应用不同机器学习算法预测化学链中氧载体性能

低成本和高性能的氧载体材料筛选是化学链技术未来商业应用的关键。超过1000种材料被作为氧载体在化学链条件下进行测试。其中,矿石和工业副产品作为氧载体最近引起关注,其成本低、供应方便,特别是与固体燃料具有充分的反应性。然而,这些材料具有高度可变的成分,影响其在化学链中的性能,采用试验方法逐个测试成本巨大。运用新兴的机器学习算法,以天然锰矿为对象,将已有的试验数据作为训练集,预测含锰矿物在化学链反应中的性能,并对比支持向量机和人工神经网络2种算法在预测过程中的表现。结果显示,这2种算法对训练集内的数据均有较好准确性,但对新输入值预测的准确性、鲁棒性方面存在差异。支持向量机可以避免神经网络在小样本训练集下存在的过度拟合现象。灵敏度分析表明氧载体锰含量变化对反应特性的影响较大,而比表面积的影响较小。     

气固相硫协同作用下水冷壁的高温腐蚀特性

利用高温管式炉对电站锅炉水冷壁受热面常用的两种管材（12Cr1MoVG和15CrMoG）开展高温腐蚀实验研究,采用腐蚀增重法,得出气相硫、气固相硫作用下试片的腐蚀动力学曲线,并利用SEM和EDS对腐蚀试片表面及断面的微观形貌和元素成分进行分析。结果表明：两种材料的腐蚀动力学曲线都满足双对数曲线规律,气固相硫协同作用对金属的腐蚀性强于单因素气相硫的影响,15CrMoG的抗腐蚀性能优于12Cr1MoVG;腐蚀层大致可以分为3层,依次为剥离叶片层、过渡层和腐蚀渗透层,气相硫腐蚀下腐蚀层较厚并且质地紧密,气相硫与固相硫协同腐蚀下腐蚀层较薄并且质地疏松,极易剥落;此外腐蚀层中存在硫元素富集现象,腐蚀渗透层中的硫元素质量分数高达6.65%,并且氧元素含量从金属基体表面到腐蚀层表面呈现递增规律。