动态水力旋流器流场数值模拟研究

动态水力旋流器具有分离效率高、压力损失小、处理量及处理量变化范围大等优点,是近年来研究比较多的除尘和油水分离设备.本文基于计算流体力学原理,利用流体力学FLUENT对中心进料式动态水力旋流器内部流场进行了研究和分析.通过模拟,可以准确地反映流场内部情况,从而对动态水力旋流器的分离效果及其性能进行预测并指导设计旋流器结构,为动态水力旋流器的优化设计提供依据.     

旋流分选设备的发展与展望

介绍了静态水力旋流器、动态水力旋流器、复合式水力旋流器和涡轮旋流器等旋流器分选 设备的发展现状,对其主要优缺点及分离性能等进行了比较,指出了旋流分离设备的发展方向。     

固液分离用水力旋流器性能的影响因素

详尽地分析了影响固液分离用水力旋流器性能的因素；并根据各因素对其性能的影响规律，为固液分离用水力旋流器的参数设计提供了有效的指导.     

水力旋流器的操作参数与物性参数对其性能影响研究

本文综合介绍了水力旋流器的操作参数和物性参数的研究成果与进展,分析了参数对分离性能影响的原因,为水力旋流器的进一步优化作铺垫。     

基于CFD模拟的水力旋流器分级效率的预测

水力旋流器内部的流场相当复杂,基于CFD技术的模型已经被证明在模拟水力旋流器流场方面非常有用,对于在较宽的条件范围内操作和设计的分级机的颗粒分级性能预测也同样非常有效。在低浓度下使用离散相模型技术预测水力旋流器的分级效率,发现这些预测与试验数据相一致。     

水力旋流器溢流引出管结构对其性能的影响

虽然溢流引出管不是水力旋流器的一个重要构件，但是溢流引出管结构变化会对水力旋流器的分级性能有所影响，本文论述了溢流引出管尺寸的改变对水力旋流器的分级效率、处理能力、分流比、浓缩性能等分级指标的影响，所得的研究结果对选择水力旋流器溢流引出管内径具有重要的指导意义。     

水力旋流器流体稳定性研究

通过计算机离散求解模拟水力旋流器周向速度在径向上的分布,并带入瑞利判别式判别其流体的稳定性,发现水力旋流器的流体流动是不稳定的,这种不稳定性对旋流器的分离过程不利。指出了在水力旋流器改进过程中,通过减少流动的不稳定性来改善水力旋流器的分离性能,将是水力旋流器发展的新途径。     

水力旋流器分离过程仿真研究

评价并建立了水力旋流器数学模型库，开发了水力旋流器分离仿真软件，介绍了软件的总体设计方案和模块功能，以实例展示了软件可有效地进行水力旋流器的选型设计和工艺性能预测。     

充气水力旋流器分选过程离心力强度的研究

离心力强度是影响充气水力旋流器分选性能的一个关键操作变量。本文首先对充气水力旋流器心力强度的分布特征进行了测定，然后，不仅从理论上研究了离心力强度对分选过程行为的影响，而且进行了探讨离心力强度对分选性能影响的试验研究。结果指出，若要使某一粒度段的物料在充气水力旋流器得到有效的分选，其离心力强度应处于适中范围。     

脱硫用水力旋流器原料细度对其性能的影响研究

本实验研究水力旋流器的原料细度对旋流器性能的影响(包括处理能力、分级效率、分级精度、分级粒度等)。对于不同的原料细度对旋流器性能做了定性的分析,研究其变化规律,有助于水力旋流器的进一步优化和改进。     

基于无导师神经网络的煤炭自燃危险性聚类分析

针对煤矿井下煤炭自然发火危险性预测这一重要问题，首先简要分析了有导师神经网络预测模型的不足，然后根据专家给出的危险性判别指标建立了一种新的基于无导师神经网络的聚类模型．在此基础上，采用误差平方和准则及其算法编制了相应的软件，并对柴里煤矿具有煤炭自然发火危险的两个工作面的发火危险性进行了预测与分析，预测结果对指导自然火灾的预防有重要意义．     

连铸坯凝固过程传热数学模型与BP网络预测模型的比较研究

建立了连铸坯凝固过程传热数学模型与BP网络预测模型,并根据实测数据对两种模型分别进行了验证。结果表明两种模型都可用于实际生产,但BP网络预测模型具有建模简单,计算量小,计算精度高等优势。对铸坯表面温度的预测具有广阔的应用前景。     

小波网络模型在渗流量预测中的应用

将小波理论与神经网络理论相结合,建立了小波网络模型,并应用于工程实例。它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题,大大简化了训练,具有较强的函数学习能力和推广能力。实例计算结果表明,小波网络模型具有比BP神经网络收敛速度快、预测精度高等特点,因而具有广阔的应用前景。     

模糊神经网络在开采沉陷预测中的应用

用模糊数学与神经网络结合的方法研究开采沉陷的预测。与单一神经网络的预计结果相比 ,模糊神经网络方法效果更佳 ,克服了单一神经网络易陷入局部最优和收敛速度慢等缺点 ,不用对原始数据和地质条件作相应假设 ,预测结果完全建立在反映客观原型的基础之上。研究结果仅仅针对静态的开采沉陷的预测 ,没有考虑地表水平移动和变形 ,也没有考虑工作面的推进速度等动态因素对开采沉陷的影响 ,这是今后应继续研究的问题。     

神经网络在建立螺旋分级机数学模型中的应用

随着矿业生产的发展，基于多元回归理论的数学模型已难以满足精度要求，应用神经网络技术可以较少的试验工作量，建立高精度的变量间非线性映射模型，取得了满意的效果。     

基于BP神经网络遗传算法的药型罩优化

线性聚能装药爆破效果的影响因素有很多,且各因素的影响多是非线性的,而且非常复杂,其中药型罩结构的优化设计一直是重点。为了探索有效的药型罩优化方法,本研究对楔形罩运用正交试验法设计方案,利用ANSYS/LS-DYNA进行数值模拟获得结果,再以结构参数和最大射流速度分别作为BP神经网络的输入和输出进行训练,并将预测值作为适应度,结合遗传算法对药型罩进行最优结构药型罩参数和最优最大射流速度搜索。结果表明,该方法能够结合正交试验法和BP神经网络遗传算法的优点,快速精确地进行药型罩结构优化。     

TBM净掘进速率预测模型及多指标评价方法研究

为了建立巷道TBM(全断面隧道掘进机)施工净掘进速率预测模型,基于马来西亚Pahang-Selangor隧洞通过室内试验和现场记录获取的100组岩体力学和TBM掘进参数,采用统计回归分析、人工神经网络、机器学习和多算法融合等方法建立了17个TBM净掘进速率(PR)预测模型,提出了一种新的归一多指标模型评价方法,对模型的各个评价指标依次进行倾向一致性转换、归一化、求和与排序,同时使用归一法和已有的排名法对比分析17个模型的预测性能,结果表明：多算法融合提高了人工神经网络和分类与回归树模型的预测能力,略微降低了支持向量回归模型的预测能力|分类与回归树模型和基于分类与回归树的多算法融合模型预测能力最好,更适用于PR预测|提出的归一法为不同模型的多指标综合评价提供了量化方法,克服了排名法在模型预测能力差别较小时无法精确识别的不足。     

爆破CAD系统中的模糊预测模型的可靠性分析

爆破智能CAD系统中的模糊预测模型为岩体爆破效果预测提供了可供选择的模型,利用模糊数学、人工智能、统计和计算机技术,以现有的爆破理论和专家经验为基础的,通过对爆破对象的确定性与不确定性因素进行分析,提出了不确定性因素与知识的描述方法,构造了爆破CAD系统中的模糊预测神经网络模型,并通过实际数据对该模型的可靠性进行了分析和验证。     

基于LS-SVM的回采工作面瓦斯涌出量预测

提出了一种基于最小二乘支持向量机（LS-SVM）的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,该方法用等式约束代替不等式约束,降低了计算的复杂性,使得预测容易实现.实验表明,该方法具有预测精度高、速度快、容易实现等优点,适合对回采工作面瓦斯涌出量的预测.     

基于遗传算法和BP神经网络岩爆预测

将BP神经网络与遗传算法相结合,使用遗传算法优化神经网络的权值和阈值,然后用BP算法训练网络,避免了单独使用BP神经网络训练时易于陷入局部极小值的问题,建立了一种新的岩爆预测模型。采集国内外具有代表性的一些岩爆案例作为BP训练样本,将样本数据经过多次迭代之后,达到指定误差停止训练,利用训练好的模型对某铜矿部分岩爆进行预测,预测结果与实际岩爆等级一致。