COREX熔融气化炉热模拟研究

根据ＣＯＲＥＸ熔融气化炉的模拟试验，对预还原矿金属化率，煤种，预还原矿预热温度，煤炭流化床，炉渣，热平衡进行了分析研究，得到了合理的熔融气化炉冶炼参数。     

温度和气氛对CaO-SiO2-Al2O3-MgO-FetO渣系磷容量的影响

采用气-渣-金平衡法测定CaO-SiO2-Al2O3-MgO-FetO渣系的磷容量,用钼坩埚作为反应容器,Ag-0.2%P合金作为气-渣-金平衡的熔剂,CO-CO2-Ar混合气体提供体系的氧分压,分析了温度和气氛对该渣系磷容量的影响.结果表明,对于一定成分的炉渣,当体系CO、CO2、Ar组成一定时,随着温度由1 723 K增加到1 823 K,CaO-SiO2-Al2O3-MgO-FetO渣系的磷容量降低;在1 773 K,气氛中氧分压由3.6×10-5 Pa增大到7.2×10-4 Pa时,磷容量随着氧分压的增大而增大.     

有色金属矿山钢结构皮带通廊设计及应用

通过对有色金属矿山钢结构皮带通廊布置、选型、受力等探讨分析,结合PKPM结构设计软件进行了有色金属矿山皮带通廊结构设计及计算;总结了设计中需要注意的问题及工程应用,以期使钢结构皮带通廊满足空间布置合理,结构安全、可靠、适用的要求。     

基于大数据技术的炉缸侵蚀模型

针对高炉炉缸侵蚀的问题,介绍了高炉炉缸智能技术研究进展,分析了实现炉缸内衬可视化的技术。基于炉缸侵蚀模型的比较及大数据预测模型的发展,提出了融合大数据技术的炉缸侵蚀模型技术思想。模型基于决策树和遗传算法优化的BP神经网络,将铁水成分及温度、冷却参数、操作参数作为输入参数,采用融合大数据技术的方法,构建了炉缸侵蚀预测模型。大数据技术为钢铁行业的发展提供了新思路,进一步推动了高炉智能化炼铁。     

邯钢高炉渣脱硫能力的试验研究

根据邯钢目前高炉的冶炼条件,以现场渣为基准,利用化学试剂调整成分配制脱硫试验渣样,分别研究碱度、w(MgO)、w(Al2O3)和w(TiO2)等因素对邯钢炉渣脱硫能力的影响.结果表明,邯钢高炉渣的脱硫能力随炉渣碱度和w(MgO)的增加而提高,随w(Al2O3)和w(TiO2)的增加而降低.     

高炉铸铁冷却壁极限热负荷的传热分析

通过建立高炉铸铁冷却壁的三维传热模型,应用渣皮熔化迭代方法分析冷却壁温度场,确定不同条件下冷却壁的极限热负荷,讨论了高炉冷却壁的结构和冷却工艺对极限热负荷的影响.结果表明,冷却水速度(2～4m/s)对极限热负荷影响较小,水管与壁体间的气隙降低了铸铁冷却壁冷却能力;冷却水管直径由φ48 mm增加到φ70 mm,可以使极限热负荷提高45%.     

承钢高炉铁沟沉积物的形成机理研究

针对承钢高炉铁沟粘结严重现象,对铁沟沉积物的形成机理进行了研究.结果表明:形成铁沟沉积物的主要原因是由于钒钛高炉渣的流动性能差,渣中铁滴析出TiC、Ti(C,N)和出铁过程降温综合作用的结果.改善高炉终渣的粘度-温度性能,提高渣、铁分离能力是防治产生铁沟沉积物的有效措施.     

萤石和氧化镁对含钒钛高炉炉料熔滴性能的影响

利用高温熔滴炉模拟实际高炉软熔带的运行情况,探讨CaF2和MgO加入炉料后,对钒钛高炉炉料透气性、软熔带厚度、压差陡升温度、软熔区间、熔融区间等炉料高温物理性能的影响;为改善软熔带透气性,找出高炉合适软熔带位置,从而达到解决利用钒钛磁铁矿带来的不利影响的目的,为提高高炉强化冶炼目的提供重要依据。结果表明:炉料中添加萤石后对软化开始温度基本无明显影响,但使软化温度区间变窄,初渣带位置形成过早,软熔带厚度、最大压差、总特性值都升高。MgO的加入使软化开始温度升高,软化温度区间变窄,说明MgO的加入使软熔带位置下移,软熔带变薄。     

气相色谱-质谱联用分析化妆品中的四种氯代烃

建立了GC-MS联用分析化妆品中四种氯代烃的方法。样品中的四氯化碳、三氯乙烯、1,1,2-三氯乙烷和四氯乙烯经顶空加热提取后,用中等极性毛细管柱（HP-VOC）分离并采用质谱检测器（MS）测定。结果表明四氯化碳的标准曲线为Y＝18221500X-733803,相关系数0．9994,试样3个添加水平下的回收率为71．5％～112．3％,方法检出限为0．31 mg/kg;三氯乙烯的标准曲线为Y＝9633820X-338659,相关系数0．9989,试样3个添加水平下的回收率为73．8％～118．6％,方法检出限为0．83 mg/kg;1,1,2-三氯乙烷的标准曲线为Y＝189350X＋953532,相关系数0．9985,试样3个添加水平下的回收率为81．2％～109．6％,方法检出限为2．5 mg/kg;四氯乙烯的标准曲线为Y＝5738810X-3956440,相关系数0．9979,试样3个添加水平下的回收率为75．5％～111．1％,方法检出限为0．75 mg/kg。     

基于粒子群算法和广义回归神经网络的岩爆预测

 岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参数进行优化,减少人为因素对神经网络设计的影响。据此方法,在能量理论的基础上,选取洞壁围岩最大切向应力、岩石单轴抗压强度、抗拉强度和弹性能量指数作为主要影响因素,利用国内外26组已有工程数据建立岩爆预测的PSO-GRNN模型。通过对苍岭隧道和冬瓜山铜矿岩爆预测的工程实例分析验证该方法的可行性和适用性。所提方法可为类似工程的岩爆预测提供参考。