基于WOA-BRANN的可燃气体预混燃爆试验结果预测方法

针对置障条件下可燃气体预混燃爆试验操作难度大、成本高和有效试验数据难以获取的问题,提出一种基于鲸群算法优化下的人工神经网络(Whale Optimization Algorithm Bayesian-Regularization Artificial Neural Network, WOA-BRANN)模型对试验结果进行预测,以试验获取的火焰速度和最大燃爆压力数据作为特征样本数据进行训练和测试。在较少试验数据的情况下,模型开发前需结合试验结果的机理分析并观察数据分布,将机理差异较大工况下的80%的数据划入训练集,以提高模型预测的准确性。结合敏感性分析实现模型隐含层神经元的最优配置,采用决定系数(R-Square,R2)评价指标评估模型预测性能,并建立响应面模型(Reflective Shadow Maps, RSM)和误差反向传播(Error Back Propagation, BP)模型进行对比验证。结果表明:最优结构下的贝叶斯正则化人工神经网络(Bayesian-Regularization Artificial Neural Network, BRANN)模型相比BP模型的火焰速度和压力预测数据R2值均提高了15%,相比RSM模型火焰速度和压力预测数据分别提高了34%和29%;BRANN模型相比RSM模型和BP模型的R2值震荡幅度至少降低50%,模型鲁棒性更好,验证BRANN模型在较少数据驱动情况下的适用性。针对预测结果存在的问题,在原有BRANN模型基础上做出改进,采用鲸群优化算法(Whale Optimization Algorithm, WOA)对BRANN模型的学习率进行优化,进一步提高模型的预测精度和鲁棒性。WOA-BRANN模型试验结果预测方法可为预混气体燃爆机理研究提供大量可靠试验预测结果,降低试验成本。

气体钻井井下燃爆界限快速测量装置的研制与试验

为解决气体钻井中井下燃爆的问题,研制了一种现场快速直接测定地层烃类气体燃爆界限的装置,并给出了该装置的测试方法。快速测量试验结果发现,该测试装置可在不同压力、温度和混合气体体积分数条件下准确测量地层烃类气体的燃爆界限,得出当前地层烃类气体的燃爆范围,预防井下燃爆的发生。同时,在以甲烷气体为对象的试验中,用0.1MPa压力下的测量结果验证了该装置的有效性,并揭示了温度和压力对井下燃爆的影响规律。研究认为,气体钻井井下燃爆界限测量装置为气体钻井中的井下燃爆问题提供了一种有效的预防手段,可有效保证井下安全,应用前景广阔。

锂离子电池燃爆特征及空运安全性研究

为解决与锂离子电池热失控有关的空运安全问题,利用自主设计的锂电池火灾试验平台,对不同包装、数量及荷电状态(SOC)的18650型锂离子电池开展燃爆试验研究。观察锂离子电池热失控现象,进行阶段划分,研究锂离子电池热失控传播过程;记录不同条件下锂离子电池初爆响应时间、燃爆峰值温度及峰值温度持续时间,考察不同包装、数量及SOC对锂离子电池空运安全的影响。结果表明:锂离子电池燃烧可分为初爆和燃爆2个阶段,一节电池热失控可形成连锁燃烧反应;电池热稳定性随SOC增大而显著降低;空运电池数量严重影响空运安全;用瓦楞纸包装时,燃爆峰值温度高达820℃,不能提高锂离子电池安全性。