铸造用冷芯盒树脂甲醛源强研究

通过调查沧州地区部分铸造企业环保手续和自行监测情况,铸造用冷芯盒树脂甲醛的源强确定存在较大差异,且存在部分企业未识别甲醛污染因子。为确定甲醛的产生系数,运用科学的研究方法,如极值法、类比调查与样本均值法等,确定该类型铸造项目铸造用冷芯盒树脂甲醛的产生系数,帮助铸造企业对甲醛废气采取有效防控措施,确保实现废气污染物稳定达标排放。

卷积与长短期记忆网络在火灾源强实时预测中的应用

针对火灾场景中火源位置及强度实时、准确识别困难的问题,利用卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆(Long Short-Term Memory,LSTM)网络的算法优势,构建一种火灾源强实时预测模型,该模型通过建筑内温度传感器接收的序列数据,实时、准确地预测火灾场景中的火源位置及强度信息。采用火灾动力学模拟软件(Fire Dynamics Simulator,FDS)模拟火灾场景,获得温度传感器实时接收的序列数据,建立火灾场景数据库,进行火灾场景数据分析并对火灾源强实时预测模型完成训练,通过实例验证该模型的准确性、及时性和鲁棒性。结果表明,该模型能够通过较短长度样本数据实时、准确预测火灾场景中火源位置及强度,预测准确率为99.18%,在温度传感器间隔损坏且损坏率不高于70%时,预测准确率仍可达到95.10%以上。

紧凑型各向异性D-D中子源源强测量实验研究

采用Bonner多球谱仪、3He正比计数器和238 U裂变电离室3种不同探测方法,分别同时从束流方向0°,90°,180°3个角度对紧凑型各向异性D-D中子源进行源强测量,通过蒙特卡罗方法修正实验室对测量结果的影响,得到3组源强测量结果。结果表明:3种探测方法的测量结果分别为8.88×10^(9),8.13×10^(9),8.82×10^(9)s^(-1)。3组中子源强测量结果的相对偏差在10%以内,与理论值偏差较小。与其他两种方法相比,采用238 U裂变电离室探测器的源强测量结果总相对偏差最小,证明了采用不同探测方法从多个角度同时测量各向异性中子源源强的可行性。研究可为相似实验条件下同类型中子源的特征参数测量提供研究思路。

地铁列车加速对振动源强及环境振动传递特性影响研究

为缓解地铁列车出站加速过程引起的振动对车站内工作人员及上盖物业居民的影响,首先应探明环境振动传递特性,通过对某城市地铁车站的3个隧道内矩形断面及隧道上方地面进行现场实测,从时域和频域的角度分析地铁列车出站加速过程对振动源强及环境振动传递特性的影响。研究结果表明:(1)地铁列车出站的加速过程中,引起的钢轨振动响应随车速提高而增大,但是道床和隧道壁的加速度峰值在行车速度为40 km/h断面处最大,主要原因是车辆加速初段引入的低频冲击;(2)地面和隧道的振动主频都在63 Hz附近,说明车站结构可以有效传递该频段的振动,且车速对该主频没有影响;(3)对于地铁车站的上部土体,振动在地面横向传递过程中存在放大区,在设计地铁隧道上方地面建筑物布局时,需重视该效应;(4)本次测试的车站区间,隧道壁源强到地表的衰减约为5 dB,小于区间的衰减,主要原因是地铁车站结构对振动的衰减要弱于土体,考虑到地铁车辆在车站边界已经达到了较高速度,因此车站附近的环境振动问题需要更加予以重视。

免疫粒子群算法在修正高斯模型下的源强反演

为提高危险气体泄漏溯源定位的科学性和实效性,确定危险气体泄漏位置和强度是事故应急响应的关键。首先,根据质量守恒定律,分析、改进近似高斯分布的气体羽流扩散幅度,修正高斯烟羽模型;然后,基于免疫浓度筛选机制作为主策略的免疫算法(IA),通过与粒子群算法(PSO)耦合,将混合免疫粒子群(PSO-IA)算法应用到源强反演中;最后,验证PSO-IA算法溯源定位效果。结果表明:与模式搜索法(PS)、遗传算法(GA)、PSO相比,修正高斯烟羽模型预测值误差均下降2%左右;混合PSO-IA算法相较PSO算法反演源强效果有明显提升,其算法定位误差为1.3 m,求解源强误差为0.8%,单次计算时间小于1 s,能实现快速、准确定位并估算源强度。

快速地下线振动源强特性实测分析

【目的】既有振动源强预测公式只适用于普速地铁,无法适用于最高时速160km快速地下线振动源强特性。【方法】对某沿海城市市域快线进行多个断面的振动特性进行了现场实测,通过数据分析研究了车速、隧道埋深、曲线等因素对振动源强的影响。【结果】直(曲)线区段车速90~160km/h,振动源强71~80dB,随着车速的增大振动源强也增大,速度每增加20km/h振动源强增加3.72dB;振动源强随着隧道埋深的增加而减小,隧道埋深每增加10m,振动源强会减小4.9dB;相同情况下,曲线区段(曲线半径1850m)的振动源强大于直线区段的振动源强,值为约7dB。列车投入运营1a后,由于轮轨状态的恶化,振动源强出现增大,且不同列车之间的差异较大,选取某一断面七个月份的监测数据分析得到,运营期稳定后振动源强较为稳定。【结论】快速地下线的振动源强受众多因素影响:与列车速度呈线性正相关、隧道埋深呈线性负相关、曲线处的振动源强大于直线处的、轮轨恶化也会使振动源强增大。

城市轨道交通道岔区振动源强特征与减振措施效果试验研究

城市轨道交通道岔区结构状态复杂且存在固有不平顺,从而导致环境振动噪声增强。为探明岔区振动产生机理以及不同减振措施对道岔区振动源强的影响规律,以普通整体道床、减振器扣件以及钢弹簧浮置板道岔为试验对象,分别于岔前、转辙器轮载过渡区、转辙器跟端、连接部分以及辙叉区5个断面布置测点,测试岔区不同位置隧道壁垂向与横向振动响应,并从频域、时频域以及Z振级角度分析不同减振道岔的源强特征。试验结果表明:普通整体道床道岔区振动源强主频位于50~100 Hz,与区间线路相似。但由于左右轨下刚度差异,辙叉区P2共振主频存在双峰值特征,且辙叉区存在有害空间,导致隧道壁50~200 Hz振动响应幅值较高,振动源强相对于其他断面增大3~5 dB。虽然转辙器区也存在轮载过渡,但转辙器区隧道壁垂向振动并未表现出明显的加剧。岔区隧道壁横向振动不可忽视,减振扣件区段隧道壁横向振动甚至高于垂向振动。减振扣件和钢弹簧浮置板道岔均可抑制50 Hz以上的隧道壁振动,但减振扣件使得车辆簧下质量-道岔P2共振频率降低至40 Hz,从而在该频率位置存在较高振动响应峰值。采用分频最大振级以及最大Z振级进行对比,道岔减振器扣件减振量相对较低,而钢弹簧浮置板减振效果良好,减振量在15 dB左右。试验研究结果可为城市轨道交通道岔区振动控制提供参考。

地铁隧道振动源强受车辆状态影响因素实测分析

为分析地铁隧道振动源强的影响因素,以某地铁线路直线段为研究对象,同步采集车致振动信号和速度信号,统计分析全天测试样本的时域、频域特征。结果表明:早晚高峰时段,隧道内振动响应不一定完全最大,振动源强的离散程度与车辆状态直接相关,V_(1)、V_(2)两车所引起的隧道壁测点Z振级的均值相差6.7 dB;取40组以上的测试样本计算振动源强,其结果更接近全天样本均值;由轮轨系统引起的隧道振动主频随车速的变化而偏移,车速与道床、隧道壁的振动加速度级呈现较强的线性正相关,车速每提高10 km/h,振动分别增加约1.7、2.6 dB;速度差在10 km/h以内时,振动源强在1 dB以内变化,速度差在10~20 km/h时,振动增幅为1.5~2.2 dB;计算得到车速修正CV的系数为18.5,与环评振动预测公式中列车速度修正所使用系数接近;隧道壁振动在40 Hz以下的低频段离散较大,但该频段对振动源强的贡献度较小,占15.29%,优势频段为50~63 Hz,该频段对振动源强的贡献度达59.55%。研究成果可为环评振动预测公式的进一步精确化提供参考,为提高地铁隧道源强测试结果的准确性提供理论依据。

车轮状态对地铁列车振动源强的影响及评价方法研究

车轮状态是造成地铁振动源强不确定性的重要因素。开展了地铁隧道内不同断面全天候的连续振动监测,基于实测数据分析了不同车轮状态下振动源强的分布特征,探讨了列车趟次取值对振动源强评价结果的影响。结果表明,全天过车时段隧道壁的最大Z振级呈现出以投运列车数为窗长的周期性波动。由于车轮状态的差异,最大Z振级波动幅度可达20.3 dB,超过了高等减振的效果,也远大于环评导则规定的修正值。车轮状态将导致振动源强周期性波动,建议列车趟次取投运列车数,将测试结果的算术平均值作为源强代表值。

中子符合计数研究中^(252)Cf源强的影响分析

具有中子多重性的^(252)Cf源是中子符合计数实验测量和装置标定的首选。本文利用数值模拟手段研究^(252)Cf源强对中子符合计数的影响。根据中子符合计数实验的数据处理方法,通过生成带自发裂变事件标签的中子脉冲序列,按照移位寄存器的数据处理逻辑对中子脉冲序列进行处理,给出中子符合测量模拟结果。基于对不同源强下前景(R+A)和背景(A)的中子多重性分布的模拟结果,定量分析源强对真符合计数在前景测量结果中占比的影响。结果表明,在^(252)Cf源强为每秒几百或几千个中子时,真符合计数在R+A的中子符合计数中占绝对或明显优势(超过50%),推荐作为实验的中子源;源强为每秒几万个中子时,真符合计数在R+A的中子符合计数中占比约10%;源强达到每秒几十万个中子时,真符合计数淹没在偶然符合计数中(占比约1%),不建议用作实验的中子源。本文的研究可以为实验的源强选择、实验数据的有效性检查提供一个参考。

港口油气污染扩散及源强计算方法分析

在经济快速发展的背景下,港口业务十分繁忙,港口内的船只除运输常规货物外,还有部分油气运输船,此类船只会对港口造成一定的污染。故以港口油气污染扩散及源强计算为研究内容,以某地区港口为例,通过实验的方式,对港口油气污染情况加以分析。同时基于所在地区的气候条件,完成监测点的设置,并应用合适的计算方法,确定油气污染源强。结果表明,该港口水域油气污染扩散情况较为乐观,不会大规模扩散。希望通过研究,为相关行业提供借鉴。

管片接缝对地铁振动源强影响现场测试研究

地铁振动源强的选取是开展环境振动评估的核心环节。目前,地铁盾构隧道普遍采用管片拼接方式,在进行振动源强测试时存在跨越管片接缝和不跨管片接缝2种情况,文章通过现场行车测试和锤击试验,研究管片接缝对振动源强的影响效果和振动传递特征。结果表明:对于最大Z振级评价,全天车次最大Z振级差值统计结果的平均值为0.77 dB,最大值为2.22 dB;对于典型工况分频最大振级评价,Z计权前分频最大振级在200 Hz频率处,测点1和测点2的差值为3.44 dB,Z计权后分频最大振级在50 Hz频率处,测点1和测点2的差值为0.45 dB;管片接缝在141~346 Hz和410~502 Hz频率段具有振动减小作用。相关研究可为地铁振动源强测点选择提供参考。

纸张定量检测中放射源强度的选择

在纸张定量检测中使用的β放射源的强度要适当,强放射源不可取。

新旧计权标准下振动源强估值的影响分析——以南京地铁为例

振动源强的评估主要是通过计算最大计权Z振级来实现,其中计权因子是Z振级计算过程中的核心参数。由于部分标准文件更新滞后的原因,我国目前存在新旧两种计权标准共存的局面。本文提出一种同时适合两种计权标准的Z振级的快速计算方法,以南京地铁振动测试数据为例,在新旧两种计权标准下计算不同车型、不同路线、不同减震措施条件的最大Z振级,以研究不同计权标准对南京地铁源强评估的影响。

浅析酸性染料制造废气的源强核算要点

酸性染料制造废气主要是在染料合成单元、后处理单元、物料储存系统及污水处理系统等工序产生的。环境影响评价工作中对于上述单元废气源强的核算方法一般采用产排污系数法、物料衡算法及类比法。本文对染料制造废气源强核算方法进行了要点分析,以期为同行的酸性染料制造废气源强核算工作提供借鉴。

声源聚集度的波叠加法虚拟源强配置

针对虚拟源强的配置方法影响声场重建精度的问题,提出了一种声源聚集度分析法用于虚拟源强配置。根据各个点源的位置坐标,以每个声源为中心,采用一定的半径进行搜索,计算出声场的声源聚集度,并按照声源聚集度进行聚类分析。按照聚集度的不同将声源分为3类,然后通过重心法求出虚拟源强的坐标,进而实现虚拟源强的配置。通过理论分析和仿真验证了此方法的可行性。研究结果表明:声压幅值误差的最大值为1.812%,初相位误差的最大值为1.617%,声场重建精度得到了显著提高。采用3类虚拟源强的配置,克服了虚拟声源分布与声源表面的共形问题,更适用于结构复杂的振动体。

炼油污水处理装置恶臭气体源强估算方法的比较

以某炼油污水处理装置为例,根据其运行现状及恶臭气体的监测结果,使用卫生防护距离反推法、源强经验估算法以及地面浓度反推法3种方法对恶臭气体源强进行估算,并利用AERMOD模式进行预测,对预测值与监测值进行方差分析。实验结果表明:在监测得到的NH3和H2S的平均质量浓度分别为0.113,0.006 mg/m3的条件下,卫生防护距离反推法得到的NH3和H2S的无组织排放源强分别为2.395,0.127 kg/h。源强经验估算法得到的NH3和H2S的源强分别为0.255,0.080 kg/h,地面浓度反推法得到的NH3和H2S的源强分别为3.120,0.250 kg/h;源强经验估算法为炼油污水处理装置气体源强估算的最优方法。

某石油炼制企业VOCs排放源强反演研究

选取我国北方某石油炼制企业为研究对象,针对其挥发性有机物(VOCs)排放,于春季3月开展了厂界周边大气VOCs环境浓度监测,并利用ISCST-3空气质量模型反推出该企业VOCs排放源强.监测结果表明,厂外上风向背景点与下风向受体点TVOCs浓度平均值分别为28.6×10-9和88.3×10-9,且2个区域VOCs还存在化学组分特征差异,背景点以乙烷、丙烷、乙烯为主,而受体点化学组分中丙烯、异丁烷、丁烷、异戊烷、戊烷的体积浓度百分比显著上升,说明该炼油厂VOCs排放体量大,对局地环境影响显著.扣除背景点VOCs,获得了该炼油厂VOCs排放化学成分谱,其主要成分体积浓度百分比:乙烷(23.4%)、丙烷(11.8%)、丁烷(10.4%)、异丁烷(9.0%)、戊烷(5.3%)、异戊烷(6.4%)、丙烯(11.5%),成分谱特征与国内相关文献相似.ISCST-3模型反演结果显示,该炼油厂TVOCs年排放量平均值为(2201.6±1011.9)t/a,折合排放因子约0.73g VOCs/kg原油.该计算结果偏低,原因可能在于:其一,测试季节为春季,较低的环境温度致使了炼油厂挥发散逸环节的排放低于全年平均水平;其二,ISCST-3模型为扩散模型,未考虑VOCs化合物在局地范围的化学衰减.

北京地铁环境振动预测中源强选取的研究

地铁环境振动预测中源强位置的选取至关重要。通过对北京市铺设不同减振措施的地铁线路的实地测试分析,计算各测点一天内200多列车的振级并对其进行频次统计分析,比较各测点的振级波动范围。研究结果表明:在北京市地铁环境振动预测中选择隧道壁作为源强可以更好地反映实际振动情况,有助于提高环境振动预测精度;男外,提出一种剔除部分出现概率小且偏离均值较大的离散数值以缩小波动范围的方法,简单实用。

粒子群优化算法在源强反算问题中的应用研究

在危险化学品泄漏事故中泄漏源强是预测事故后果的主要影响参数,也是事故应急救援决策的基础。为了在化学品泄漏事故过程中快速准确地获取泄漏源强数据,将粒子群优化(PSO)算法应用于危险化学品泄漏源强的反算中。利用高斯烟羽扩散模型和下风向浓度测量数据,将计算浓度与测量浓度的误差平方和作为目标函数,采用粒子群算法来优化,以确定源强并通过模拟的测量浓度数据进行算法有效性验证。结果表明,PSO算法及其参数改进算法不依赖于初值的选择,计算速度快,能满足事故应急响应救援的需要。