检索结果-南通市图书馆

检索条件"主题词=最小流化气速"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于BP神经网络算法的气固分选流化床密度预测研究

基于BP神经网络算法的气固分选流化床密度预测研究

引用

作者：高天洋中国矿业大学

学位级别：硕士

煤炭分选加工是能源绿色低碳转型时代合理利用煤炭资源、保护生态环境最经济有效的方式,也是煤炭深加工、煤炭清洁利用的必要途径。干法选煤技术由于不需要使用水、成本低且无污染,因此为煤炭资源的高效、清洁分选提质和煤炭工业的转型... 详细信息

煤炭分选加工是能源绿色低碳转型时代合理利用煤炭资源、保护生态环境最经济有效的方式,也是煤炭深加工、煤炭清洁利用的必要途径。干法选煤技术由于不需要使用水、成本低且无污染,因此为煤炭资源的高效、清洁分选提质和煤炭工业的转型发展提供了一种有效方法。干法选煤过程涉及多个参数,如气速、颗粒密度、床层高度等。在工业应用过程中实时监测和控制这些参数以优化分选效果具有一定难度,为克服这些难点,研究人员正努力开发新型气固流态化选煤技术。本文的目标在于使用神经网络算法,对气固流化床的关键参数进行分析处理,构建相应智能模型,从而为未来实现煤炭的智能化分选提供研究基础。结合试验气速与床层压降的关联曲线,探究不同配比条件下Geldart A、B、C类多元混合加重质的流化特性,总结多元加重质最小流化气速变化规律,并汇总最小流化气速数据,建立相应数据集。在多元加重质最小流化气速数据集的基础上结合BP神经网络算法,构建以加重质密度、粒度、质量分数、流化床横截面积、床层静高共10个因素为输入变量,最小流化气速为输出变量的BP神经网络模型,其网络拓扑结构为10-13-1。模型的网络训练相关度为0.9910,预测数据的平均绝对百分比误差为12.59%,预测数据均方根误差为1.9776。探究多元加重质床层密度轴向、径向分布规律与床层密度均匀稳定性情况,汇总多元加重质床层密度分布数据,构建相应数据集。在多元加重质床层密度分布数据集的基础上,以加重质密度、粒度、质量分数、流化床横截面积、床层静高、床层高度、最小流化气速、流化数共13个因素为输入变量,以床层密度为输出变量,建立13-14-1的多元加重质床层密度预测模型,该模型的网络训练相关度为0.9773,平均绝对百分比误差为3.04%,均方根误差为0.0844,其中该模型对单一加重质的预测准确度更高,平均绝对百分比误差为4.17%,均方根误差为0.0298。在多元加重质床层密度预测模型基础上,使用遗传算法对该模型进行优化调整,得到GA-BP神经网络模型,该模型的网络训练相关度为0.9824,平均绝对百分比误差为2.46%,均方根误差为0.0747,其中该模型对单一加重质预测优化效果最好,均方根误差较原始模型降低27.41%。结合最小流化气速与床层密度预测模型,构建多元加重质床层密度预测机制,以加重质颗粒性质、流化床设备关键数据与操作气速为关键参数,实现对多元加重质床层密度的预测。该预测流程所需参数均为气固分选流化床的基本参数,无需复杂测量手段即可获得,可以有效解决气固分选流化床工业应用过程中流化效果难于精确控制的问题。该论文有图57幅,表11个,参考文献89篇。

关键词：气固分选流化床多元加重质 BP神经网络算法床层密度最小流化气速

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

振动重介质流化床流化特性及分选细粒高岭土的试验研究

振动重介质流化床流化特性及分选细粒高岭土的试验研究

引用

作者：谭明兵中国矿业大学

学位级别：硕士

煤系高岭土作为世界上特有的矿产资源,近年来,对硬质煤系高岭土的深入提纯开发利用逐渐成为各国学者的研究重点。煤系高岭土经过提纯、锻烧、超细粉碎等深加工可生产物理和化学性能稳定的高档次填料和颜料级产品,广泛应用于造纸、化工... 详细信息

煤系高岭土作为世界上特有的矿产资源,近年来,对硬质煤系高岭土的深入提纯开发利用逐渐成为各国学者的研究重点。煤系高岭土经过提纯、锻烧、超细粉碎等深加工可生产物理和化学性能稳定的高档次填料和颜料级产品,广泛应用于造纸、化工、电器、塑料、橡胶复合材料等工业领域。本文利用振动重介质流化床对河北灵寿6-3mm和3-1mm粒度级煤系高岭土进行干法分选脱炭研究,以0.074-0.4mm粒级硅铁粉作为加重质,实现细粒煤系高岭土的气固流态化分选。原矿的密度主要分布在1.9-2.7g/cm3,6-3mm和3-1mm原矿的烧失量分别为23.18%和24.98%。从原矿的XRF数据可以看出,主要组成元素为Si和Al,其中杂质元素Fe的含量较高,Ti的元素含量较少。对普通重介质流化床与振动重介质流化床的床层流化特性进行了研究,可以得出,振动能量可以显著降低流化床的床层压降ΔP、最小流化气速Umf和床层膨胀率ε。随着振动频率的增大,床层压降和床层流化密度先减小后增大;随着振幅的增大,床层压降和床层流化密度一直减小,不同静床高之间的流化床密度差随着静床高(Hs)的增大而减小。振动能量的引入活化了床层中颗粒的随机运动,增强了气相和固相之间的摩擦作用,有效抑制了床层中气泡的生成和长大,床层中颗粒的附壁现象减少,流化床三维空间中的床层压降分布均匀,形成了均匀稳定的分选环境。分别对6-3mm和3-1mm粒度级煤系高岭土进行分选试验,研究入料重量、振动频率(f)、振幅(A)和流化数(N)等操作因素对分选效果的影响规律,确定各单因素适用于分选的最佳取值范围。采用中心复合设计响应曲面法,以精矿烧失量、烧失比和总烧余量来评价6-3mm和3-1mm煤系高岭土的正交分选效果,研究了操作因素之间的交互作用。最终,确定两种粒级最适用的评价指标分别为精矿总烧余量和精矿烧失量,同时建立了评价指标对应的二次多项式预测模型。分选试验表明:对于6-3mm粒度级煤系高岭土,当Hs=100mm、f=15Hz、A=2.0mm和N=1.7时,精矿和尾矿的产率分别为23.42%和23.39%,烧失量分别为21.91%和28.93%,精尾矿的烧失量差值ΔX为7.02%,精矿回收率达到23.69%。精矿的产率较高,烧失量较小,总烧余量高达42.76%,取得较理想分选效果。对于3-1mm粒度级煤系高岭土,当Hs=100mm、f=15Hz、A=2.0mm和N=1.7时,精矿和尾矿的产率分别为10.73%和25.92%,烧失量分别为18.72%和30.52%,精矿回收率为11.65%,精尾矿的烧失量差值为11.80%。精矿的产率较高,烧失量较小,取得较理想分选效果。

关键词：煤系高岭土振动重介质流化床烧失量最小流化气速床层密度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：