确定滤袋室内喇叭安装个数和位置的新方法

初步建立 了滤袋 室内声压 分布 的数 学 模型 ，并 利用 实 测结 果对 此 数学 模型 进 行了 检验 ，证明所建 立的模 型是合理 的。可以 利用此模 型计算 滤袋室内 的声 压分 布，并 确定 喇叭 的安 装个 数和安装位 置     

基于泰沙基折减自重模型的隧道围岩压力的确定及验证

采用泰沙基折减自重模型,通过实例分别计算和分析了考虑内聚力和不考虑内聚力两种情况下的隧道竖向荷载大小及其与埋深的关系曲线,并与现场围岩压力测试结果进行比较,表明实测的隧道围岩最大压力值与模型计算结果相近,说明该模型适用于隧道围岩软弱破碎、风化不均的围岩压力的确定,从而为类似工程提供了借鉴。     

石墨炉AAS法分析冬青科苦丁茶树系统中镉及其分布

采集海南大学苦丁茶种质资源库中6种冬青科(Ilex)苦丁茶树的根、茎、叶及对应土壤样品,通过试验研究,建立了高压密封消解-石墨炉原子吸收光谱法测定样品中镉的方法。对植物样和土壤样分别采用硝酸-双氧水和硝酸-高氯酸-氢氟酸混酸体系进行消解。以磷酸二氢铵作为基体改进剂,并开启氘灯校正背景,在优化的工作条件下测定样品中镉。该方法的检出限为0.300ng/mL,用于实验样品中镉的测定,其相对标准偏差RSD5%,加标回收率介于94%～108%之间。用该方法对茶叶(GBW10016)和土壤(GBW-07407)标准参考物中镉进行了测定,测定结果与标准值相符合,相对误差小于7%。冬青科苦丁茶树及其土壤中镉的分布具有特征性,主要表现为:土壤茶树,根际土壤非根际土壤,吸收根主根或茎,嫩叶老叶枯叶。     

污泥压滤脱水条件的优化研究

采用压滤试验,研究了强压条件下剩余污泥的脱水性能及影响因素,确定了污泥压滤脱水的最佳操作条件。结果表明,随着压力的增加、压滤时间的延长和絮凝剂聚丙烯酰胺(PAM)投加量的增加,所得净滤液量均明显增大。综合考虑脱水效果和经济因素,最佳压滤脱水的条件为:压力0.6MPa,压滤时间30min,聚丙烯酰胺的投加量2.5kg/t干泥。     

安装质量对压力管道安全运行的影响分析

要保证压力管道安全运行,必须从安装质量入手。通过实例分析安装质量对压力管道安全运行的影响,并对压力管道法规中有关提高压力管道安装质量要求的内容进行介绍,供压力管道安装使用管理人员及技术人员参考。     

浸入式超滤膜工艺稳定运行影响因素研究

以确定浸入式超滤膜工艺稳定运行工况为目标,进行了混凝.浸入式超滤膜工艺处理滦河原水的中试研究.采用横跨膜压差(TMP)做为表征膜稳定运行的工艺参数,考察了膜通量、制水周期、原水水质条件的改变对膜工艺的影响.结果表明,采用浸入式膜处理滦河水时,膜通量为53.3 L/(m2·h)且制水周期为30 min时膜工艺运行稳定,能较好控制膜污染;水温变化对膜工艺运行影响较大,低温期单个过滤周期TMP比高藻期增加了76%;EFM和化学清洗结合是一种有效地控制膜污染、强化稳定运行的措施.     

一起正压式呼吸器发生爆脱的原因分析

描述了正压式呼吸器发生爆脱的事故经过、正压式呼吸器的工作原理及正压式呼吸器减压阀的主要作用,对事故进行了原因分析,并提出防范措施。     

气-水两相砂介质中饱和度-毛细压力关系与水位波动之间的响应

利用时域反射仪（TDR）与微型张力计（T5）联用装置,测定气-水两相砂介质中因水位波动产生的连续干燥与湿润循环过程中饱和度-毛细压力（S-p）关系曲线.同时,研究了多重水位波动对S-p关系曲线、孔隙流体运移的滞后性及空气剩余饱和度的作用.结果表明,TDR、T5和数据自动采集器联用装置可较准确测量出气-水两相条件下S-p关系的动态变化.同一介质中不同干燥过程的侵入压值比较接近,与干燥过程的初始水饱和度无关;而干燥或湿润过程的S-p关系曲线和滞后程度则与其初始水饱和度密切相关.在特定的干燥和湿润循环过程中,初始水饱和度大小对空气剩余饱和度的值影响不大,用于预测非湿润相流体剩余饱和度的Land的假设需要修正.本研究结果对进一步研究水位波动条件下地下有机污染物运移具有借鉴作用,可为修正NAPL Simulator 提供实验依据.     

冷冻取芯过程煤样温度变化特性研究

为探究冷冻取芯过程煤样温度变化特性,基于模拟试验的相似性,自主设计冷冻取芯模拟测试试验装置,选取榆家梁矿、首山一矿、六龙煤矿、九里山矿4个矿区不同变质程度煤样,用以测定瓦斯吸附平衡压力为0、1.0、2.0、3.0 MPa下冷冻取芯过程煤样的温度实时变化数据,并统计分析各条件下的数据。研究结果表明:冷冻取芯技术的冷冻效果与煤变质程度及瓦斯吸附平衡压力呈正相关关系;冷冻取芯对含瓦斯煤冷冻效果优于不含瓦斯煤;冷冻取芯对高变质煤冷冻效果优于低变质煤;冷冻取芯过程中,煤样温度随时间变化曲线符合指数函数关系。     

Correction model for CO detection in the coal combustion loss process in mines based on GWO-SVM

Accurate detection of CO gas is crucial to the prevention of coal combustion. Tuneable diode laser absorption spectroscopy (TDLAS) is a reliable method for CO detection during coal combustion. The influences of temperature and pressure cause changes in the line strength and linewidth of the index gases’ absorption spectra, leading to sizable measurement errors. To correct the distortion of the CO absorption spectrum caused by temperature and pressure fluctuation, a compensation model based on the grey wolf optimizer–support vector machine (GWO–SVM) was proposed. The results were compared with those of the single SVM, the back propagation neural network (BPNN), and multiple regression analysis (MRA). MRA was revealed to result in the lowest accuracy, which indicated that MRA is not ideal for compensation in TDLAS. The hyperparameter selection of the SVM had the disadvantages of randomness and blindness, which led to instability and large errors. The BPNN achieved better correction in the training stage, but severe overfitting occurred in the testing stage. The modified results revealed that the GWO–SVM model had higher accuracy and stability than the other models. It effectively inhibited the effects of temperature and pressure on the measured concentration and greatly improved the measurement accuracy. The equipment is thus suitable for CO gas detection with the aim to preventing coal combustion loss, and it can be further applied to loss prevention in other process fields.