熟料颗粒角速度实验及预测研究

在水泥熟料流动状态换热研究中,一般认为颗粒的旋转运动对整体换热效果具有一定影响.在所建立的颗粒角速度实验装置上,利用姿态传感器采集颗粒转角信号,对多工况下颗粒的旋转角速度进行了实验测定.研究发现角速度随推料速度的增大而增大,颗粒的推程运动角速度大于返程运动角速度,在一个推程内,颗粒自旋角度占颗粒圆周的17％ ～25％,对颗粒堆积体的换热有较大影响.基于神经网络理论对实验数据进行处理,建立了颗粒转角的BP神经网络模型,预测值相对于实验值平均误差为14％,该模型为考虑颗粒旋转的水泥熟料流态换热研究提供了分析及验证基础,同时对于其他颗粒的角速度研究具有一定的借鉴意义.     

基于动态神经网络的水泥熟料堆积体建模方法

工程中存在许多颗粒堆积问题。为了构建堆积体离散元数值模型,首先设计了堆积体结构参数采集试验,并以工程中篦冷机内的熟料堆积为背景,使用水泥熟料组建堆积体,采用切片法获取切片图像,随后进行一系列处理,获得了堆积体内颗粒的相关结构参数。同时,为了能够重建堆积体模型,使用神经网络训练了一个预测模型,并进行了相关验证。模型运行良好,表明在一定程度上能够满足堆积体建模的要求。