基于BP神经网络和NSGAⅡ算法的立式搅拌磨机能耗优化

针对立式搅拌磨机在磨矿过程中能耗较大的问题,采用人工神经网络的方法建立工艺参数与能耗和出粉率的回归关系,并采用多目标遗传算法作为优化算法,构建立式搅拌磨机工艺的多目标优化策略,最终确定立式搅拌磨机的最优工艺参数,从而实现降低搅拌磨机磨矿能耗和减少生产成本的目的。以矿料粒度、搅拌器转速、介质填充率、矿浆浓度作为变量,设计进行了立式搅拌磨机的磨矿能耗试验。根据试验数据构建了基于BP神经网络的立式搅拌磨机的能耗和出粉率的预测模型,并验证了其预测的准确性;然后基于该预测模型运用NSGAⅡ算法进行了多目标优化,获得了Pareto最优解集;最后分析讨论得到了最优的工艺参数,对比优化前的工艺参数,在出粉率相同的情况下,能耗降低了7%。

煤层气井排采过程中煤粉运移规律研究

研究煤粉运移规律并以此制定减少煤粉产出的措施是保证煤层气井高产、稳产的关键。基于煤粉颗粒在煤岩通道中的运动学和动力学分析,建立了煤储层中煤粉随流体运移的数学模型,并依据现场调研资料研究煤粉粒径、通道孔径等因素对煤粉运移的影响。实例分析结果表明,煤储层中煤粉颗粒运移的临界流速表征了煤层气井开始产出煤粉的特征值,当流体流速达到临界流速时煤粉即发生运移。随煤粉颗粒和通道(喉道)半径不断减小,煤粉运移临界流速逐渐降低,颗粒更容易运移,将加重煤层气井的煤粉产出量。骨架煤粉颗粒的增大和相邻颗粒质心连线与通道方向间夹角的减小使得通道孔壁变得更加粗糙,煤粉运移临界流速逐渐提升,这会减轻煤层气井的出煤粉问题。该研究首次系统而定量的分析了煤储层中煤粉运移规律,为控制煤层气井出煤粉量和采取合理的排采作业方法提供了重要依据。