分解炉技改前后性能差异的数值模拟研究

基于某水泥厂实际工况,对技改前后两种不同结构的分解炉进行数值模拟。对气相采用Realizable k-ε模型,对颗粒相采用离散相(Discrete Phase Model)模型,对于煤粉燃烧及生料分解过程,采用组分输运模型(Species Transport Model)并结合有限速率/涡耗散模型(Finite-Rate/Eddy-Dissipation)进行模拟。模拟结果表明:技改前,一支主煤管与三次风管的位置不匹配,煤粉流过于集中,形成了局部高温区,且煤粉与生料耦合情况不佳,分解率不够高,为84.25%;技改后,分解炉各部分结构的改变使气流停留时间延长了,煤粉分散性更好,避免了局部高温,且煤粉与生料耦合程度高,分解率提高至95.4%,技改效果良好。

预养护制度对无机人造石二氧化碳固定能力的影响

无机人造石具有强度高、耐性强、成本低和绿色环保等特点,越来越受到市场的青睐,但是石材长时间放置容易出现泛碱现象,影响石材美观,因此,需采用恰当的措施对其进行养护。而二氧化碳作为一种来源广泛的气体,可与凝胶成分进行矿化反应,可有效对石材进行养护。利用二氧化碳养护无机人造石,可以在保证装饰效果的同时,吸收二氧化碳,降低生产能耗,提高石材的力学性能和耐久性,是一种有效的碳利用手段。本文对不同的预养护制度下无机人造石固碳能力的变化规律进行了研究,结果表明:常温风干2小时的预养护制度,对低水胶比压制成型水泥制品的固碳能力提升最为明显;在低水胶比体系中,压制成型的压力越大,水泥制品的吸碳率越高;对于低水胶比的水泥胶砂试块而言,孔隙率越大,吸碳率越低,因此致密的无机人造石具有非常大的固碳潜力。

华润水泥某C1旋风筒技改前后分离与换热过程的数值模拟

华润水泥某水泥厂C1旋风筒实施了结构改造,利用CFD数值模拟技术分析C1旋风筒技改前后的气固分离与气固换热变化情况。模拟结果表明:技改前C1旋风筒压损预测值为1140 Pa,测试值为1100 Pa,表明模拟结果与实际工况相一致;计算所得的分离效率为99%,表明气固分离效果良好;烟气与生料出预热器的温差为58.0 K,表明换热不佳;技改后C1A因为结构发生了很大变化,压损降低幅度很大,其预测值降至510 Pa;计算所得的分离效率为99%,烟气与生料出预热器的温差为13.1 K,表明分离效率高,换热效果佳;技改后C1B的结构变化较小,故压损无明显降低,计算所得的分离效率为96%,烟气与生料出预热器的温差为15.5 K,表明分离效率变化不大,但换热效果良好。综合分析可得,通过对C1旋风筒的技改,在保证较高分离效率情况下,气固换热效率得到很大提升,同时压损也得到一定改善,研究结果对后期针对旋风筒所进行的进一步的优化设计、参数配置具有重要的指导意义。

两种不同蜗壳结构C1旋风筒性能差异的数值模拟研究

针对两种不同蜗壳结构的C1旋风筒建立模型,进行了数值模拟,其中气相采用RSM雷诺应力模型,颗粒相采用DPM离散相模型,模拟结果符合实际工况。针对两种旋风筒的结构差异,对其速度场、压力场以及各截面湍流强度进行了对比分析。结果表明:两种结构旋风筒的气固分离效率变化不大;压降有300 Pa左右的差别,其中270°切的蜗壳相较于180°切湍流强度更小,阻力损失也更小;换热管道与旋风筒蜗壳入口的连接形式以及入口形状对流场的稳定性影响较大,其中五边形进口比四边形进口的流场分布更为合理,阻力损失也更小,相对来说,系统运行的能耗将更低。

基于并行轻量化卷积和多尺度融合的脑部磁共振图像配准

医学图像配准在医疗诊断和治疗规划等领域具有重要意义。然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题。为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷积以提升全局信息的提取能力;通过多尺度融合来解决网络参数量大和推理速度慢的问题。实验结果显示,LCU-Net的Dice系数达到0.823,Hausdorff距离为1.258,网络参数量相对于多尺度融合之前减少了约四分之一。本文提出的算法在医学图像配准任务中表现出显著优势,不仅在性能上超越了现有的对比算法,而且具有出色的泛化性能以及广泛的应用前景。

华润水泥公司某旋风预热器换热过程的数值模拟

针对华润水泥公司一条5800t/d生产线水泥预分解系统中的旋风预热器C1单体建立全尺寸几何模型,对旋风预热器内气、固两相传热过程进行了数值模拟。其中,气相湍流模型采用雷诺应力模型,气、固两相流采用Eulerian多相流模型。相关模拟结果从工业测试数据得到了验证,取得了实验数据和模拟数据之间的合理一致性。模拟结果表明:旋风筒的整体换热效率为91.2%,绝大部分气、固换热在换热管内完成,占总换热量的80.8%。换热管内气、料混合效果以及短路流现象是制约该旋风筒换热效率的主要因素。

基于多尺度约束的大形变3D医学图像配准

医学图像配准是将不同医学图像的空间对应点进行对齐的空间变换过程。现有的医学图像配准算法在大形变医学图像配准方面存在配准精度低、泛化性能差等问题,为此,本课题组结合卷积注意力机制(CBAM)的细节信息提取能力,设计了并行多尺度卷积MK(multi-kernel)模块,提出了基于多尺度约束的大形变3D医学图像配准网络(MC-Net),设计了从低分辨率到高分辨率逐层优化的策略,实现了对大形变医学图像的精准配准。实验结果表明:MC-Net在OASIS、LPBA40和Abdomen CT-CT这三个不同器官、不同模态的3D数据集上的配准精度均优于对比模型,其在LPBA40数据集上测试的运行时间为0.363 s,Dice系数可达0.822,95%豪斯多夫距离为6.126。这些结果证明了MC-Net在大形变医学图像配准中的有效性,在医学影像学领域具有较高的应用价值。