熔渣颗粒空冷相变换热的三维数值模拟

利用VOF方法结合凝固和熔化模型对熔渣颗粒在空气流中的冷却相变过程进行了三维数值模拟,讨论了熔渣颗粒直径和空气速度对冷却凝固过程演变的影响。结果表明:空冷方法能够实现熔渣颗粒表面的快速凝固成型,但同时也造成了颗粒内部的非均匀凝固。熔渣直径越小,完全凝固时间越短;空气流速越大时,其表面换热越强,完全冷却时间越短。颗粒初温为1673.15K、直径为0.5~2mm,风速为1~5m·s-1条件下熔渣颗粒在2s内释放出全部凝固热,后续空气最高温度能达到900K以上。     

不同结构粒化器表面高炉渣液膜的流动特性

在高炉渣离心粒化热回收工艺中,粒化得到的颗粒尺寸对余热回收效果至关重要,而颗粒尺寸又与粒化器表面液膜的流动特性息息相关,因此增进对粒化器表面液膜流动特性的认识可为离心粒化技术提供指导。采用数值模拟方法研究了离心粒化过程中粒化器结构对液膜流动的影响;讨论了半径、倾角、深度等参数对粒化器表面液膜厚度的影响及其作用机理,并获取了流体在粒化器表面运动轨迹与液膜厚度的关系。结果表明:转杯粒化器的内倾角介于40°~60°之间或深度介于10~12mm之间时粒化效果最佳,其相应液膜厚度约为0.300mm。与等径的转盘粒化器相比,其液膜厚度减小约32%。粒化器结构对液膜厚度的影响可归因于粒化器表面流体运动轨迹长度的变化,当流体运动轨迹长度增大时,其对应的液膜厚度就越小,二者呈非线性负相关关系。     

黄金分割截距法在优化HXD燃烧炉温度上的应用

为寻找HXD不同工艺气体温度所需最低燃烧炉温度,采用黄金分割截距法分析了A,B两种类别卷烟设置不同燃烧炉温度情况下,热交换器出口工艺气体与干燥工艺气体温差、工艺气体加热配比率与燃烧炉温之间的关系及其对叶丝干燥批内含水率合格率的影响,结果表明:①在试验范围内,A牌号的燃烧炉温度450℃、B牌号430℃为最优方案,此时每1000kg叶丝天然气耗量降低28%;②热交换器出口工艺气体与干燥工艺气体温差在30～50℃、进入热交换器加热工艺气体配比率A牌号小于86.8%,B牌号小于85.6%时所对应的燃烧炉温度能够满足含水率的控制要求,且达到最低。     

基于现场总线的多Agent作业车间动态调度问题的研究

提出了一种基于现场总线的多Ａｇｅｎｔ作业车间动态调度问题的解决方法。该方法是一种混合式多Ａｇｅｎｔ调度方法。在该方法中,有一个起核心作用的Ａｇｅｎｔ负责向其它辅助Ａｇｅｎｔ发送调度任务,在所有的辅助Ａｇｅｎｔ调度完毕后。回收它们的调度结果,然后进行统一协调,最终得出一个调度方案。实验结果表明,该方法具有很好的可扩展性和鲁棒性,对于作业车间调度问题有一定的实用价值。     

面向住建行业的智慧城市数字底板建设方案设计分析

智慧城市的建设是近些年来兴起的一股浪潮,同时智慧城市的建设也与当前极为火热的大数据相结合,其全新的理念、价值对于我国的城乡规划工作产生了极大的冲击.在此过程中,我国要结合智慧城市的建设以及大数据的发展,在数字环境下进行规划设计,尤其是面向住建行业,实现楼宇的改造建设,探索发展智慧化楼宇,为住建行业的智慧城市数字底板建设...     

高分子链构象和动态特性的分子动力学模拟

运用分子动力学方法对高分子稀溶液进行了模拟,分析了链长、溶液密度对高分子链构象参数和动态特性的影响。模拟结果表明:高分子链的构象参数随溶液密度的增大而减小,随着链长的增加逐渐增大,但增大的倍数逐渐减小;链长的增加和溶液密度的增大限制了高分子链的随机运动能力,但当链长增加到一定程度后,链长对随机运动能力的影响逐渐减弱;高分子链的松弛时间随着链长的增加和溶液密度的增大而增大。     

RC偏压构件精细抗力概率模型

现行可靠度统一标准给出的RC偏压构件抗力统计参数较为粗糙,对其随偏心距值的变化考虑不够充分.针对此不足,采用Monte Carlo抽样方法并结合已有的各种抗力因素的概率模型,得到了不同偏心距和配筋率下的改进抗力概率模型.结果表明采用正态分布变量来拟合RC偏压构件抗力的分布具有较好的精度.在此基础上,对此改进模型应用于随机偏心距下RC偏压构件可靠度计算的适用性进行了实例分析.结果证实,当偏心距设计值接近或者大于界限偏心距值时,采用现行标准中的抗力概率模型来计算可靠度均会产生较大的误差,而采用文中建议的抗力概率模型则具有较高的精度;且现行可靠度统一标准因对抗力随偏心距值增大而减小的效应考虑不够而使得RC大偏压构件的设计偏于不安全.     

无轨电车动力用阀控式铅蓄电池的研发与改进

在较低放电深度的动力用阀控式铅蓄电池中 ,电解液量是影响寿命、容量及充电效率的重要因素之一 ,因此对板栅结构、合金成分以及负极活性物质配方等方面采取相应措施的同时 ,提高电解液的量十分必要     

基于正样本学习的变电站避雷器破损识别方法

为解决变电站避雷器破损样本图片少,图像识别成功率低的问题,提出了一种基于正样本学习的变电站避雷器破损识别方法。对变电站避雷器图像数据进行噪声过滤,消除环境因素对识别的影响,检测识别避雷器的边缘,并提取避雷器图像区域数据。在此基础上,采用卷积神经网络对正常的避雷器图片进行学习,获得正样本重建数据。并将当前避雷器图像与正样本进行比较,从而对破损避雷器进行识别。将该方法应用于在某地区变电站,实际识别成功率为96.8%;其结果验证了文中所提方法的有效性。