Measurements,Theories and Simulations of Particle Deposits on Super-Heater Tubes in a CFB Biomass Boiler

The present investigation involves theories, simulations and experiments on deposit layers on super-heater tubes in a circulating fluidised bed in Västerås in Sweden. Simulation of particle trajectories in the vicinity of two super-heater tubes is conducted in a Eulerian-Lagrangian mode for the flue gas and the ash particles from the combustion process. Particle impingements on the tubes are investigated for different particle sizes. Measurements of the buildup of deposit layers in the super-heater environment are conducted using a deposit probe. Deposit layer growth and growth rate is analysed for different probe temperatures, as well as the aspect of sintering on the probe ring surface. Analysis of the probe deposit material and deposits from the super-heaters and from textile filters are chemically analysed. The temperature dependence of the deposit materials viscosity is predicted from the chemical analysis of the samples. A model is included to simulate the effect of the deposit layer thickness on the tube heat exchange. The results from the particle trajectory simulations show that particle larger than 10 mm will mainly impinge on the front of the first tube and that smaller particles are more dispersed due to turbulence and thermophorectic forces, enabling a more even impingement on the whole surface of the tubes. The probe deposit layer growth measurements show significant temperature dependence. The deposit material sintering and distribution is proven to be dependent on; temperature, particle size and exposure time. The stickiness of the deposit material is shown to be dependent on the SiO₂ and alkali relation in the samples, estimated through a viscosity model.     

社区治安高危人员异常轨迹识别与预警方法研究*

为解决社区治安高危人员异常轨迹难以实时感知、精确识别、及时预警的问题,对社区治安高危人员动态轨迹进行标定,并建立动态轨迹序列化模型,通过序列化模型构建动态行为链;根据静态身份属性与动态轨迹时空特征信息,建立异常轨迹分析模型。结果表明:动态轨迹标定可实现对GPS轨迹数据高效、准确标定;异常轨迹分析模型可实现异常轨迹识别与预警。研究结果适用于社区高危人群管控,可为社区治安防控提供技术支持。     

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4模式及TraPSA分析平台

利用HYSPLIT4模式和全球资料同化系统数据,计算了甘肃地区5个站点2017～2018年逐时72h气团后向轨迹;结合各站点颗粒物逐时质量浓度数据,选择颗粒物污染最严重的春冬季,利用轨迹聚类方法分析了甘肃地区后向气流轨迹特征;基于潜在源贡献函数(PSCF)分析法和浓度权重轨迹(CWT)分析法,将各站点分析结果输入Tra...     

旋转尾翼火箭测试平台平衡滚速分析与弹道设计

目的分析旋转尾翼对火箭测试平台平衡滚速的影响,基于旋转尾翼式火箭测试平台开展飞行弹道设计。方法以旋转尾翼火箭测试平台为例,分析旋转尾翼、箭体和滚动轴承间的受力,建立旋转尾翼火箭测试平台箭体和尾翼滚转通道动力学模型,分析旋转尾翼不对称性、不同摩擦力系数时旋转尾翼对平台箭体平衡滚速的影响关系,并以倾斜有轨发射旋转尾翼火箭测试平台为例,开展弹道设计与仿真。结果采用旋转尾翼设计,当滚转等效舵偏较大时,能够降低固定尾翼平台平衡滚转。随着滚转等效舵偏的增加,箭体的平衡滚速不会持续增加,箭体的平衡滚转速度将稳定在4.4 rad/s左右。旋转尾翼轴承摩擦力系数显著影响旋转尾翼对箭体平衡滚速的抑制作用。经过弹道设计仿真,箭体的平衡滚速为4.01rad/s,满足试验载荷对转速的需求。结论旋转尾翼能够有效抑制箭体的平衡滚速,基准弹道设计满足飞行试验要求。     

漳州大气PM2.5污染特征与区域传输影响分析

利用多点位三维受体模型与后向轨迹模型,研究了漳州市近海与城区两个代表性点位不同季节不同来向气团所载带的PM_(2.5)浓度、化学组分及污染源贡献特征。结果表明:近海与城区两点位PM_(2.5)质量浓度在季节变化上均为夏季低,冬季高(近海点位夏季37.3μg/m~3,冬季52.1μg/m~3;城区点位夏季38.5μg/m~3,冬季86.2μg/m~3);总体而言,近海点位主要受本地气团以及江苏-浙江来向气团影响,城区点位主要受广东省及其近海来向气团影响。在PM_(2.5)化学组成上,近海点位二次无机组分SO_4~(2-)、NO_3~-、NH_4~+均高于城区点位,而城区点位秋季二次有机污染明显高于近海点位。因受河口地形影响,近海点位冬季PM_(2.5)各化学组分均高于城区点位。两点位源解析结果存在季节性差异。在近海点位,春冬季二次无机源贡献最大,夏秋季二次有机源贡献最大;在城区点位,春季建筑尘、夏季二次有机源、秋季地壳尘、冬季二次无机源占比最大。不同来向气团对两点位四季PM_(2.5)分担率分别为:近海点位春季NNE来向的二次无机源(20.5%)、夏季SW来向的二次有机源(14.3%)、秋季NNE来向的二次有机源(10.0%)、冬季NE来向的二次无机源(24.2%);城区点位春季NNE来向的建筑尘(18.0%)、夏季WSW来向的二次有机源(15.9%)、秋季NNE来向的地壳尘(15.4%)、冬季NNE来向的二次无机源(24.3%)。     

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据（2019年3月~2020年2月）,对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为（29.4±16.4）,（9.3±5.1）μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明：帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.     

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、潜在源贡献因子法（Potential Source Contribution Function,PSCF）和浓度权重轨迹法（Concentration-Weighted Trajectory,CWT）分析了2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

秦岭南北降水空间分异研究

为了探讨秦岭南北降水空间分异特征,本文以秦岭山脊线南北22个气象站点2011～2018年间的逐日降水量及全球资料同化系统风向数据为基础,借助协同克里金插值和混合单粒子拉格朗日积分扩散传输模型(HYSPLIT模型)的后向轨迹模式等方法,对秦岭山区降水进行了空间格局分析、水汽轨迹追踪及水汽源地贡献率计算.结果 表明:①秦岭...     

长江经济带典型矿业城市马鞍山市大气污染特征及颗粒物潜在源研究

本文利用2017-2020年监测数据对长江经济带典型矿业城市马鞍山市的主要大气污染物(PM2.5、PM10、SO2、CO和O3)进行了系统性分析.2017-2020年PM10和PM2.5的年均浓度分别为85.55、78.15、70.39、57.77 μg·m-3和50.44、45.21、43.36、36.30μg·m-...