基于图像傅里叶变换纹理特征和概率神经网络的气固流化床流型识别

提出一种基于图像傅里叶变换纹理特征和概率神经网络相结合的气固流化床流型识别的新方法。该方法利用高速摄影系统获取流型图像。首先对流型图像进行组合滤波去噪,然后运用长方环傅里叶周向谱能量百分比法来计算图像频率分布特征,从而建立流型图像的纹理特征向量,并结合概率神经网络进行训练,实现流型的识别。实验结果表明,该方法能有效地识别气固流化床中鼓泡床、节涌床、湍动床、快速流化床、稀相输送五种典型流型,整体识别率达到98%,为流型识别开辟一条新途径。     

气固流化床流型特性及其识别的复杂性研究

运用复杂性C2、涨落复杂性Cf及Lempel-Ziv复杂性C(n)等复杂性参数对气固流化床压力脉动信号进行分析,研究它们随流化床操作气速增大历经不同流型的变化趋势并将结果作了比较,进一步探讨了流化床流型特性的内在规律性,研究结果表明,在起始流化致鼓泡态转变的过程中,气－固体系会进行一种所谓的“重构”现象,并证实了气泡的存在是影响压力脉动信号复杂性的重要因素,同时实验显示复杂性参数能明确地指示固定床,鼓泡流化及湍动流化等不同流型之间的转变过程,为流型识别提供了新思路。     

基于分形和模糊技术的气固流化床流型辨识

提出一种基于分形和模糊技术的气固流化床流型辨识的新方法,将分形技术应用在气固流化床压力波动信号的分析中,提取出信号特征值Hurst指数,同时结合模糊识别,建立模糊识别函数,由此来区分气固流化床的不同流型。初步研究表明,基于分形和模糊识别的流型辨识能够达到较高的正确率。     

气固流化床的流型识别

叙述了采用现代非线性信息处理技术来进行流型识别的方法,包括伪Mar-genau-H ill时频分布图谱、信息传输矩阵、模糊信息融合理论、瞬时压降法,以期能从多个角度更深入地认识流态化规律,以利于工业流化床的设计和优化操作。     

复杂性在气固流化床流型识别中的应用

研究了气固流化床从起始流化态、鼓泡态、湍动态直至快速流化的四个典型流型下,压力脉动时间序列的算法复杂性和涨落复杂性随表观气速的变化趋势。实验结果表明,这两种复杂性参数对于流化床流型变化敏感,但在同种流型下,在操作条件的较宽变化范围内保持稳定。基于这一特性,故将复杂性测度与多元统计分析中的距离判别方法相结合,建立了一种只需获得一定长度的压力脉动时间序列,无需知道具体操作条件的流型识别方法。     

气固流化床流型空间图像信息多重分形特征分析

以无色小粒径玻璃珠和空气为实验介质,利用高速摄影系统在气固流化床实验装置上拍摄,并获取到气固流化床5种典型流型的空间图像信息。采用多重分形谱参数分层次地刻画了流型空间信息内部的精细结构,突出了异常局部变化特征,从复杂的流型图像数据中选出具有明显个性特征,与分形盒维数结合表征流型。结果表明,多重分形谱比简单的分形盒维数能提供更多的流型特征的信息,且流型特征的提取结果更符合实际情况,可被有效地用于气固流化床流型识别和运动机理分析的过程中。     

气固流化床压力脉动信号的Hilbert-Huang变换与流型识别

采用Hilbert-Huang变换(HHT),提取出气固流化床压力脉动信号的各阶内禀模态函数(IMFs),进一步证明了压力脉动信号是由复杂的不同波间和波内频率调制成分所组成,具有气固两相运动相互调制的非线性特征。分析各阶内禀模态函数的能量分布及其转换,发现不同频段IMF的能量与流型状态之间有着很好的对应关系,能够从整体上反映流化床的流化状态,从而提出了应用IMF中频段能量进行流化床流型识别的新方法。该方法只需一个压力脉动信号,算法简单、实用,没有需要主观决定的参数,具有较好的工业应用前景。HHT分析比现有的分析方法更能深入地揭示流化床内的非线性流体动力学特征。     

气固流化床信息传输和流型识别

在互信息理论和涨落复杂性理论基础上,计算了压差、压力及光纤颗粒浓度3种不同传感器测量时间序列之间信息传递的复杂性测度,建立了多传感器信息传输矩阵ITM,并定义了矩阵平均值特征参数MITM.研究了矩阵平均值MITM在不同流化状态下的变化规律,结果表明MITM对不同流型的变化有明显的指示作用.     

基于混沌理论与Elman神经网络的气固流化床流型识别

采用混沌理论对气固流化床压力脉动信号进行混沌特性分析,包括求延迟时间τ、Hurst指数、关联维数、Kolmogorov熵、Lyapunov等混沌参数,并结合统计参数作为流型辨别的特征输入量,利用Elman神经网络对其训练.试验结果表明,气固流化床压力脉动信号具有混沌特性,Elman神经网络能够有效地快速地识别流化床的五种流型,识别率达95%,为在线识别气固流化床流型提供了一种新的有效方法.     

基于灰度共生矩阵和支持向量机的气液两相流流型识别

根据灰度共生矩阵具有较好的纹理表达能力的特性,提出了一种基于图像灰度共生矩阵和支持向量机相结合的气液两相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液两相流的流动图像,经过图像处理后,提取图像灰度共生矩阵的纹理特征,进而建立流型图像的灰度共生矩阵纹理特征向量,并以此特征向量作为流型样本对支持向量机进行训练,实现了对流动图像的流型智能化识别。实验结果表明,支持向量机能够快速准确地识别水平管道内的7种典型流型,整体识别率达到100%,每幅流型图像的判别时间约为1.7 s,为流型在线识别提供一种新方法。     

气固流化床内费托铁基催化剂的流化特性

为研究费托(Fischer?Tropsch, FT)催化剂在气固流化床内的流动过程,分析了催化剂的主要物性参数,在不同直径流化床内测量了各表观气速下FT催化剂的流动特性,并与广泛应用的流化催化裂化(Fluid Catalytic Cracking, FCC)催化剂的流态化行为进行了对比。结果表明,同为A类颗粒,相较于FCC催化剂,由于FT催化剂的休止角较小(约为FCC催化剂的75%),其临界流化速度较小、床层膨胀高度和气节高度较小;两种催化剂在流化床内流化过程基本相似,随表观气速增大依次出现膨胀、鼓泡、湍动等流型,但各流型转变时的临界速度差异较大。催化剂物性参数对流化特性影响较大,FT催化剂在各阶段流化过程均相对稳定,有利于催化剂在流化床内均匀分布,其气固接触效果优于FCC催化剂;不同催化剂床层高径比下气节高度变化的转折点与流型存在对应关系,可将气节高度随表观气速的变化关系作为判断湍动流化区内流型临界速度的依据。     

人工鱼群算法在气固流化床流型识别中的应用

准确识别流型是流化床气固二相流参数检测的一项重要内容,实验是在流化床气固二相流实验系统上进行的。首先,采集5种典型流型的压力波动信号,并以信号的统计参量作为流型特征。然后,将样本送入经过人工鱼群优化的BP神经网络进行训练。人工鱼群(AFSA)是一种新型的智能优化算法,具有全局收敛性好,鲁棒性强,对初值不敏感等特点,通过优化神经网络的权值使识别率得到明显提高,实现了气固流化床典型流型的快速、准确识别。实验结果表明,该方法对气固流化床5种典型流型的识别率达到97%,为在线识别气固流化床流型提供了一种新的有效方法。     

气固循环流化床全回路数值模拟研究进展

气固循环流化床具有良好的混合、传热、传质、反应特性,同时还具有处理量大、可连续生产等优点,在众多领域均有广泛应用。气固循环流化床是一个由多个单元连接组合形成的循环回路,各单元间相互耦合、相互影响。对整个循环流化床系统进行全回路数值模拟,不仅能够获得更全面和详实的结果,而且在揭示系统流动规律和探究各单元内、单元间、单元与系统间的相互作用上具有独特优势。近十年来,以气固循环流化床全系统为模拟对象的全回路数值模拟研究逐渐兴起。本文对气固循环流化床全回路数值模拟方法的研究进展进行综述,对该方法的应用情况进行详细介绍,并对方法中采用的模型及相应特点进行逐一分析。循环流化床全回路系统同时存在多种流态,有待于建立适用于全回路系统的多流态物理模型（气固曳力模型与固相应力模型）。随着计算能力的提高以及物理建模的不断发展,全回路模拟方法将不断完善并发挥出更大的作用。     

气固流化床中静电压分布及料位检测

应用自行开发的静电压在线测量系统,对聚乙烯气固流化床中不同床高处的静电压进行测量,发现床内的静电场为一非均匀电场,静电压沿床层轴向呈“Z”形分布,且在床层稀密相分界面,即料位附近会发生极性的改变。实验同时发现,提高流化气速和静床高,稀密相分界面上升,极性改变位置也随之出现较明显的升高。而颗粒的粒径发生改变后,若颗粒在流化过程中存在较明显的料位,则极性改变现象明显,反之这种现象不会发生。在此基础上,提出了流态化颗粒的双极带电理论,指出不同粒径的颗粒在有效功函数、表面结构、吸附杂质的能力以及表面能等方面均存在差异,导致大小颗粒在接触带电中所带电荷极性相反,进而影响了整个流化床中的静电分布。最后,基于静电压的分布特征提出了一种确定流化床料位高度的新方法,实验结果表明,该方法计算得到的料位高度值与实测值之间的最大相对误差为4.08%,平均相对误差为2.02%,具有较高精度,能替代现有对人体具有致命伤害的γ射线,且可实现床内静电压和料位高度的双重监控。     

气固流化床中声发射和流动模式关系

颗粒在气固流化床壁面区域（或局部空间区域）碰撞产生的声波能量反映了颗粒的碰撞速度和频率（活跃程度）,从中可以揭示流化床内颗粒的流动混合模式。通过在φ150mm流化床冷模装置中,对聚乙烯颗粒－空气体系进行流态化实验,运用声发射技术测得声能量沿气固流化床的轴向分布,继而获得了颗粒的流动模式,并发现其与颗粒粒径、表观气速和分布板形式密切相关。对于颗粒粒径为460 μm的聚乙烯颗粒,当表观气速在0.3～0.7 m·s^-1内,其对应的流动模式为带有滞留区的双循环流动模式。如果气速增大到0.8 m·s^-1以上时,流动模式将转化为无滞留区的单循环流动模式。而当颗粒平均粒径降为365μm,对应的双循环流动模式蜕化为单循环模式,壁面不存在滞留区。进一步发现,滞留区位置与静床高无关。研究同时发现,颗粒的流动模式和分布板形式密切相关,对于在多孔平板分布板下为单循环流动模式的小粒径颗粒,在锥帽式分布板下,则在稍高气速时表现为双循环流动模式。     

微型流化床反应动力学分析仪的研制与应用

本文首次研发了一种用于测定气固反应速度、求算反应动力学参数的微型流化床反应分析仪器（MFBK）。该仪器利用流化床强化反应过程的热量与质量传递过程,通过气体脉冲输送在给定温度下瞬时进样,根据在线监测的气体组分浓度变化,测试反应速度、推导反应动力学参数和分析反应机理。利用该仪器测定氩气气氛中碳酸钙的分解反应表明：其表观活化能与指前因子分别为142.73kJ.mol^-1和399777s^-1,活化能在文献报道范围之内,且小于热重分析仪测定的184.3kJ.mol^-1,并建立了反应模式函数f(α)=(1-α)0.86,对应的拟合线性相关系数达到0.99。测定煤和生物质热解反应过程表明：MFBK测试的反应完成时间在15s左右,且揭示了生成气关键组分具有不同的释放时间和生成量,为深入探讨热解反应机理提供了新的证据。     

细颗粒对气固流化床中静电行为的影响

聚合物颗粒粒径和残余催化剂量（又称灰分）不同,会影响颗粒的功函数、接触面积和发生接触时的电荷转移数目等,故粒径和灰分含量不同的同种聚合物颗粒在相互接触时对静电的贡献并不相同,尤其是灰分含量较高的细颗粒对静电的影响至关重要．通过在f150mm的流化床冷模装置中,对聚乙烯颗粒－氮气体系进行流态化实验,分别测量了向含较大聚乙烯颗粒的流化床中添加不同粒径的同种聚乙烯细颗粒后的静电压,发现床内电压与所加细颗粒粒径、细颗粒重量分率及细颗粒中灰分含量密切相关,根据上述现象进而提出了包含颗粒粒径作用项和灰分含量作用项的细颗粒作用因子．在实验条件范围内,作用因子小于1.0的三种细颗粒的加入对床内静电压产生影响甚微．而平均粒径最小同时灰分含量最高的细颗粒加入后对床内静电压影响明显,当其作用因子小于1时,同样不会引起床内静电压的太大改变;且当作用因子小于0.5时,静电压还略有降低;而作用因子一旦大于1,床内静电压显著升高;当作用因子继续升高,静电压又有所下降,但同时由于细颗粒的含量增加,粘壁现象变得非常严重．     

基于递归分析的喷雾气固流化床团聚状态识别

液体会影响喷雾气固流化中的颗粒循环模式,形成不同程度的颗粒团聚物,从而直接降低反应器的传热、传质效果。实验中向流化床喷入不同黏度的乙二醇溶液,来人工制造团聚现象。研究结果表明,喷入不同黏度的液体后,流化床内会形成不同的团聚结构,按照团聚物大小可分为四类：微团聚、成核团聚、黏结团聚以及糊状团聚。通过对不同工况中的压差波动信号进行递归分析,发现不同团聚状态下的递归图纹理结构有着明显的差异。与此同时,对50种流动条件下的递归特征量分布情况进行分析,以此来识别不同的团聚结构,整体识别率高达96.39%。结果表明：通过对压差信号的递归分析可以快速识别流化床中的团聚状态。