分解炉空气分级燃烧及NOx排放特性研究

随着我国经济的飞速发展,作为重要基础材料的水泥产品需求量极大且趋于稳定。水泥生产过程中的NOx排放与燃煤火电厂和汽车尾气产生的NOx排放已成为空气污染的主要来源,而分解炉是降低水泥生产工艺中NOx排放的有效设备。笔者在引入高温烟气的模拟分解炉内进行空气分级燃烧试验,研究配风位置、配风比例以及石灰石/煤比例对分解炉内燃烧和NOx排放特性的影响规律。试验稳定过程中,高温烟气发生装置的给煤量和配风量保持不变。此时,高温烟气发生装置的时间平均温度为911℃,其产生的高温烟气温度稳定在750℃左右,高温烟气中NOx主要以NO和N2O的形式存在,其浓度分别为261.49×10^-6和12.96×10^-6。该股高温烟气将模拟实际回转窑产生的烟气进入分解炉内。在分解炉的上部区域(距离顶部0~2 000 mm区域)的温度为800~1 000℃,与实际分解炉运行温度一致,排放烟气中NOx主要以NO和N2O形式存在。随着中间配风位置的下移,煤粉燃烧放热区域下移,而顶部区域的石灰石吸热量变化较小,则原有热量平衡被打破且原有吸热量高于现有放热量,导致顶部区域内燃烧温度降低。此时,还原气氛中煤粉燃烧和石灰石分解反应时间均变长,导致NOx的还原反应更加充分。但石灰石分解产生的氧化钙(CaO)作为中间产物会促进NO的生成反应,其反应时间增加也促进了NO的生成;另一方面,石灰石作为催化剂参与焦炭和挥发分还原NO的反应过程,分解炉顶部区域的温度下降使得该还原反应变弱。综上,NO的最终排放浓度是以上反应的综合结果。随着配风位置的下移,该变化对NO的生成作用更加明显,故NO的排放浓度逐渐升高。当一级风量与二级风量的配风比例降低时,分解炉上部区域的煤粉燃烧份额减少和石灰石分解量降低,而分解炉下部区域的煤粉燃烧份额增加和未分解的石灰石份额增加,但石灰石的吸热增加量高于燃烧增加份额的放热量,因此分解炉内整体温度均降低。分解炉内NO浓度是由石灰石催化的氧化过程和还原过程综合决定的。一级风量变小时,尾部CO浓度随之增加,烟气中NO浓度呈现降低的趋势。当石灰石/煤比例增加时,分解炉内沿程温度逐渐下降。随着石灰石给粉量增加,分解炉内石灰石受热分解产生的CaO浓度增加,CaO催化NO还原反应更剧烈,从而NO浓度逐渐降低。而石灰石给粉量增加和分解炉温度降低的过程导致尾部的CO浓度升高。     

采空区对哈尔乌素露天煤矿排土场地表沉陷的影响

为了研究长壁工作面开采对排土场地表沉陷规律的影响,以酸刺沟煤矿采空区为工程背景,在实测地表移动特征的基础上,采用概率积分法对酸刺沟煤矿地下开采引起的地表沉陷进行预测,结合哈尔乌素露天煤矿GNSS监测系统,对预测值进行评价。结果表明:4112工作面开采结束后,排土场地表极限沉降为3 062 mm,东西极限水平位移为922 mm,南北极限水平位移为933mm;6上114工作面开采结束后,排土场地表极限沉降为21 529 mm,东西极限水平位移为5 313mm,南北极限水平位移为5 379 mm。GNSS监测系统监测值与预测值基本吻合。     

基于双向参考集矩阵度量学习的行人再识别

针对行人再识别中由于外观差异不显著导致特征描述不准确的问题，该文提出一种基于双向参考集矩阵度量学习(BRM2L)的行人再识别算法。首先通过互近邻算法获得每个摄像头下的互近邻参考集，为保证参考集的鲁棒性，联合考虑各摄像头下的互近邻参考集获得双向参考集。通过双向参考集挖掘出困难样本进行特征描述，从而得到准确的外观差异描述。最后利用该特征描述进行更有效的矩阵度量学习。在多个公开数据集上的实验结果证明了该算法比现有算法具有更好的行人再识别性能。     

PSA技术在核电站维修规则实施中的应用

与核电厂维修和运行以及核安全密切相关的有效维修可以最大限度地减少由于系统,结构和部件(SSC)故障导致的瞬态事件的数量。为了评价和/或监控维修和操作的有效性,维修规则(MR)使用概率安全评价(PSA)技术来确保每个系统都具有良好的性能。经过同行评估的PSA模型是进行(a)(4)~([1])评价的适当工具。一般而言,风险评价工作人员应评价前一天或前两天计划维修活动(例如预防性维修)的风险,并确保潜在风险可接受并得到控制。如果某些紧急事件可能改变先前(或计划)执行的评价的条件,如果属于MR范围内的事件,PSA工作人员应重新评价由于条件变化而导致的风险。根据评价结果,可能需要暂停或重新安排计划的维修活动。     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

提高关联成像重构质量的研究

比较基于压缩感知关联成像(CGI)与伪逆关联成像(PGI)两者之间的成像效果差异,探讨形态学权重自适应对关联成像去除噪声的效果。选择不同的图像,通过MATLAB软件开展仿真实验,对目标图像分别采样64、256、512、1 024、2 048、3 000次,首先通过关联成像、基于压缩感知关联成像与伪逆关联成像三种方法重构图像,再对比压缩感知与伪逆两种方法重构图像的效果,以峰值信噪比(PSNR)、相关系数(CC)为量化指标,将基于压缩感知关联成像与伪逆关联成像在不同采样次数下进行对比分析。同时,通过实验分析形态学权重自适应去除关联成像中噪声的效果。伪逆关联成像在低次数采样的情况下比基于压缩感知关联成像的成像效果更好,在高采样次数下,基于压缩感知关联成像的成像效果更好。在实际重构中压缩感知关联成像重构的图像仍有噪声,形态学权重自适应可以有效去除关联成像实验中产生的噪声。     

Weibull型无故障数据下综合Bayes置信可靠性评估模型

在无故障数据情况下,将失效概率结合Bayes理论引入置信限,分析了修正后的数据Weibull分布中单侧置信可靠性。其方法是:首先基于Weibull分布采用配分布曲线法进行分析,构造出多层先验分布给出失效概率的综合EBayes估计,结合最小二乘法拟合得到分布参数的估计值;根据参数的统计性质构造置信区间的枢轴量,同时,给出Weibull分布特征参数的区间估计和可靠度置信下限。以经典轴承试验为例,将此方法与其它方法计算结果进行对比,证明了该方法对置信可靠性评估的合理性和可行性。     

基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。     

基于经验模态分解的冷水机组能耗预测模型

针对实际工程中采集的磁悬浮冷水机组的功率时间序列多为非线性、非平稳信号的问题,提出基于经验模态分解的机器学习能耗预测模型,此模型从信号本身尺度特征出发对信号进行分解,具有良好的局部适应性。将基于经验模态分解的机器学习模型预测结果与原始机器学习模型的预测结果进行比较,结果表明,采用经验模态分解的磁悬浮冷水机组能耗预测模型能够提高预测精度。     

基于EMD和改进小波阈值的地震信号去噪方法

地震资料采集获得的地震信号资料中往往夹杂着大量的噪音信息,地震信号的有效去噪对后续的地震资料解释具有重要的意义。本文提出一种基于经验模态分解(EmpiricalMode Decomposition,EMD)和改进小波阈值的地震信号去噪方法。将含噪地震信号分解为一系列本征模态函数(IntrinsicModeFunction,IMF),并根据自相关理论,对从IMFs中筛选的高频分量应用改进的小波高参数阈值算法处理,低频IMF分量应用改进的小波低参数阈值处理,最后对处理后的IMFs进行重构。利用本文提出的地震信号去噪方法对合成地震信号和实际地震信号进行去噪处理,并与EMD去噪效果进行对比,结果均表明本文所提方法的去噪效果优于常规的EMD方法。