共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
磨煤机的工作可靠性直接关系到整个制粉系统乃至锅炉机组工作的稳定性。基于存煤量与磨煤机各参数的关系,采用关联度分析和均衡度结合的方法,细致分析存煤量与锅炉系统中运行参数的变化规律,采用MATLAB和Origin软件仿真得到磨煤机适宜煤量下钢球实时冲击动能的变化曲线,为深入研究基于钢球动能的煤量控制方法以及提高锅炉效益提供理论和试验基础。 相似文献
3.
4.
提出“三因素”法检测球磨机的外部响应,应用神经网络建立球磨机内部负荷与外部参数之间的关系模型对负荷进行预测。同时,应用基于嵌入式处理器核Nios的SOPC(System On Programmable Chip)技术来完成球磨机负荷检测系统软硬件设计。测试结果表明该系统能实时、准确地检测球磨机负荷,为解决球磨机外部响应与内部负荷参数之间的建模问题提供了一种行之有效的方法。 相似文献
5.
6.
球磨机钢球抛落运动中的第四种最优转速率研究 总被引:1,自引:0,他引:1
球磨机钢球抛落运动中落点的径向动能起主要碎磨作用,已经在文献中详加论证。进一步研究证明:抛落钢球落点的切向磨剥作用并非由切向分速度(绝对速度)直接来完成,而是决定于它相对于圆运动钢球的相对速度。这个相对速度形成的动能与径向分速度形成的动能之和才是真实的磨矿总动能,它比传统意义上的总动能大得多。由这样的总动能最大值求出对应的转速率才是真实的最优转速率。笔者把研究的重点落实在抛落钢球落点的切向分速度和它相对于圆运动钢球的相对速度的分析上,并以特定球磨机为例,重点阐明了一种优化的计算方法。 相似文献
7.
为了充分发挥球磨机的潜能,降低单位磨矿能耗,有必要更准确地计算球磨机装球量。从球磨机旋转过程中钢球的循环特性出发,通过计算筒体内参与循环运动的钢球总数来直接计算装球量。与传统计算方法相比,新的计算方法考虑了筒体衬板厚度和钢球直径大小对装球量的影响,因此更为准确。 相似文献
8.
9.
利用火力电厂数据仓库中的128 065条历史记录,对一台双进双出球磨机的煤粉磨制过程进行数据挖掘建模,所建人工神经网络模型得到设备实际运行状态的验证;采用该模型对煤粉制备过程进行模拟分析,着重研究了料位参数的优化问题。研究结果表明,磨煤机通风量不变时,随着给煤量增加,磨内存煤量增加,磨煤机电流升高,电流上升到峰值后又有所下降,开始下降的区域对应的料位是最佳运行料位,此时,钢球间隙中刚好充满了煤粉颗粒,磨煤机接近最大功率运行,粉碎效率达到最高。给出的煤粉粉碎过程神经网络模型,不仅被大量实际运行数据所验证,而且模型推断与现有研究结论相符,是一个有良好概括性的健壮模型。 相似文献
10.
11.
针对边坡变形量预测难的问题, 将小波分析与BP神经网络预测相结合, 采用小波变换对边坡变形监测数据进行信噪分离, 进而消除观测误差, 通过BP神经网络预测模型BPANN对处理后数据进行再处理, 对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法, 并在鞍山某露天矿进行了实际应用。实例结果表明: 利用小波去噪与BPANN模型预测的监测点精度达到3 mm, 满足二等变形监测的要求, 数据处理简便, 在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。 相似文献
12.
13.
以山东某隧道为例, 运用基于T-S模型的模糊神经网络, 结合相关影响因素对地下硐室超挖进行了预测。预测模型根据工程实际情况选用了199组数据, 其中179组数据作为训练样本训练网络, 20组数据作为测试样本验证模型的预测结果。通过计算, 基于T-S模型模糊神经网络超挖预测的相关系数为0.962 8, 均方差为0.449, 平均相对误差为6.33%。与BP神经网络和回归模型的预测结果进行了比较分析, 结果表明基于T-S模型的模糊神经网络预测效果最好, 能精确预测地下硐室爆破超挖量, 对控制超挖量具有重要意义。 相似文献
14.
15.
为研究煤与瓦斯突出与其影响因素之间复杂的非线性关系并对其进行预测,基于共轭梯度法的改进神经网络,建立了煤与瓦斯突出预测模型。经过实际数据检验,此模型有很高的预测精度,避免了传统神经网络收敛速度慢的缺点。同时,为克服传统神经网络操作复杂和不便于现场使用的缺点,利用Labview图形化编程和数据采集能力以及Matlab强大的数值计算功能,通过ActiveX技术,实现了在Labview中调用神经网络工具箱,构建了一个煤与瓦斯突出预测系统,方便现场操作使用。最后指出使用Labview和Matlab混合开发可以极大缩短开发周期,为煤矿智能化系统的开发提供了一个新途径。 相似文献
16.
17.
为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系统,模拟煤自然发火时的漏风强度和供氧量,收集指标气体和温度等相关数据。采用气体成分分析法和神经网络算法建立BP神经网络预测模型,选取CO、CO2、CH4、C2H6、C2H4气体浓度作为神经网络的输入层,煤温作为输出层,设置8个隐含层神经元对煤自燃情况进行预测。结果表明:经过训练后,预测温度与实际温度基本吻合,误差控制在0~0.00065,该预测模型的建立对于矿井煤自燃早期预报有着极其重要的指导意义。 相似文献
18.
《煤炭科学技术》2021,49(7)
目前常用的带式输送机节能控制方法是通过建立煤量与带速之间的匹配关系来控制运行速度以达到节能目的,但因其采用传感器测量实时煤量时,受到传感器安装位置及数据处理速度等因素的影响,导致检测信号与实时煤量信息不同步而引起滞后现象。当煤量突然增加时,易造成带式输送机无法及时提速引发堆煤或溢煤等故障。为解决上述问题,提出了一种新的节能控制方法:通过采用状态重构的方法建立带式输送机系统状态观测器估计输送带上各段张力值,并以机头传动滚筒处输送带张力值的变化率结合电子输送带秤检测的实时煤量信息,应用模糊推理与决策建立了节能控制系统,控制带式输送机在煤量增加时及时提速。基于此,以带式输送机启动过程线性定常系统模型为依托,建立了基于载荷变化的带式输送机时变系统动力学模型,并利用Simulink与LabVIEW软件结合NI CompactRIO-9038实时控制器做硬件在环实验验证,结果表明:在煤量无较大波动时,输送机仍保持恒定速度,说明系统抗干扰能力强;在煤量突变情况下,张力变化率辅助提速效果明显,解决了堆煤及溢煤故障。 相似文献
19.