高温对煤炭地下气化围岩损伤的影响

煤炭地下气化是煤炭无害化开采技术创新战略方向之一，该技术可以回收老矿井废弃煤炭资源，对传统采煤技术难以开采的煤炭资源进行原位清洁转化。气化过程中燃空区形成带来的结构应力和高温造成的热应力共同作用对岩石造成损伤。以大城勘查区深部煤层为气化对象，得出典型围岩热物性及力学参数随温度变化规律。基于连续损伤力学理论，在平滑Rankine损伤模型的基础上提出高温岩石损伤变量模型，使用COMSOL Multiphysics多物理场耦合软件对深部煤层地下气化过程围岩温度、主应力、损伤变量进行模拟研究。结果表明，5种典型岩石的比热容随温度升高整体呈上升趋势，导热系数随温度升高整体呈下降趋势，抗压强度和弹性模量随温度变化规律差别较大。围岩受温度影响范围随气化时间呈指数变化，气化10 d时，温度影响范围仅为3.27 m;气化50 d时，温度影响范围达到5.73 m;气化100 d时，温度影响范围为8.21 m;气化400 d时，温度影响范围达到18.20 m。结合地下气化过程中普遍采用的控制注气点后退气化法，岩石处于高温区的时间在40 d左右，温度场对围岩的影响范围约为4.7 m。燃空区上方及两端均出现损伤...     

润滑油中磨损颗粒在线监测传感器研究进展*

油液监测是判断设备健康状况和提供设备故障隐患预警的有效方法。综述了用于监测润滑油中磨损颗粒的最新各类在线传感器的基本原理,包括批量磁吸附式传感器、微流体电容传感器、金属扫描传感器、双层平面线圈传感器、超声波传感器和光学传感器等,并讨论各种传感方法的优缺点以及未来发展面临的挑战;指出了高通量、高灵敏度、能区别金属与非金属磨粒、可采集磨粒图像信息的集成式传感器是未来研究的重点,集成式、智能化、无线传输的传感器是未来研发方向。     

VO2/GaAs异质结的制备及其光电特性研究

采用直流磁控溅射和后退火氧化工艺在p型GaAs单晶衬底上成功制备了n-VO_2/pGaAs异质结,研究了不同退火温度和退火时间对VO_2/GaAs异质结性能的影响,并分析其结晶取向、化学组分、膜层质量以及光电特性。结果表明,在退火时间2 h和退火温度693 K下能得到相变性能最佳的VO_2薄膜,相变前后电阻变化约2个数量级。VO_2/GaAs异质结在308 K、318 K和328 K温度下具有较好的整流特性,对应温度下的阈值跳变电压分别为6.9 V、6.6 V和6.2 V,该结果为基于VO_2相变特性的异质结光电器件的设计与应用提供了可行性。     

魏斯氏菌的研究进展

对魏斯氏菌属的分离鉴定、生物学特性、耐酸特性、抑菌特性、产胞外多糖特性、益生特性、组学研究及其在食品与医药方面的应用进行了综述,并为魏斯氏菌属的开发利用提供了建议。     

以雷电机理诠释大底盘建筑群电源SPD配置

引入雷电冲击电流分时段特性的重要机理,在细究电感特性的基础上,以电感线路电流不能突变为原理,解释说明雷击建筑物时的高电位在雷击"换路"一刹那间先于雷电流发生,并在大底盘建筑群内可靠传导,形成一全范围的高电位"等电位面".据此得出结论:大底盘建筑群是一栋电位紧密关联的防雷建筑物,在装设电源SPD时应将大底盘地面上多栋物理形态分开的建筑合并视为完整的单一一栋建筑,并根据低压电源线路进出大底盘建筑群的不同情况分别按GB 50057-2010《建筑物防雷设计规范》第4.3.8条第4、5款进行电源SPD配置.     

350 MW机组锅炉引风机失速原因的运行数据统计分析

针对辽宁东方发电有限公司锅炉引风机发生的多次失速问题,从轴流引风机失速机理基础和根据Li-EMS5.0产品的实时数据监控系统的机组运行数据对引风机失速原因进行了分析,分析判断脱硫塔入口压力、除雾器差压的异常大幅升高是风机产生失速的根本原因,并对产生脱硫塔入口压力、除雾器差压的异常大幅升高原因进行分析判断,经停机采取处理措施后,解决引风机失速问题,保证了机组带负荷能力前提下的安全可靠运行.     

碳纤维连续抽油杆夹持技术

碳纤维连续抽油杆(简称碳纤维杆)具有质量轻、抗拉强度高和抗腐蚀性强等优点,用于深井、超深井和腐蚀性油井可大大降低能耗、提高采油效率,但是由于碳纤维杆的抗剪能力差、表面摩擦因数低,已有的碳纤维杆夹持系统提升力不足、伤杆断杆等问题突出,大大影响了碳纤维杆技术的推广应用。为了解决碳纤维杆的夹持难题,开展了碳纤维杆的基础性能评价、夹持摩擦副材料开发、表面结构及介质影响配套夹持系统试验等方面的研究工作。通过试验对比研究,优选了碳纤维杆的夹持摩擦副材料和夹持表面结构形式,提高了对碳纤维杆夹持的提升力和可靠性;结合碳纤维杆作业机注入头夹持系统非对称运动的特性,优化了夹持块的结构,并对夹持块切入角部位采用软合金材料,解决了碳纤维杆夹持时存在的错位夹持块弯折咬杆和注入头运转时的切入角磕碰伤杆问题。配套作业机注入头形成的碳纤维杆无损伤夹持技术,为碳纤维杆技术在油田的推广应用奠定了基础。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.