空气重介流化床介质流动和床层密度分布研究

建立了空气重介质流化床的多相流体力学模型 ,基于选矿实验室的二维床 ( 60 cm× 1 .2cm)求解了介质速度和密度的分布 .结果表明 :模拟结果和实验结果符合性很好 .磁性介质在流化床内部呈现出中心上升边壁下降的流动趋势 .固体颗粒的运动速度很小 ,在床内的大部分区域其速度在 - 40～ 40 mm/ s之间 .在气体的表观速度为 0 .1 5 7m/ s时 ,床层密度值为 1 .96± 0 .0 3,床层上部的密度略低于下部的密度     

浓相高密度气固流化床动力学特性模拟研究

气固流化床内部运动状态和流体力学特性是研究者普遍关心的问题。浓相高密气固流化床就有不同于一般化学工业流化床的特点：固相介质密度高（4．0—5．0g／cm^3），空隙率小（0．3～0．42），气相速度小（0．15—0．30m／s）。使用基于物质、质量守恒定律建立了双流体模型对气固流化床动力学特性进行了模拟研究。在二维直角坐标系中用控制容积差分法离散方程。并在气相表观速度为0．157m／s条件下，基于0．1cmm＊0．1cm的交错网格，求解了时间长度为1．2秒的固体介质流动状态。计算结果表明：固相的流动形态为中心上升边界下降的趋势。该结果与试验结果符合的很好。     

全氯乙烯(PCE)分选煤泥的实践

采用全氯乙烯作为溶剂,对石台和中梁山煤样分别进行了降灰和降灰脱硫的研究,取得了较好的效果。其中石台０２５～０．０７４ｍ ｍ 粒级精煤灰分最低可达１２４４％ ,产率为７４８５％ ,优于浮选;中梁山煤样全硫从１３６％ 降至０８０％ 。因此该法有可能成为处理煤泥的一种很有前途的方法。同时,文章对分选机理及影响全氯乙烯分选的因素作了讨论     

基于粗糙集约简技术的输电线路运行风险评估

知识约简是粗糙集理论中获取决策规则的重要方式.结合知识约简的概念和定义,介绍了Semi- Naive-Scaler属性离散化算法,给出了基于可辨识矩阵的属性约简算法,并采用了基于可辨识矩阵的二值化数据过滤和贪心算法相结合的规则约简算法.通过属性约简和规则约简,得出决策规则.最后在输电线路运行风险评估方面给出了应用算例.     

智能空间中基于场景和本体的用户异常活动识别

大多数基于传感器和本体的异常活动识别研究仅考虑动作本身是否具有危险性或异常性,认为任何偏离日常活动的模型都是异常,针对可能导致的漏判或误判,提出考虑场景语义,同时加入用户本身情况因素;采集日常生活活动数据,建立相应的本体库,另外加入4种已确定的异常活动,对异常活动进行更丰富的识别;经过实验验证,异常活动识别准确率有明显提高。     

基于改进Faster RCNN的安全帽佩戴检测研究

针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性,并引入防止正负样本不均衡的在线困难样本挖掘策略,然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明,相比于原始Faster RCNN,检测准确率提高了7%,对环境的适应性更强。     

基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据。然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常。最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。