潮湿细粒物料筛分过程中粘附理论的研究

分析了潮湿细粒物料的筛分技术在煤炭洗选行业中的地位,认为潮湿细粒物料的透 筛理论对于促进筛分技术进步具有重要意义,介绍了潮湿细粒物料在筛分过程中粘附理论的研究 现状、存在的问题和发展趋势,认为基于静态条件下传统的粘附理论有待于进一步发展与修正。     

潮湿细粒物料的透筛粘附模型

从吸附理论的角度研究了潮湿细粒煤（水的质量分数为７％～１４％）在普通振动筛上分选时筛孔的堵塞机理;分析了细粒物料特性。如粒度及粒度分布、物料的团聚性等对透筛过程的影响;提出了潮湿细粒的物透筛粘附模型。结果变为：细粒物料的外在水分含量和粒度分布是影响筛分的主要因素;但当筛分理参数确定后,外在水分含量则显得更为重要。     

超强吸水材料在无水酒精生产过程中的应用研究

研究了三类吸水材料在无水酒精生产过程中的吸水性能。结果表明,超强高分子吸水材料在选择性吸附和能耗上有比较大的优势,是一种理想的分离水和乙醇的吸附剂。     

潮湿细粒煤用筛分机械的现状及发展

论述了国内外潮湿细粒煤用筛分设备的主要性能及应用情况、当前存在的问题和可能的解决办法。指出标准化、大型化、通用化是细粒难筛物料筛分机械的发展趋势     

潮湿细粒物料筛分过程中粘附理论的研究

分析了潮湿细粒物料的筛分技术在煤炭洗选行业中的地位，认为潮湿细粒物料的透筛理论对于促进筛分技术进步具有重要意义。介绍了潮湿细粒物料在筛分过程中粘附理论的研究现状、存在问题和发展趋势，认为基于静态条件下的传统的粘附理论有待于进一步发展的修正。     

基于小波包与模糊聚类算法的声波法检测流化床内颗粒的平均粒度

平均粒径是气固流化床反应器运行时需要监控的重要参数之一,利用声波信号检测床内颗粒平均粒度的方法能克服传统方法不能实时在线测量的缺陷,安全环保不侵入流场.先用Db5小波包将声发射信号3尺度分解,求出各细节信号小波系数的绝对值加和,构成声信号的能量模式,标准化之后经主成分分析得出主成分,再用模糊均值聚类方法分类.由于不同粒度的声波信号经小波包分解后,其小波系数绝对值加和具有特定的模式,因而,这种方法分类准确性达98%以上.     

潮湿细粒物料的粘附模型研究

探讨了细粒煤的粘附机理,通过试验证实了外在水分是造成筛分过程中细粒煤粘附的首要因素.对粘附力和粘附厚度的影响因素进行了研究,提出了潮湿细粒物料的粘附模型及解决筛孔堵塞的几种方法,为筛分机的设计和应用提供理论依据.     

人工神经网络在焦化厂的应用研究

介绍了人工神经元模型的分类，分析了近年来人工神经网络的发展与应用情况，对人工神经网络在炼焦配煤、焦炉调火和集气管压力控制等方面的实现方式进行了探讨。人工神经网络的应用，有利于炼焦生产过程的节能降耗。提高产品质量及自动控制与管理水平。     

流化床反应器声信号的多尺度分析与平均粒度检测

平均粒径是气固流化床反应器运行过程中需要监控的重要参数之一,首次提出了利用声波信号对床内颗粒平均粒度进行检测的方法,该方法安全环保不侵入流场,能克服传统方法不能实时在线测量的缺陷．对于接收仪获得的声发射信号,先用sym8小波变换进行六尺度分解,求出各细节信号小波系数的绝对值加和,标准化之后进行主成分分析,主成分分析可以消除原自变量间的复共线性,减少变量的个数．以所得主成分作为自变量,颗粒的平均粒度作为因变量,并由-4-8-1结构的三层前传神经网络为预测模型,所建神经网络结构简洁,根据声信号对平均粒度的预报准确性高于98％．     

潮湿细粒物料筛分过程中粘附理论的研究

分析了潮湿细粒物料的筛分技术在煤炭洗选行业中的地位,认为潮湿细粒物料的透筛理论对于促进筛分技术进步具有重要意义。介绍了潮湿细粒物料在筛分过程中粘附理论的研究现状、存在问题和发展趋势,认为基于静态条件下的传统的粘附理论有待于进一步发展的修正。