回转窑轮带剥落掉块的原因与焊接处理

回转窑是水泥厂的关键设备,轮带发生剥落掉块是窑中的常见故障。轮带发生剥落掉块的原因主要是表面接触疲劳破坏,处理剥落掉块的方法主要是现场焊接。在焊接过程中,只要严格按照工艺技术措施操作,采取冷焊接工艺进行焊接,可以解决轮带现场焊接的技术难点。     

回转窑轮带与垫板间隙变大的处理

1 引言 河南省七里岗水泥厂φ3.2m×46m回转窑1000t/d生产线于1995年建成投产,垫板采用浮放形式,多年来一直运转较好。但随着使用时间的增长,轮带与垫板间隙逐渐增大,到2000年6月,中间档和靠近窑头端档轮带间隙达39mm左右,并引起中间档轮带下面筒体产生多处裂纹,损坏耐火砖。由于该问题未能得到根本解决,回转窑一直带病工作,严重时,仅运转3个月左右就出现轮带下面5～7排耐火砖被挤裂的现象,缩短了运转周期。     

预分解窑结圈的有效预防

0 前言 河南省七里岗水泥厂700t/d预分解干法线是由天津水泥设计院设计的,窑规格Φ3×48m,预热器为五级低压损旋风筒结构,分解炉为NSF炉。1998年天津水泥设计院对分解炉系统进行技改,增加一台NMFC炉,可100％使用低挥发份煤,运行成功。技改后窑尾工艺如图1。我厂采用四组份配料:石灰石、砂岩、粉煤灰、铁粉,熟料三率值控制:KH=     

我厂窑尾高温风机常见故障分析

我厂窑尾高温风机的型号是2070DIBB24,进口风量220000m/h;配用电动机的型号是Y450-4,功3率为710kW,电压6kV,额定电流78A;采用YOI71-15调速型液力耦合器进行传动。自1995年投入生产以来,该风机曾出现过一些故障,在此加以总结,以供同行参考。1电动机前轴承使用寿命短前轴承为6326     

一种测量微液滴电湿效应的新方法

基于特定的“导电基片/绝缘膜层”电湿效应模 型,提出了一种新颖的接触角测量方法。用平板电极代 替传统针状电极并改传统侧面拍摄为垂直拍摄,搭建了基于新方法的实验装置。本文装置包 括显微拍摄系统、 微液滴测试盒、反射光源和透射光源。提取了不同电压下的一系列圆环轮廓图,测量了圆环 的内外径,结 合内外径差与接触角的关系,得到了接触角随电压变化的关系曲线,获得了与理论值一致的 微液滴电湿效应变化规律。与传统方法相比,本文方法操作简便,精度高。     

我厂生料磨系统技术改造

0 前言 河南省七里岗水泥厂700t/d预分解干法线,生料制备采用Φ3.2m×7+1.8m生料磨,衬板形式为角螺旋衬板,设计能力为50t/h。其工艺流程为:原料入磨进行粉磨,粉磨后经提升机进入选粉机,分选后的粗粉经回料绞刀返回磨中重新粉磨,细粉经高效旋风吸尘器收集后,含尘气体通过风机全部进入窑尾高压静电收尘器,除尘后排入大气。     

浅谈预分解窑的轮带间隙

预分解窑的轮带间隙不适当,将对生产带来严重的后果,必须采取—定的润滑和控制措施,使轮带间隙始终处于合理的范围之内。     

余热电站CPC锅炉结焦的原因和处理

我厂的余热电站主要是回收预分解窑的废气余热,并转化成电能;其主机设备包括“五炉一机”,即AQC1炉、AQC2炉、SP1炉、SP2炉、CPC锅炉和汽轮发电机组。CPC锅炉能够燃烧各种劣质煤,是一种适用于水泥厂余热电站的性能较好的锅炉。但是,CPC锅炉在运行中发生有结焦故障,从锅炉的结构特点、燃料的特性和运行操作等方面分析认为,结焦的主要原因是人炉煤矸石的粒度不合格,大粒径的煤矸石比例较大。在制备煤矸石的破碎机后面增加一个振动筛,提高入炉煤矸石的合格率,调整运行参数,能够有效地避免CPC锅炉的结焦。     

我厂窑口的保护措施

我厂回转窑出窑物料温度高达1370℃,窑口护板受高温氧化腐蚀和高温熟料灼烧,损坏极快,窑口易变形或焊缝开裂,因此加强窑口的保护非常重要。1延长窑口护板的使用周期1.1改变窑口护板的结构窑口护板一般采用高铬耐热钢,虽然其耐热温度较高,但若长期直接受灼热物料的冲刷,组织结构     

基于超图卷积的异质网络半监督节点分类

近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法.然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异质信息网络.异质信息网络包含复杂的结构信息和丰富的语义信息,这也给网络节点分类提供了新的机遇与挑战.在异质信息网络中,网络模体(Motif)能够用于理解和探索复杂网络,其既能描述复杂的语义信息,又能保存网络中高阶近邻结构信息.因此,提出基于网络模体的异质超图卷积网络模型MHGCN(Motif-based HyperGraph Convolutional Network).首先,将重复出现的高阶网络模体建模为多个相关节点所构成的超边(hyperedge),进而将整个异质信息网络转换成由不同超边构成的超图,以克服同质网络中只能描述节点之间(pair-wise)关系的缺点;然后,利用超图的基本性质和谱理论设计超图上的卷积操作,同时引入超边自注意力机制聚合超图内部不同类型的节点,并通过在超图网络中加入自环解决在模型的前向传播过程中对异质信息网络覆盖不足的问题;最后,通过注意力机制对于不同语义的超图表示进行聚合,从而使最终的节点表示可以有效保持高阶近邻关系和复杂的语义信息.由于MHGCN是端到端的,最终模型直接学习得到节点的分类标签,并通过半监督节点分类任务进行验证,与其它方法相比,MHGCN在DBLP-P、DBLP-A数据集上比最好的基准方法micro-F1提高了0.56％～3.51％,macro-F1提高了0.54％～4.37％,验证了MHGCN模型的有效性.