灰熔点预测模型适应性研究

针对鄂尔多斯地区煤样,对其做灰成分分析,并测得其灰熔融温度,将煤的灰熔点与煤灰中的化学组成含量建立数学关系,采用统计学的方法运用曲线拟合建立3种灰熔点预测模型,将通过预测模型得到的灰熔融点流动温度的预测值与实测值进行对比分析,通过对比分析发现,在计算过程中运用曲线拟合建立的灰熔点预测模型的预测值与实测值一致性较好,ΔFT基本满足国际允许标准值。

基于支持向量机的电站锅炉煤灰熔点预测

为解决结渣问题对电站锅炉高效稳定运行的影响,探讨了一种煤灰熔点预测模型。首先分析锅炉混煤燃烧时的煤灰结渣特性,介绍了支持向量机(support vector machine,SVM)回归方法,将煤灰中的8种氧化物成分作为输入量,以煤灰熔点作为输出量,建立煤灰熔点的SVM回归预测模型,并采用遗传算法对模型参数进行寻优。经过仿真实验,将模型的预测结果与广义回归神经网络模型的预测结果进行比较,结果表明本预测模型预测精度高、泛化能力强,有助解决电站锅炉的动力配煤技术中的结渣问题。

基于聚类分析与粒子群算法优化神经网络的灰熔点预测

针对解决燃煤锅炉或气化炉的结渣现象,影响锅炉安全性问题,以灰成分金属氧化物为自变量,灰熔点流动温度为因变量,建立了K-Means-PSO-BPNN的灰熔点预测模型,误差分析结果表明,经过粒子群算法优化,BP神经网络模型在聚类分析后的预测效果得到了显著提高,表现出更好的相关性,相关系数为0.967,高于未优化的0.917,平均绝对误差为5.81,小于未聚类的26.98,并且模型的准确性提高到98.89%。因此,聚类分析以及粒子群算法优化后的神经网络模型能够更准确预测煤灰的流动温度(FT)。

基于果蝇优化的支持向量机回归模型

给出一种基于果蝇优化的支持向量机回归模型。将支持向量机惩罚因子和核函数参数初始化为果蝇群体,根据果蝇优化算法原理,依据适应度最优原则进行迭代觅食,搜索最优参数,建立模型。将该模型用于分析有机化合物熔点预测问题,结果显示,该模型预测均方误差为3.02%,相关系数达到89.39%。

再制造清洗熔盐配方改进及去除作用研究

针对原有再制造清洗熔盐配方热稳定性低、毒性强的缺陷,进行配方改进及去除作用研究。将原有配方中易分解的NaNO2替换为Na2CO3,使用混料实验设计获得13组不同比例配方,并对其熔点进行理论计算及试验测试,获得熔点计算值与实测值的响应曲面及等值线图,利用响应变量优化器获得二者最低熔点及组分比例。验证最优配方清洗效果及清洗前后机械性能,并利用傅里叶红外光谱(FTIR)、X射线能谱(EDS)、气相色谱质谱(GC-MS)分析油漆及气体产物组分,阐释去除作用机制。结果表明,熔点计算值与实测值的响应曲面及等值线图变化趋势相同,二者熔点最大绝对值误差为3.5%,最优熔点相差5.70℃,误差率为2.74%,吻合程度高;同时依据FTIR、EDS显示的油漆主要为含酯基、羧基、硝基及芳香类基团的有机物的结果及GC-MS确定的气体产物成分,将改进配方去除作用阐释为包含裂解、氧化反应的化学作用及高温作用;此配方可在4 min内完全去除油漆,清洗前后抗拉强度和硬度变化率分别为1.68%和0.83%,表面粗糙度为0.21和0.25μm,均符合使用要求。

Pressure-volume-temperature and excess molar volume prediction of amorphous and crystallizable polymer blends by equation of state

In this work the statistical mechanical equation of state was developed for volumetric properties of crystalline and amorphous polymer blends.The Ihm-Song-Mason equations of state(ISMEOS) based on temperature and density at melting point(T_m and ρ_m) as scaling constants were developed for crystalline polymers such as poly(propylene glycol) + poly(ethylene glycol)-200(PPG + PEG-200),poly(ethylene glycol) methyl ether-300(PEGME-350) + PEG-200 and PEGME-350 + PEG-600.Furthermore,for amorphous polymer blends containing poly(2,6-dimethyl-1,4-phenylene oxide)(PPO) + polystyrene(PS) and PS + poly(vinylmethylether)(PVME),the density and surface tension at glass transition(ρ_g and γ_g) were used for estimation of second Virial coefficient.The calculation of second Virial coefficients(B_2),effective van der Waals co-volume(b) and correction factor(α) was required for judgment about applicability of this model.The obtained results by ISMEOS for crystalline and amorphous polymer blends were in good agreement with the experimental data with absolute average deviations of 0.84%and 1.04%,respectively.