用“城市风道”吹雾霾,别当笑话看

杭州市规划局、环保局等部门最近在做一项研究,希望在杭州建一个"城市风道",把郊外钱塘江的风引进主城区,把空气中的霾等污染物"吹"走。杭州目前共有高层建筑4000多幢,阻挡着风的形成,因此,打造"城市风道"需要打通很多东西向的街道。目前,项目还在进行数字模拟计算的过程。这些天,许多城市四面"霾"伏,整个天空灰蒙蒙的。因此有网友戏言:恨不得拿个"特大号吹风机",把空气中的雾霾全部吹走。杭州有关部门拟建"城市风道",从城市外围引风进城吹走灰霾,正好契合     

基于综采面产尘分布与扩散分析的粉尘防治研究

在对W3709综采工作面产尘特点分析的基础上,将工作面产尘源分为落煤扬尘、落煤冲击产尘及割煤产尘3类。对采煤机顺风割煤与逆风割煤时粉尘运动规律进行了详细的分析,根据工作面产尘特点与粉尘运动规律,提出了包括煤层注水、采煤机割煤产尘治理与控制以及支架处粉尘治理一套完整的综合防尘系统。通过现场应用,工作面粉尘在原有设施降尘基础上降低86%以上,降尘效果良好,有效地解决了该工作面粉尘污染严重的难题。     

二氧化碳灭火系统扑灭风电机组舱内火灾试验研究

为有效遏制全国多地风力发电机组火灾事故的势头,基于灭火系统在风电机组防火设计中的重要性,提出采用二氧化碳灭火系统对风电机舱进行灭火保护的解决方案。在建造国内首台风电机组火灾模拟试验装置的基础上,通过试验研究二氧化碳灭火系统在常温状态和低温状态下对风电机组火灾的灭火能力。结果表明,该灭火系统能够对风力发电机组进行全淹没灭火保护,适用于空间狭小且结构复杂的风电机舱;在低温条件下,其喷放时间和灭火时间虽比常温状态下长,但灭火效能并未降低。     

自然灾害动态风险分析的一个形式化模型

根据自然灾害动态风险分析基本原理,将概率风险模型改造成一个动态风险分析的形式化模型。由条件概率密度函数和动态脆弱性函数耦合而成的风险,随着综合环境和内在属性的变化而变化。我们建议用正态信息扩散方法估计条件概率密度函数和动态脆弱性函数。这两个重要函数的估计都不依赖人为假设,分析过程透明,结果可解释性强,具有一定的可靠性。     

LNG泄漏扩散与抑制技术研究

分析了液化天然气(LNG)泄漏的危害、扩散过程及影响因素,总结了国内外相关LNG标准中涉及的泄漏扩散抑制技术及针对LNG泄漏扩散开展的抑制实验研究,分析了强制水幕、防护堤设置和高倍数泡沫等抑制技术的优缺点,为有效控制LNG泄漏扩散提供参考和指导.     

基于CFX的H2S气体室内扩散安全研究

基于ANSYS CFX,模拟H2室内扩散,与在相同条件下的国外实验数据进行对比研究,验证了模型的可靠性;使用相同模型进行H2S室内扩散模拟,得出风速为1.5,3m/s时硫化氢浓度分布与距离的变化规律,以及风速为1.5,3,5 m/s时室内逃生时间,从而对应急预案和安全规划提供参考.     

基于情景信息扩散模型的雾霾社会风险演化仿真研究

雾霾灾害不仅危害公众健康,且风险信息的传播会引发社会次级风险。为了研究社会风险信息的扩散演化趋势,本文构建了雾霾社会风险的情景信息扩散模型。以中国2013年雾霾灾害为例,将风险信息扩散过程分为爆发期、扩散期和稳定期,分析了不同参数条件下的信息扩散规律。结果表明,政府应在风险信息爆发期和扩散期增大官方渠道信息的覆盖范围,尤其在爆发期需对自由渠道发布的信息进行严格监管,在社会风险扩大之前制定应对策略。     

基于CFD的化学危害气体扩散数值模拟

针对科学、准确、动态研判气体泄漏演变情景难的问题,通过重构化工企业厂区的三维模型,采用计算流体动力学（Computational Fluid Dynamics,CFD）模型数值模拟方法,预演、分析气体扩散的路径、范围、浓度分布变化情况,并进行可视化。以福建省某化工厂为例,利用倾斜摄影影像数据建立化工厂区域内的建筑物三维模型,使用计算流体动力学开源软件OpenFOAM,对三维空间进行剖分生成计算域网格,采用三维Navier-Stokes方程作为控制方程,选用标准k-雷诺时均模型用于求解湍流效应,采用压力的隐式分割算法（Pressure Implicit with Splitting of Operations,PISO）计算流场,假设氯气在三维空间中某处发生泄漏,模拟了不同风速条件扩散浓度分布情况,实验结果表明：氯气的扩散轨迹受风场和建筑物布局影响较大,风速增大会加速氯气的扩散,有利于氯气污染物的稀释;建筑物会阻碍氯气的扩散,同时受湍流效应影响,氯气易在建筑物之间的街道聚集,浓度稀释较为缓慢。模拟结果可为制定应急预案和预案演练提供参考。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

基于极点配置的汽温控制系统优化

针对史密斯预估器在模型失配时其控制效果变差的缺陷,本文设计了一种基于极点配置的状态观测器构建的汽温控制系统模型。该模型通过极点配置的方法,使多个常系数一阶惯性环节构造的状态观测器逼近被控对象,观测器的输出经 PD(比例-微分)控制器可以超前反馈到系统中,以克服滞后环节和系统不确定性的影响,其中微分作用,可以消除系统的动态偏差。同时,结合带有滞后环节的二阶被控对象对该优化模型进行仿真验证。仿真结果表明:该方法构建的汽温控制系统具有较好的动态性能和控制品质,为消除滞后环节对汽温控制系统的影响提供了一种有效途径。