某星级酒店集群项目暖通空调系统设计

本文主要介绍了某一星级酒店集群项目的空调冷热源中心及空调水系统分区方案,还有部分主要特殊功能区域空调末端风水系统,通风及防排烟系统的设计思路及做法,设计中充分考虑了节能及多方面因素的影响,为暖通同行从业人员提供设计参考.     

非定常气动力对垂起固定翼无人机动力学的影响

由于垂起固定翼无人机结构复杂,无论是采用数值模拟得到其非定常气动力还是采用单刚体建模方法建立其动力学模型都较为困难。为了解决该问题,通过CFD数值模拟机翼翼型的迟滞环线,引入无人机俯仰运动所产生的迟滞效应,通过ONERA方程建立无人机垂起改平飞过程的非定常气动力模型,最终基于多体动力学,将无人机划分成机翼、机身、旋翼、舵面的多刚体系统,通过凯恩方程推导并建立无人机动力学模型,通过数值仿真可以发现:多体动力学的方法适用于这类结构复杂无人机的建模,引入机翼的迟滞环对无人机的俯仰运动起阻尼作用;引入非定常气动力与未引入非定常气动力相比垂起速度存在8%的差异,垂起改平飞过程结束时两者上升速度存在40%的差异。     

415m2环冷机漏风、打滑及跑偏治理

环冷机是烧结矿生产中三大主要设备之一,其稳定运行关系到烧结矿生产效率、效益和技术指标。为保障稳定运行,对环冷机使用过程中存在的漏风、摩擦轮打滑和跑偏等主要问题进行了分析研究,并实施了一系列治理和改进。通过对环冷机台车底部两侧与风箱之间、轴端处、台车栏板与密封罩间使用机械密封,增加刮料板和反射板保障料面治理了环冷机漏风;对环冷机台车的栏板紧固和修复罩子变形、台车下部动、静密封的紧固以及清理摩擦板及调节碟簧紧力等治理了摩擦轮打滑;对环冷机内、外环形轨道调整、摩擦轮角度调整及更换挡轮等治理了环冷机的跑偏。改进后,余热蒸汽量平均提高5%以上,同时降低了事故发生率,年可创效175万元。     

高效液相色谱法测定多环芳烃的出峰顺序探讨

目的探讨水﹑气﹑土壤中多环芳烃检测标准(HJ 478-2009﹑HJ 647-2013、HJ 784-2016)的正确出峰时间和顺序。方法用高效液相色谱来对苊烯、芴、苊、?、苯并(a)蒽进行定性分析,并与3个标准中的出峰顺序进行比较。结果苊烯、苊、芴、苯并(a)蒽、?的出峰时间分别为6.450、7.923、8.233、17.760、18.740min,与标准HJ478-2009﹑HJ647-2013的出峰顺序存在差异。结论在使用标准HJ478-2009﹑HJ647-2013、HJ 784-2016同时测定16种多环芳烃时,多环芳烃的出峰顺序及时间应以HJ 784-2016为准。     

智能物联 舒适家居系统升级的重要方向

A.O.史密斯在中国市场始终坚持本土化的管理和本土化的研发,其近年来在舒适家居市场的一系列动作,可以看出,依然是秉承着以用户为中心的原创型创新,在更好满足消费者需求的同时,为行业带来新活力。节能省气看得见,引领采暖系统进入AI智控新时代。近几年,行业一直在推冷凝式产品,但却推广得非常难。从全球市场来看,欧洲之所以冷凝炉得以普及,是因为有政策的引导。     

基于(火用)效率目标的环冷机余热回收系统操作参数优化

摘要：针对烧结环冷机余热回收利用率不高的难题，采用分析法建立了评价某钢铁厂烧结环冷机余热回收系统运行效率的效率模型。基于多孔介质模型、局部非热平衡方程、真实气体SRK方程建立环冷机内气固两相换热模型。通过CFD仿真模拟，探究料层高度、循环风机输入烟气温度、烧结矿底部入口风速三项可控环冷机运行工艺参数对系统效率的影响规律。结果表明，料层厚度在1～1.5 m区间每增加0.1 m，效率增加0.8%～1.1%；循环风温在100～140℃之间每增加10℃，效率增加1.4%～1.5%；烧结矿底部入口风速在0.9～1.9 m/s之间每增加0.1 m/s，效率降低0.18%～0.24%。在此基础上，基于工业运行数据建立效率正交试验优化模型，提高了该余热回收系统3.42%的效率。     

木片筛余物高得率半化学法清洁制浆技术研究

以太阳纸业备料车间木片筛选碎料（筛余物）为原料，对其烧碱法半化学制浆的实验室工艺和生产试验进行了研究。结果表明，筛余物采用半化学法制浆可获得较高得率和环压强度的纸浆，且用碱量对纸浆性能有显著影响。相对8%NaOH （相对于绝干原料）化学预处理，采用14%NaOH化学预处理结合两段浆浓22%的高浓磨浆工艺，所制半化学浆抄造浆张的裂断长和环压指数分别达2.89 km和9.76 N·m/g，是前者的1.9倍和1.2倍，而且优于现用国内OCC废纸浆抄造浆张；生产试验得到的浆张性能指标与实验室相吻合，其中紧度和环压强度分别达到GB/T 13023—2008瓦楞芯（原）纸AA级和A级优等品要求。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。