-
公开(公告)号：CN107900351A
公开(公告)日：2018-04-13
申请号：CN201711369175.X
申请日：2017-12-18
Applicant: 中南大学
CPC classification number: B22F3/18 , B22F1/0003 , B22F1/0059 , B22F3/1007 , B22F3/1017 , B22F2998/10 , C22C33/02 , C22C38/02
Abstract: 一种高硅钢薄带材的粉末轧制制造方法，本发明采用还原Fe粉，Si含量为70～80％的高纯硅铁粉，形成Fe-4.5～6.7％Si混合粉体。通过粉末轧制形成多孔板坯，将粉末轧制板坯在1070～1170℃进行真空或还原气氛保护烧结，使Fe粉颗粒实现不完全连接，而Si与Fe实现部分合金化，形成多孔、具有可压缩性的未完全合金化的高硅钢坯料。经多次冷轧、不完全烧结，最后在1270～1340℃温度范围内真空或还原气氛保护烧结，实现高硅钢的均质合金化，获得含4.5～6.7％Si的0.1～0.5mm厚，密度7.35～7.48g/cm3的高硅钢带材。
-
公开(公告)号：CN103971379A
公开(公告)日：2014-08-06
申请号：CN201410238228.4
申请日：2014-05-30
Applicant: 中南大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于单摄像机等效双目立体视觉模型提取浮选泡沫立体特征的方法。在单摄像机获取浮选生产现场泡沫视频的基础上，利用视频中相邻两帧图像因泡沫流动而产生的差异信息，将一台摄像机从一个方位在不同时刻拍摄的流动泡沫的两帧图像，看作两台摄像机从不同方位在同一时刻拍摄的同一场景下的两幅泡沫图像，等效构建模拟人眼成像过程的双目立体视觉模型，获得泡沫图像中气泡的深度信息，进而提取气泡的立体特征，以用于有效识别有色金属浮选工况，实现对有色金属浮选过程的优化控制。
-
公开(公告)号：CN109972051A
公开(公告)日：2019-07-05
申请号：CN201910403269.7
申请日：2019-05-15
Applicant: 中南大学
Abstract: 一种钇元素变质高硬度合金及其铸造方法，合金各元素的含量为Cr：9.0～13.0，B：2.6～2.9，C：0.7～0.9，Nb：0.4～0.8，V：0.4～0.8，Mn的含量小于0.3，Y：0.02～1.6，余量为Fe，C、B总量为3.3～3.6；C/Cr含量比：0.06～0.08；Nb、V的总量为0.5～1.0，首先准备好Fe‑Y2O3、Fe‑碳酸钇或者Fe‑硝酸钇粉末压块准备，将合金配料、熔炼与变质处理后浇铸合金，浇铸温度为1250～1320℃。本发明铸锭平均硬度HRC66.5～70.5，冲击韧性达到11.8～16.3J/cm2，抗弯强度达到1260～1690MPa。
-
公开(公告)号：CN105405149B
公开(公告)日：2018-07-31
申请号：CN201510816204.7
申请日：2015-11-20
Applicant: 中南大学
Abstract: 本发明公开了种浮选泡沫图像的复合纹理特征提取方法。首先在泡沫图像的灰度量化矩阵中获取所有中心像素点的面邻域集合;然后针对所有中心像素点,构建三维数据表并得到嵌套灰度频数表;再次,获得种改进的邻域灰度相关矩阵;最后求取种新的复合纹理特征。该特征综合了泡沫的大小、纹理和粗糙度,在反映浮选泡沫的纹理上,具有较高的稳定性、可分性。根据所提取的复合纹理特征,容易将不同入矿品位下的不同工况的浮选泡沫图像区分开来,具有较高的工况识别正确率。本发明简单有效,对指导矿物浮选现场泡沫工况识别具有重要意义。
-
公开(公告)号：CN104408724A
公开(公告)日：2015-03-11
申请号：CN201410699401.0
申请日：2014-11-27
Applicant: 中南大学
IPC: G06T7/00
CPC classification number: G01F23/292
Abstract: 本发明公开基于深度信息的泡沫浮选液位监测和工况识别方法及系统。首先，从软硬件方面构建基于kinect的泡沫浮选工况监测系统；其次，通过Kinect传感器采集浮选泡沫颜色和深度数据，对深度数据进行深度信息提取和滤波处理，对颜色和深度数据进行时序与位置上的对准及其对应的存储。然后，结合颜色数据和深度数据，提取泡沫的颜色、面积、体积、速度、破碎率等立体(带有深度信息)特征。再者，通过分析当前泡沫表层液位特征与溢流槽边沿高度之间的关系进行液位监测。最后，采用改进的k-means算法对泡沫图像特征进行聚类分析，实现对浮选工况的在线识别。本发明可用于泡沫浮选现场的工况监测与实时工况识别，以实现浮选生产自动控制与优化操作，提高资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN103632156A
公开(公告)日：2014-03-12
申请号：CN201310717304.5
申请日：2013-12-23
Applicant: 中南大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，首先对泡沫灰度图像进行小波变换，然后分别对不同尺度的小波逼近子图系数进行灰度映射，最后，根据邻域灰度相关矩阵统计获取一种新的反映泡沫图像灰度变化频数统计规律的多尺度纹理特征，该特征具有较高的反映铜浮选生产运行状态的稳健性和适于工况识别的可分性。根据所获得的纹理特征，可将不同工况的泡沫图像区分开来，达到有效识别工况的目的，进而为浮选生产优化控制提供操作指导。
-
公开(公告)号：CN103559496A
公开(公告)日：2014-02-05
申请号：CN201310574723.8
申请日：2013-11-15
Applicant: 中南大学
Abstract: 本发明公开了一种泡沫图像多尺度多方向纹理特征的提取方法，首先对泡沫灰度图像进行曲线波变换，然后分别对不同尺度不同方向的曲线波子图进行处理，提取多尺度多方向的纹理表征信息，构成泡沫图像的特征向量。根据所获得的纹理特征，可将不同工况的泡沫图像区分开来。该泡沫图像多尺度多方向纹理特征的提取方法针对泡沫图像识别具有良好的模式可分性，且易于实施。
-
公开(公告)号：CN109338245A
公开(公告)日：2019-02-15
申请号：CN201811576366.8
申请日：2018-12-22
Applicant: 中南大学
IPC: C22C38/44 , C22C38/50 , C22C38/42 , C22C38/52 , C22C38/58 , C22C38/04 , C22C38/02 , C21D8/02 , C21D1/18
CPC classification number: C22C38/44 , C21D1/18 , C21D8/0226 , C21D8/0236 , C21D8/0273 , C21D2211/001 , C22C38/02 , C22C38/04 , C22C38/42 , C22C38/50 , C22C38/52 , C22C38/58
Abstract: 一种铜锆钴改性不锈钢及其加工与热处理方法，合金元素质量百分比为：C≤0.03，Ni＝12.0～15.0，Cr＝16.0～18.0，Mo＝2.0～3.0，Zr≤0.53，Cu＝0.2～0.8，Co＝0.1～0.5，Mn≤2.0，Si≤1.0，P≤0.035，S≤0.030，其中7.59×C≤Zr≤7.59×C+0.3，余量为Fe。经热变形开坯和冷变形，ZrC破碎、弥散，高温固溶处理后晶粒粗化。通氧条件下80℃含5×10-6F-的0.5mol/L的H2SO4电解液中腐蚀电流密度为1.23～1.76μA/cm2，与经表面涂层的不锈钢双极板材料相当。具有低硬度和高延伸特点，利于双极板流道的成型。
-
公开(公告)号：CN103971379B
公开(公告)日：2017-07-28
申请号：CN201410238228.4
申请日：2014-05-30
Applicant: 中南大学
Abstract: 本发明公开了一种基于单摄像机等效双目立体视觉模型提取浮选泡沫立体特征的方法。在单摄像机获取浮选生产现场泡沫视频的基础上，利用视频中相邻两帧图像因泡沫流动而产生的差异信息，将一台摄像机从一个方位在不同时刻拍摄的流动泡沫的两帧图像，看作两台摄像机从不同方位在同一时刻拍摄的同一场景下的两幅泡沫图像，等效构建模拟人眼成像过程的双目立体视觉模型，获得泡沫图像中气泡的深度信息，进而提取气泡的立体特征，以用于有效识别有色金属浮选工况，实现对有色金属浮选过程的优化控制。
-
公开(公告)号：CN103559496B
公开(公告)日：2016-08-17
申请号：CN201310574723.8
申请日：2013-11-15
Applicant: 中南大学
Abstract: 本发明公开了一种泡沫图像多尺度多方向纹理特征的提取方法，首先对泡沫灰度图像进行曲线波变换，然后分别对不同尺度不同方向的曲线波子图进行处理，提取多尺度多方向的纹理表征信息，构成泡沫图像的特征向量。根据所获得的纹理特征，可将不同工况的泡沫图像区分开来。该泡沫图像多尺度多方向纹理特征的提取方法针对泡沫图像识别具有良好的模式可分性，且易于实施。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.036 seconds)
