μCT技术研究煤的孔隙结构和分形特征

煤的孔隙结构是影响煤中气体吸附和渗流的一个重要因素。从实现精细化、无损化和定量化入手,应用μCT 225kVFCB型高精度CT试验分析系统,通过显微CT切片,提取研究了4个煤样孔隙分布特征,讨论了煤级、煤显微组分和灰分对煤孔隙结构的影响程度。采用公约数网格序列盒维数法定量表征了孔隙结构的复杂程度和不规则性,探讨了孔隙率、渗透率和分形维数的关系。研究表明,研究煤样的孔隙分布总体受煤显微组分含量控制,同时煤中矿物充填作用在一定程度上降低了煤的孔隙率、平均孔径和孔隙数量。煤孔隙分形维数D的变化与孔隙分布特征密切相关,有效地反映了孔隙结构的非均质性。孔隙率、渗透率与分形维数呈现显著的幂指数正相关关系。由此指示,基于显微CT切片的煤孔隙分形维数可作为煤储层孔隙特征和渗透性评价的定量指标之一。     

矿山CT施工方案设计及现场实测分析

对于矿井震动波CT来说,由于所施工工作面的条件千差万别,因此,在对工作面进行施工设计和实际生产的前期一定要进行必要的实验工作。综合采用理论研究、数值计算和现场实测数据分析相结合的研究方法,依据实验所获得的资料,设计了己15-24080工作面矿山CT技术现场实施方案,建立了沿直接顶传播的滑行波和沿煤层传播至接收点的直达波波速的二维求解模型,求解了己15-24080工作面区域的煤岩震动波波速分布图。现场动力显现表明,该技术能够准确探测冲击危险区域。     

神经网络分数阶PI~μD~λ在压电叠堆控制中的应用

为了克服压电叠堆的迟滞特性,实现压电叠堆的精确控制,建立了压电叠堆控制系统,研究了该系统所用到的神经网络、分数阶微积分等算法。首先,搭建了采集压电叠堆位移数据的硬件系统,并对含有噪声的位移数据进行了滤波处理;利用径向基函数(RBF)神经网络对压电叠堆建模,得到了模型参数。然后,利用RBF神经网络建模得到的Jacobain信息来整定分数阶PI~μD~λ控制器中的参数对压电叠堆进行控制。最后,与RBF整数阶PID对压电叠堆的控制效果进行了对比。结果显示:RBF建模误差仅为位移实测数据的0.22%,RBF神经网络分数阶PIμDλ控制系统输出稳定,很好地跟随了给定。得到的结果表明RBF神经网络分数阶PI~μD~λ控制器控制性能良好,在压电叠堆的控制中比RBF整数阶PID控制器表现得更加稳定、精确。     

料仓下料口的可靠性优化设计

随着对能源需求的增加,采煤充填技术越来越被广泛地应用在煤矿开采中。料仓是充填站必备的设备,而在料仓落料过程中,下料口经常出现架拱现象,造成物料供给不稳定或者完全停止,对于后端设备影响很大。针对下料口出现的问题进行分析,并通过可靠性优化设计对下料口进行结构设计,计算出下料口的可靠度并优化选择。     

底抽巷巷道变形实测分析

为了充分发挥底抽巷的作用,从根本上解决河南某矿的瓦斯治理问题,通过现场观测煤巷掘进和工作面回采过程中保护巷的变形情况,掌握一线资料,通过理论分析及实测数据掌握保护巷受采动影响时的变形规律,为保护巷和被保护巷相对位置的选取提供科学、合理的依据。     

输电线路采空区铁塔叠加基础构想

为进一步保障地区电网安全稳定运行、电力可靠有序的供应,提高地区主网辖区内输电线路采空区铁塔倾倒的预防能力,针对输电线路采空区出现的倾斜铁塔基础进行调整和改造,设计出了适用于铁塔的叠加基础,通过调整基础根开和基础面达到治理铁塔倾斜的目的,经过采空区运行线路实践取得了很好的效果。     

两段炉激冷水装置积灰原因分析及改进

西安热工院研发的两段炉是国内首套采用水和蒸汽激冷的煤气化技术。介绍了两段炉煤气化装置工艺流程,针对近两年激冷水装置处易积灰的问题,分析了导致气化炉积灰的各工艺参数,提出减缓积灰的改进意见。     

应用于升压型DC-DC的新颖软启动电路的设计

提出了一种新颖的软启动电路,实现了输出电压无过冲平滑启动。该电路有效抑制了DC-DC开关电源上电启动过程出现的浪涌电流和输出电压的过冲,同时该软启动电路克服了传统软启动电路无法带载启动的缺点。电路完全集成在芯片内部,避免了使用额外电容而占用过多面积。利用Cadence Spectre仿真平台对电路进行了仿真验证,仿真结果表明,在输入电压为2.4~4.2 V的同步升压DC-DC芯片中,负载在0~2.1 A范围内启动,均未出现电感电流和输出电压的过冲。     

物料在回转窑内的运动、传热与热解综合数学模型和模拟

回转窑技术多应用在化工、冶金以及食品、造纸行业当中,或者多应用在物料混合与干燥技术实施过程当中。因为在实施生产加工的过程中,回转窑具有更加明显的物料适应性特征,近些年其多应用在环保行业的废物分稍等处理工艺方面。国外应用回转窑技术最为常见。本文则针对物料在回转窑内的运动、传热以及热解综合数学模型与模拟进行研究希望能够对技术发展提供帮助。     

一种优化的Key-Value型NoSQL系统

Key-Value(KV)是NoSQL系统中使用较为广泛的一种存储模型。针对当前主流NoSQL系统存在检索功能有限、内存容量小和宕机等问题,提出一种KV型NoSQL系统设计方法。使用可持久化的混合主索引结构解决范围查询和快速重启,采用数据分布算法和内外存混合存储技术,通过数据在内存和固态硬盘之间的智能调度,实现了大规模数据的高效存取和低成本存储。实验结果表明,与Redis相比,对于典型大小Value,该系统在单节点读写性能上提升约8倍,配置成本降低约3/4,在海量数据的低成本高效存储上有明显优势。