回料流入口高度对循环流化床提升管流动特性的影响

The axial pressure drop profile and the radial solids distribution were measured in a circulating fluidized bed for evaluating the effects of return gas-solids stream position on the riser flow properties.The saturation carrying capacity of gas for Geldart B typed particles and the flow mode of return gas-solids stream in the bed were discussed.It was found that arranging the inlet at a higher position of the riser would make the bottom bed leaner when U₀ was high and G_s was low.When G_s increased,the longer influenced region of return particles and a small air-staging through lifting the loosening air injection position made the bottom bed become denser significantly.The deceleration and residence of return particles caused a relatively denser but asymmetrical region in the vicinity of inlet.But much more symmetrical solids distribution profile was found in the upper and lower regions far away from the inlet.The effects of inlet height on the flow properties of the riser with air-staging also were analyzed.The secondary air injection below the solids inlet could not cut off the solids exchange in the bed.The bed solids concentration increased when the particles inlet moved to a higher position of the bed when air-staging was adopted.Using CO₂ as tracer,the dispersion of the loop-seal-fluidizing air for transmitting the return particles was investigated.It was found that the loop-seal fluidizing air dispersion rate was low but can be enhanced by the secondary air injection.     

负重环境下基于足底压力和CNN-LSTM网络的性别识别方法研究

目前卷积神经网络(Convolutional Neural Networks,CNN)已被很广泛地用于步态识别领域,但CNN在分类时仅考虑单张静态步态图像,缺少对连续特征的关注,影响识别系统的准确率。因此,本文提出附加长短期记忆网络(Long Short-Term Memory networks,LSTM)来获取足底压力的连续特征。针对传统人工鉴定依赖主观经验的不足,及现有自动识别模式偏差较大、不能完全克服负重干扰的问题,本文采集不同负重环境下的足底压力数据,依据足底压力特征与男女性别差异,通过CNN-LSTM网络实现对足底压力进行个体性别的自动分类,算法识别率达到98.31%。     

视觉属性学习应用研究

视觉属性能够展现人们识别事物时所定义的语义概念,但现有的视觉识别工作往往忽略了属性在分类器设计中能作为中间媒介层的作用.本文给出一种将属性和事物类别同时用于构建分类器的方法.分析了传统多类分类器、直接类别相关模型、间接属性预测模型、直接属性预测模型的特点.在动物和室外场景数据集上的实验证明,利用属性进行分类器学习对于提高传统多目标分类和迁移学习的性能都具有很好的帮助.     

循环流化床内二氧化碳捕集过程的模拟

基于颗粒动理学和化学反应动力学理论,结合双流体模型建立了气固流动-反应耦合的计算模型,考虑颗粒团聚效应的影响,对循环流化床内CO2捕集过程进行了数值模拟,模拟结果很好地预测了床内环核流动结构以及颗粒团聚物和分散颗粒同时存在的非均匀流动结构,同时还得到了气相各组分浓度分布以及温度场分布规律,为提高CO2捕捉效率和循环流化床的优化设计提供了一定的依据。     

对工业锅炉节能改造中节能与安全问题的思考

总结了珠海市内近年来锅炉节能改造过程中所涉及的节能与安全问题,探讨了其产生原因,并提出在规范和加强锅炉节能监测的同时,应加强锅炉节能技术改造的监管力度,避免产生新的安全风险。     

考虑梯级电站开发规划接入的电网适应性综合评估

随着大型梯级水电站开发规划接入,源网强弱关系将发生变化.为了提高源-网间的匹配适应性,首先建立了考虑源-网适应性的规划指标体系,反映大规模梯级水电接入电网的平衡与协同匹配关系及外送安全运行水平.然后采用了基于熵权法和层次分析法结合的综合评估方法对各类指标权重进行计算,求得长时间尺度下考虑不同规划接入方案和网架演变过程的适应性评估结果.最后,以IEEE39节点系统为基础网架,通过某实际流域下3座梯级水电站的数据对本文提出的指标体系进行测算,所得4类场景的评估分值表明源网有机协调和多外送通道结构有助于梯级水电的消纳,并且提高供电的安全可靠水平.     

考虑负荷差异化需求响应的配电网多目标扩展规划

为应对不断增长的能源需求和环境污染,发展分布式电源(distributed generation,?DG)、需求侧响应(demand response,?DR)成为促进全球能源体系发展的重要举措。基于此,提出基于改进k-means聚类和最优特征集提取的用电行为画像方法,以实现针对用户差异化用电特征的需求响应方案界定。然后,构建考虑差异化需求响应方案的配电网扩展规划模型,在决策目标中添加年综合成本、DG利用率等优化目标,采用规格化法平面约束法(normalized normal constraint,?NNC)求解帕累托最优解集。最后,在IEEE33节点系统上验证了该需求响应方案界定方法和扩展规划模型的有效性。     

自监督E-Swin的输电线路金具检测

目的 输电线路金具种类繁多、用处多样，与导线和杆塔安全密切相关。评估金具运行状态并实现故障诊断，需对输电线路金具目标进行精确定位和识别，然而随着无人机巡检采集的数据逐渐增多，将全部数据进行人工标注愈发困难。针对无标注数据无法有效利用的问题，提出一种基于自监督E-Swin Transformer （efficient shifted windows Transformer）的输电线路金具检测模型，充分利用无标注数据提高检测精度。方法 首先，为了减少自注意力的计算量、提高模型计算效率，对Swin Transformer自注意力计算进行优化，提出一种高效的主干网络E-Swin。然后，为了利用无标注金具数据加强特征提取效果，针对E-Swin设计轻量化的自监督方法，并进行预训练。最后，为了提高检测定位精度，采用一种添加额外分支的检测头，并结合预训练之后的主干网络构建检测模型，利用少量有标注的数据进行微调训练，得到最终检测结果。结果 实验结果表明，在输电线路金具数据集上，本文模型的各目标平均检测精确度（AP⁵⁰）为88.6%，相比传统检测模型提高了10%左右。结论 本文改进主干网络的自注意力计算，并采用自监督学习，使模型高效提取特征，实现无标注数据的有效利用，构建的金具检测模型为解决输电线路金具检测的数据利用问题提供了新思路。     

循环流化床中心二次风的设计及实验研究

介绍了在炉膛中央设置水平布置杆式二次风和竖直布置柱式二次风两种结构。在冷态循环流化床上,研究了中心二次风的布置形式和布置高度,以及二次风率对床内沿高度方向的颗粒浓度分布的影响,并与同样高度的常规壁面二次风进行了对比。实验发现,空气分级后二次风下方的颗粒浓度随二次风率的提高而增大。二次风高度的增加伴随着底部密相区向上延伸。几种二次风布置形式中,水平杆式二次风结构布置时底部浓度最大。通过对射流的示踪发现,在高二次风速时中心二次风扩散到壁面区域,而在中心区域则缺少二次风气体,这不利于对中心区域的氧气补充。而水平杆式中心二次风射流在横向动量的作用下,射流进入床内时发生偏转,能够在床内形成较大的扩散面。另外,还讨论了中心二次风进一步在实际循环流化床锅炉中的应用所需要注意和解决的问题。