锰矿矿浆颗粒粒度的超声测量方法研究

为了检测锰矿矿浆中反映矿粉特性的颗粒粒度参数,通过声学理论模型的推导和数值计算,分析颗粒粒径与超声衰减谱的关系和敏感度,实验测量体积分数达45%的高浓度锰矿矿浆在频率为3~6 MHz之间的超声衰减谱,基于预测模型,结合正则化反演算法,由实验数据计算出矿浆中颗粒粒度分布。结果表明:矿浆中矿粉颗粒的粒径分布曲线均呈现单峰分布。该结果与稀释样品的激光散射法和显微镜图像法测量结果较为吻合。     

双波长动态液膜厚度与温度同步测量系统

基于半导体激光吸收光谱(DLAS)技术,研制了双波长动态液膜厚度与温度高精度同步测量系统。利用标准具对该系统的测量精度进行验证。结果表明,该系统的液膜厚度和温度的平均测量误差分别为4.58%和1.34%。在此基础上,利用该系统对水平石英玻璃板上的液膜蒸发过程进行研究。结果表明,液膜的平均蒸发速率为0.34μm/s,蒸发速率随液膜温度的升高而增大,且DLAS与图像法和热电偶测得的结果吻合良好。利用该系统对流道中的动态液膜进行研究,在不同液膜温度(308,315,323 K)下,液膜平均厚度基本一致且在1 s内波动11次,液膜温度几乎保持恒定。     

LM优化算法在消光法测粒技术中的应用

基于限定模式反演算法,由LM优化算法对消光法测量衰减光谱进行反演处理,获得颗粒粒径和分布.讨论了目标函数构造,不同的粒径分布函数,单双峰分布及优化初值对于反演结果的影响及重要性.表明该算法具有很好稳定性和精确度.     

基于超声波衰减谱的石膏浆液粒度测量方法

为控制脱硫副产品石膏生成粒度,提高脱硫石膏的品质,有必要对石膏浆液的密度、浓度及粒度进行快速准确测量,为此设计了一种基于超声波衰减谱的非浸入式脱硫石膏浆液粒度测量方法（简称超声波法）,并用该法对不同电厂6种石膏浆液进行对比测量。在ECAH理论模型的基础上,通过对超声脉冲时域信号进行快速傅立叶变换（FFT）获得超声波衰减谱,基于MATLAB语言编写不同的反演程序,分别用最优正则化算法（ORT）和投影算法（Projection）以及非独立的遗传算法（GA）计算得到石膏浆液粒度分布,并与常规测试方法进行比对分析,其中正则化算法所得偏差值在20%以内,证明了该算法的可靠性。所设计的脱硫石膏浆液粒度测试超声波法,可为后续开展脱硫石膏浆液粒度分布在线测量仪的研制提供借鉴。     

基于超声谱分析的颗粒粒度测量研究

为验证不同超声谱测量和分析方式对颗粒粒度测试的影响,设计了一种非侵入式超声波透射和多次反射信号同步测量实验装置。采用脉冲回波法、反射比样法和透射法分别对体积分数为1%~4%的聚苯乙烯-水悬浮液进行实验,结合理论模型,分析超声波在颗粒两相体系中的衰减谱、相速度谱和阻抗谱。以ECAH模型为理论基础,结合ORT反演算法,对不同超声谱进行反演获得了聚苯乙烯样品颗粒粒径分布。将上述结果与图像法对比,颗粒中位径结果偏差均在15%之内,3种谱分析的粒径分布也较为吻合。     

新的水和水蒸汽热力性质国际标准IAPWS-IF97及计算软件

介绍了最新的工业用水和水蒸汽热力性质国际标准ＩＡＰＷＳ－ＩＦ９７的特点及根据该标准计算公式编写的计算软件。该软件在Ｗｉｎｄｏｗｓ下运行，并可与Ｅｘｃｅｌ等软件调用，可供锅炉、汽轮机等设计、运行、试验等的技术人员使用。     

基于HSV空间的岩心图像处理

针对石油勘探中的岩心图像在分割过程中难以有效识别出灰度值相近的颗粒与颗粒、颗粒与背景的边缘信息,且容易造成过度分割或欠分割的问题,提出一种彩色图像分割并获取颗粒粒度分布的算法,并将结果与灰度迭代算法、最大熵法和分水岭算法分割结果进行比较。结果表明,该算法以彩色图像HSV模型的V分量为依据进行图像分割,可以在较为复杂的岩心背景下校正分割结果,更准确地分割出目标和背景颜色相近的边缘,获得砾石、泥沙颗粒的粒度分布。     

基于蒙特卡罗模型的高浓度浆液细度在线测量

近年来颗粒粒径测量问题受到了国内外的广泛研究。 针对燃煤电厂高浓度脱硫石灰石浆液细度在线测量,将基于蒙特 卡罗方法的声衰减模型拓展至高浓度范围,高浓度蒙特卡罗模型(HC-MCM)预测衰减系数与实验测量值相吻合。 构建 HC-MCM 矩阵用于颗粒粒径分布的反演可减小计算时间,且差分进化算法的计算结果与设定粒径和分布宽度的相对误差小于 1% 。 搭建基于透射和反射法的双模式超声检测装置并开发软件测量系统,加工适用于高浓度浆液细度测量的透射传感器和超声探 针,依托燃煤电厂完成长达 168 h 的浆液细度在线测量实验。 结果表明,两种模式超声衰减谱的变化趋势和数值大小基本吻 合。 粒径分布参数 DV50 与激光粒度仪测量结果的相对误差小于 8% ,其粒径分布满足燃煤电厂成品石灰石浆液的细度要求。     

AR模型压力变送器响应时间测量方法

压力变送器响应时间传统检测方法是将待测变送器送人试验室进行离线检测。电厂压力变送器无法进行实时性检测。压力变送器在役期响应时间原位测量对保证电厂系统的可靠性与安全性非常重要。基于电厂正常工作期的压力变送器噪声信号,研究一种压力变送器噪声时域信号自回归(AR)模型分析的响应时间测量方法。通过最终测量误差(FPE)和阿凯克信息论(AIC)准则判断模型收敛阶数,Yuler-walker算法估计参数。模型参数确定后,计算模型脉冲响应,积分得斜坡响应并求得模型的响应时间。通过仿真验证模型算法,在实验室条件下通过外加气动噪声,对3款压力变送器试验,并与传统斜坡法测试结果进行对比。结果表明,3款压力变送器测试结果与斜坡法误差均小于7%,该研究对国内电厂压力变送器原位测试装置的研发有重要意义。     

电厂安全帽佩戴安全性监控的智能图像处理方法

立足于电厂安全管理现状,针对部分人员不按规定佩戴安全帽进入电厂作业区域造成安全隐患问题,对基于图像智能处理的安全帽佩戴检测技术开展研究。设计一种安全帽佩戴检测方法,通过掩膜区域卷积神经网络(mask region convolution neural network,Mask R-CNN)深度学习算法对作业人员图像分析,采集5000张安全帽佩戴照片样本作为训练图集,对其进行预处理,再由改进的特征金字塔网络算法(feature pyramid networks,FPN)进行神经网络训练。对于测试集500张图像分析结果表明,结合改进的FPN算法和ResNet-101作为主干网络的Mask R-CNN模型能够有效实现对安全帽佩戴与否及佩戴错误的检测,模型精确率为0.971,召回率为0.973,均值平均精确度为0.970,获得较准确的电厂应用场景下安全帽佩戴安全性检测效果。