Computational fluid dynamics for dense gas-solid fluidized beds

Many computational fluid dynamics (CFD) models for describing the hydrodynamics of dense gas-solid flows in fluidized beds have been put forward in the past few decades. These models treat the solid phase as continuum or discrete particles, which leads to Eulerian-Eulerian or Eulerian-Lagrangian formulations, respectively. Different governing equations and closure relations essentially result from an insufficient understanding of the complex gas?particle and particle?particle interactions for gas?solid flows. The current status of these models is discussed briefly in this paper. All the approaches in the literature modify only the solid phase momentum balance equation introducing various forms of the solid phase stress tensor and the solid phase pressure drop in the Eulerian-Eulerian models. Taking them into consideration, a new model for predicting the fluid behavior of dense gas?solid flows in fluidized beds has been developed, which contains new terms in both the particle and gas phase momentum balance equations and requires only the use of an experimental drag force correlation. Several results are shown to verify the model’s reliability, which include the homogeneous fluidization of Geldart type A particles, the bubbling and jetting fluidization of Geldart type B particles in rectangular beds, and fluid dynamics in a complicated geometry for a bubbling?bed of a fast internally circulating fluidized?bed biomass gasifier.     

Dn-最优确切设计的改进单纯形构造法及其在焊接工艺中的应用

详细地研究了Dn 最优确切设计的数值构造法以及对称算法理论,对Evans的单纯形搜索来构造D 最优设计的方法进行了改进·应用改进的Fibonacci技巧来求新增设计点并引入负测度,采取双循环多点迭代的方法来构造多分量对数项混料模型的Dn 最优确切设计,提出了Dn 最优确切设计的改进单纯形构造法;并运用此新方法构造了多分量对数项混料模型的Dn 最优确切设计·将构造出的Dn 最优确切设计,应用在焊接工艺的配料比中,得到较好的预测与回归效果·从而有力地证明了该算法的有效性及Dn 最优确切设计的实际应用价值·     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

非线性随机效应模型的若干统计推断

该文利用非线性随机效应模型在欧氏空间的BW几何结构，求出了固定效应参数估计的渐近性质与随机展开式。利用随机展开式，求出固定效应参数的偏差和方差的曲率表示式。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

三维灰趋势面分析法在瓦斯涌出量预测中应用

生产现场表明：在一定的地质范围内，矿井瓦斯涌出量的变化是呈一种逐渐的趋势性变化，而不是忽高忽低毫无规律变化的，因而可以用一个三维灰趋势面来描述其变化规律。本文介绍了灰趋势面分析法这种新的矿井瓦斯涌出量预测方法的建模机理和预测思路，并以湖南涟邵矿务局洪山殿矿蛇行山井四煤为例，进行了实际应用，在此基础上，绘制了井四煤层瓦斯涌出量分布的三维灰色趋势曲面，取得了优越于其他预测方法的结果。     

煤矿瓦斯爆炸参数的突变与混沌研究

煤矿发生瓦斯爆炸的过程实质是井下气体状态发生突变的过程，本文首先采用突变理论建立了瓦斯爆炸数学模型，然后利用混沌理论和方法分析计算了有关瓦斯爆炸安全参数及条件，得到了瓦斯感应期，引爆参数等随井下条件的不同具有一定的混沌性质，理论上证明一些新的结论并验证了一些实验结果，为理论分析和实践提供了理论依据。     

模糊神经网络在石油压裂支撑剂研制中的应用

石油压裂支撑剂的研制是一项复杂有难度的技术，受到很多因素的影响。针对研制过程中各项指标具有较大模糊性的特点，应用模糊神经网络系统(FNNS)来获取各影响因素与支撑剂质量的关系模型和预测模型，从而找到原料配比、成球工艺参数、烧结温度与产品质量之间的最佳关系。     

采用暂态伴随模型的电路暂态分析

介绍用元件的暂态伴随模型对电路进行暂态分析的方法；针对分析过程中存在大量稀疏矩阵相乘这一情况，提出了一种能有效加快运算速度的稀疏矩阵乘法；编制了相应的电路暂态分析程序并给出了算例     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一个复杂的过程 ,做好预测预报工作显得尤为重要。本文通过建立煤与瓦斯突出的人工神经网络预测模型、原始样本的学习 ,可预测待报样本的突出情况 ,并进行了实例分析。经过检验 ,该预测模型的预测精度较高。图 1 ,表 2 ,参 3。