空调设备节能降耗的途径

编者按 电力革命的产物--空调是人们益寿延年的功臣之一.空调设备在创造局部环境舒适的同时,既消耗了大量的能源,又在破坏臭氧层,加剧温室效应.     

废活性炭微波再生新工艺的研究

提出用微波加热一二氧化碳活化法再生乙酸乙烯合成用触媒载体废活性炭工艺。采用条件实验法研究了活化时间、二氧化碳流量和微波功率对活性炭碘吸附值，亚甲基蓝吸附值和再生得率的影响，得到微波辐射加热二氧化碳活化再生乙酸乙烯用触媒载体废活性炭的最佳工艺条件为活化时间25min，二氧化碳流量0．2L／min，微波功率700w。在此条件下制得的活性炭碘吸附值为1158．02mg／g、亚甲基蓝吸附值为240mv,／g、得率为74．19％。并对活性炭进行了比表面积的测定和孔结构的分析，活性炭的比表面积为1308．13m^2／g，总孔容为0．76mL／g。     

微波催化燃烧气态甲苯特性及床层温度分布

采用浸渍法制备Cu-Mn-Ce/堇青石蜂窝催化剂,于微波催化燃烧装置中考察其对甲苯废气的催化活性与稳定性,并对固定床温度进行了测试分析.研究表明,微波加热下床层温度分布均匀,甲苯的最佳反应温度在230~270℃之间.当停留时间大于9.7s且床层温度高于270℃时,甲苯的降解率大于90%.铜锰铈单金属氧化物及其复合氧化物尖晶石是主要的活性组分,甲苯在其表面上进行准一级反应而被催化氧化.高温对催化剂结构有影响,但重复性试验证实了催化剂的高活性和良好的稳定性.本文为微波催化燃烧技术治理VOCs废气的中试研究及下一步的实际应用提供了理论支持.     

10kV电缆受潮缺陷模拟及其放电特征研究

针对10 kV XLPE电缆开展绝缘受潮缺陷模拟试验,根据电缆绝缘水树的等效电路,制作了两种电缆模型试样。在串联谐振耐压条件下对两种试样进行局部放电测量,通过脉冲电流法检测其局部放电信号并研究放电特征。试验结果表明:埋入盐水浸泡棉线试样的电缆绝缘水树缺陷模型,在试验条件下的局部放电图谱特征呈现双极性分布,属于沿面放电类型。     

浅谈设备泄漏的危害

在正常的生产中,不应该有任何的泄漏.但是由于种种原因,泄漏在各类工业中都可能发生,所泄漏的物质状态可能是气体、液体、蒸气、粉尘或固体.泄漏在开始时往往只发生在局部很小的地方,但所造成的后果却十分严重,有时甚至是灾难性的.有些特大事故正是由于局部泄漏而造成的.日本曾对该国化工厂发生的事故进行分析,其中火灾、爆炸、设备破坏、中毒等事故中,有近一半是由于泄漏造成的,可见危害之大.     

日本局部换气装置的管理及其借鉴意义

局部换气是保护劳动者免受有害物质侵害的卫生工程防护手段之一,但如其设计不够科学合理、维护检修不到位,也无法发挥应有作用。为保证局部换气装置设计和运行的有效性,日本从备案、设计审查、运行监测和政府监督指导等几个方面对其进行管理,并取得了较好效果。建议我国借鉴日本做法,完善局部换气装置的相关技术标准,确立备案和技术审查制度,规范企业自主维护检查方法,加强对运行监测的监管。     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

双风机并联机站局阻特性研究

为探究双风机并联机站局部阻力特性、完善机站局部阻力及其系数的计算公式,以实际矿井通风机站为工程背景,在分析机站流场能量损失机理的基础上,采用物理模型实验和数值计算相结合的方法,分析了机站入口分流、出口汇流的断面速度不均匀程度与机站阻力损失的关系,同时对不同宽高比的矩形断面进行多工况模拟。结果表明:断面速度不均匀性越大,速度分布重组造成的阻力损失越大;确定了机站局阻计算所需参数的合理测定位置,得出机站局阻系数计算时的综合影响系数Kc随风机工况增大而增大、随断面宽高比A增大而减小,并呈现较好的线性关系。研究结果可为多级机站通风系统通风阻力特性分析以及工程优化设计提供参考。     

松散煤体渗流传热试验装置研制

为研究松散煤体低温氧化及通风供氧下的渗流传热规律,研发了渗流传热试验装置。试验装置由气体加湿系统、气体加热系统、煤样反应系统、数据采集系统和安全保护系统组成;本装置可实现自动加湿、控温、自动采集数据及处理数据。为解决装置使用和运行中的安全问题,设计了断电保护、有害气体检测等措施,保障试验装置的安全、可靠。     

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80％以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异.