磷酸活性炭自燃过程反应动力学研究

为研究磷酸活性炭的自燃危险性,以自制的磷酸活性炭(活化温度为300,500和700℃)为考察对象,利用同步热分析仪(STA)对活性炭氧化放热动力学进行试验研究。根据在2,5,10和20℃/min等4种不同升温速率下得到的活性炭DSC/TG曲线,结合Friedman-Reich-Levi动力学方法对反应过程中可能存在的反应机理进行初步判断。研究表明,随着活化温度的升高,活性炭的起始放热温度和最大放热温度随之升高;活性炭整个氧化反应过程中,活化能随着转化率的改变呈现一定规律性变化;碳氧化学反应和气体扩散共同影响活性炭氧化过程,且在不同阶段对氧化的贡献不同。     

多点法测定可燃物质自燃特性的可靠性研究

多点法是一种新提出的自热反应动力学分析方法。采用实验研究和理论分析相结合的方式对多点法的操作过程以及实验结果的可靠性展开研究。通过构建一维导热系统、采用不同形式的热电偶布设方式,对烟叶粉末的自燃临界环境温度、活化能以及反应热与指前因子的乘积等参数进行了测定。研究表明:所构建的一维系统能较好地模拟一维导热;热电偶的分布方式对测量结果有较大影响,对称分布状况下,温度结果与经典的F-K对称模型一致;多点法相比于传统方法省时省力,测定结果有较好的线性拟合相关度,求解的动力学参数较为可靠。     

硫铁矿石热自燃机理研究及其探讨

硫铁矿石自燃是矿山开采中面临的重大灾害之一。矿石自燃不仅会造成巨大的资源浪费和经济损失,还将引发一系列的安全与环境问题。通过研究硫铁矿石自燃的化学热力学机理,掌握了导致硫铁矿自燃的主要原因。利用DSC曲线对硫铁矿自燃过程的氧化特性进行研究,通过对比不同粒径的热流曲线及特征温度点的变化趋势,分析硫铁矿自燃特性的变化规律。应用热分析动力学方法计算了硫铁矿的活化能,比较不同粒径下矿样的活化能大小,为判断其自燃可能性和自燃特性研究提供依据。     

硫化亚铁氧化自燃倾向性的实验研究

含硫油品储罐腐蚀产物FeS的氧化自燃是引起储罐火灾爆炸事故的主要原因。用同步热分析仪(STA)在30～900℃范围内对FeS进行热重热流分析,从物理吸附和化学反应的角度分析了不同粒径和不同升温速率FeS的自然氧化倾向性,计算了不同升温速率FeS的活化能。结果表明,FeS样品粒径越小,越容易发生氧化自燃反应;升温速率越大,FeS越不容易氧化。同时,不同升温速率条件下的FeS反应机制各不相同。从实验得出的动力学参数看出,FeS的氧化反应较复杂,而非简单的放热反应。     

基于活化能指标的硫铁矿石自燃倾向性研究

在硫铁矿石自燃及热分析动力学基础上,结合永鑫黄铁矿3种矿样,运用热重分析手段对矿石从常温到燃点之间的氧化过程进行研究,用不同动力学模型对热重数据进行相关性分析.结果表明,硫铁矿石氧化热解过程符合一级反应动力学机制.运用热分析动力学方法求出矿样在不同升温速率下的活化能,发现随着升温速率的增加,矿样的活化能逐渐增大,自燃倾向性减小;但随着含硫量的增加,矿样的活化能逐渐减小,自燃倾向性增大.     

基于CRITIC法与TOPSIS法的硫化矿自燃倾向性评定

现有的硫化矿自燃倾向性综合评价方法多样,且无统一的标准。以矿样的常温氧化增重率、自热点和自燃点3项指标为关键判定因子,结合CRITIC权重分析法和TOPSIS综合评价法,对硫化矿自燃倾向性进行综合判定。采用CRITIC权重分析法,综合考虑指标内的变异性和各指标间的冲突性,得到3项指标的权重,通过TOPSIS综合评价法计算评价对象与理想对象间的距离,对硫化矿自燃的危险性进行排序。运用该判定方法对国内某金属矿山的10个代表性矿样的自燃倾向性进行综合判定,比较了多个硫化矿矿样的自燃危险,得出10个矿样自燃倾向性从大到小为10#、2#、6#、1#、7#、3#、5#、4#、8#、9#,评价结果与实际情况相符,说明该方法是可行的。     

碱性水对煤自燃特性影响实验研究

为了研究碱性水对煤自燃特性的影响,选取葫芦素煤矿102工作面煤样作为实验煤样,利用STA-449C型同步热分析仪进行热重实验,研究加入PH=8 NaOH的煤样与原煤以及加入蒸馏水煤样在空气氛围中燃烧失重、放热量、特征温度点等变化规律,并根据Coats-Redfern积分模型计算了3种煤样燃烧反应动力学参数（活化能、指前因子）。研究结果表明:加入碱性水的2号煤样失重量较1,3号少,燃烧失重速率更低;2号煤氧化燃烧温度区间缩短,着火温度点升高,放热量少,比1,3号煤分别少485.0,480.4 J/g;3种煤样反应机理基本遵循一级化学反应函数,2号煤各段活化能高于1,3号煤,但2号煤失水活化能小于3号,表明碱性水具有抑制煤自燃效应。     

基于活化能指标硫矿石自燃倾向性的研究

硫矿石的自燃由它内在的机理因素和外在的影响因素决定,在实验室中研究硫矿石的自燃主要是通过研究矿氧复合的机理来确定和预测其自燃的倾向性.利用动力学求解矿石在不同的粒度和不同的升温速率条件下的活化能,来判定硫矿石的自燃倾向性,为硫矿石自燃的防治提供理论依据.     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

硫铁化物氧化自燃的动力学分析

为研究含硫油品储油罐中硫铁化物的自燃倾向性,采用STA8000同步热分析仪对10,15,20℃/min等不同升温速率和15,20,25 mL/min等不同空气流量下的硫铁化物进行试验,并通过获得的TG-DSC曲线研究试样的自燃特性;在此基础上,根据Coat模型,利用不同反应机理函数对热重数据进行分析。结果表明:该试验条件下,硫铁化物的氧化进程符合三级反应动力学机制;得出了硫铁化物在不同升温速率和空气流量下的表观活化能;在560～746℃温度区间内,随着升温速率的增加,空气流量的加大,活化能数值明显减小,自燃倾向性增大。研究结果可为预防和控制因硫铁化物自燃引发的火灾、爆炸事故提供理论参考。     

基于活化能指标的煤自燃倾向性及发火期研究

在煤的自燃及热分析动力学的基础上,结合对神东矿区3种煤样进行了热重实验,运用热重分析手段对煤从常温到燃点之间的氧化热解过程进行了研究。运用不同动力学机制模型函数分别对热重分析数据进行了处理和相关性分析,结果表明煤炭氧化热解过程符合一级化学反应动力学机制,据此求出活化能等动力学参数。对基于活化能指标的煤的自燃倾向性及自然发火期进行了初步研究。经过研究发现,该方法是科学的、客观的。     

敏感条件对粉尘云最小点火能的影响规律分析

为使粉尘云最小点火能实验测量更准确,从多个方面分析影响最小点火能的测量因素,并根据粉尘云状态、粉尘颗粒固有性质、点火电路等几个方面对影响粉尘云最小点火能的因素,即敏感条件进行了分类。在实验测量中,具体归纳为:粉尘浓度、粉尘湿度、粉尘粒度及其分布、粉尘挥发份含量、粉尘温度(环境温度)、粉尘云的湍流度、粉尘分散质量、粉尘云初始压力、环境氧浓度、电极材料、电极直径和电极末端曲率、电极间距、电火花持续时间、点火延迟时间、电火花能量密度、火花触发电路、可燃气体影响、实验次数等18个影响因素。重点分析了敏感条件对最小点火能的影响规律,从粉尘云点火机理和过程出发,着重分析一些敏感条件对最小点火能影响的内在原因和实质。     

含硫油品储罐腐蚀产物自燃及其防治理论研究

含硫油品储罐内壁腐蚀产物(Fe2O3、Fe3O4、Fe(OH)3)与H2S反应生成硫化铁,硫化铁的氧化放热是引起储罐火灾的主要原因.实验模拟了油品储罐中硫化铁的生成,研究了在无氧条件下H2S气体与油品储罐内壁腐蚀产物的反应以及生成的硫化铁在自然环境下的氧化自燃性.结果表明,Fe2O3、Fe3O4、Fe(OH)3,以及它们的混合物经硫化后生成的硫化铁具有很高的自然氧化活性,在自然环境中,常温下能迅速和空气中的氧气反应并放出大量的热,热量积聚引起储罐火灾爆炸事故.在实验结论的基础上,提出了一些行之有效的安全防范措施.     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。     

基于正交试验法的黄铁矿自燃倾向性影响因素分析

利用X衍射仪、X荧光分析仪对黄铁矿进行了成分分析,运用激光粒度仪对黄铁矿进行了粒径分析。以粒度、空气流量、质量为正交试验的3个因子,运用正交试验法设计实验。利用热分析仪对黄铁矿进行了升温氧化试验,得到5、10、15 K/min升温速率下的TG-DSC曲线。运用FWO等转化率法计算黄铁矿的活化能,并将其作为黄铁矿自燃倾向性评价指标。结果表明,三因素对黄铁矿自燃倾向性影响程度为:粒径空气流量质量,且粒径的大小与活化能的大小成比例关系;当粒径为131.10μm,质量为10 mg,空气流量为30 m L/min时,黄铁矿自燃倾向性最小。     

基于LLE-ELM的矿井瓦斯涌出量预测方法研究

基于局部线性嵌入(Locally Linear Embedding,LLE)算法和极限学习机(Extreme Learning Machine,ELM)神经网络建立矿井瓦斯涌出量预测模型,该预测模型运用LLE算法对矿井瓦斯涌出量影响因素样本进行数据挖掘,得到降维后的有效因子,再将这些有效因子作为ELM神经网络的输入层进行训练和预测。利用某矿井的实测数据进行实例分析,结果表明该预测模型预测速度快,精度高,能够用于矿井瓦斯涌出量预测。     

混凝法处理表面活性剂废水的水力影响

以含1 mg/L十二烷基苯磺酸钠(SDBS)的20 NTU高岭土悬浊液为研究对象,投加聚合铝PAC进行强化混凝实验,探讨了水力条件对含SDBS废水处理效果及其混凝形态学特性的影响。结果表明,偏碱性条件有利于浊度去除,而偏酸性条件下SDBS去除率较高;在试验确定的最佳工艺条件下,处理后废水余浊低,表面活性剂去除率较高,絮体大而密实,不易破碎,分维值较高;助凝剂纳米SiO2能进一步改善最优水力条件下PAC的强化混凝效果。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。