:概述了电梯维保及其质量评价领域的研究历程与研究热点，并对未来的研究发展方向进行预测与展望。方法:使用文献计量分析法，首先综述了电梯维保领域的研究现状，从发展趋势、出版刊物、热点词分布等方向进行分析，梳理电梯维保领域发展历程，并归纳总结电梯维保领域的研究热点。其次，从电梯维保质量评价的定义与对象出发，对电梯维保质量评价领域的指标与评价方法进行分析。最后，系统总结电梯维保质量评价研究现状与面临的