【摘 要】
：
作为煤、石油、天然气等传统化石能源的替代品,生物质作为燃料被广泛应用在电力行业中发电产热。生物质在堆积过程中会发生自加热,这会带来燃料的质量、热量损失,释放有毒有害气体如CO、CO2等,当温度进一步升高则可能引发自燃甚至是火灾。对堆积生物质内部温度进行监测有助于确保生物质能利用的安全性和经济性。目前国内外在工业生产中普遍采用的测温方法是接触式测温法如热电偶,其最大弱点在于测温密度低,不能获取全面的
【基金项目】
：
国家自然基金（61973115）；
论文部分内容阅读
作为煤、石油、天然气等传统化石能源的替代品,生物质作为燃料被广泛应用在电力行业中发电产热。生物质在堆积过程中会发生自加热,这会带来燃料的质量、热量损失,释放有毒有害气体如CO、CO2等,当温度进一步升高则可能引发自燃甚至是火灾。对堆积生物质内部温度进行监测有助于确保生物质能利用的安全性和经济性。目前国内外在工业生产中普遍采用的测温方法是接触式测温法如热电偶,其最大弱点在于测温密度低,不能获取全面的温度分布信息,并且易被周围生物质移动变形。低频声波能在生物质颗粒之间的孔隙中进行传播,作为非侵入的测温方式,更适合生物质温度的在线监测。然而,当前应用声学法进行温度测量的研究主要针对空气和湖水这一类单一介质,这类介质中的声速和温度的关系容易获得。堆积生物质与这些介质相比,是由松散颗粒堆积组成的多孔介质。而声波在多孔介质内的传播会出现严重的反射、衍射和衰减,这些现象会影响声波的传播速度,使得声速和温度的关系难以确定。目前,堆积生物质的实际声学测温模型是通过实验标定的,不能用来探究生物质特性如孔隙率对温度测量的影响。针对上述问题,本文根据多孔介质声学理论,建立堆积生物质的声学模型,进而探究堆积生物质颗粒中的声速机理,利用声学传感器在实验室环境下进行了实验验证和数据分析。论文的具体研究内容如下:（1）堆积生物质声学特性研究。生物质颗粒被视作刚性框架的多孔介质,选择Johnson-Champoux-Allard（JCA）模型和Pade近似模型两个多孔介质声学模型,利用阻抗管法测量生物质颗粒（厚度为100mm）在200-1500Hz频段内声波垂直入射时的声表面特性阻抗和吸声系数,对声表面特性阻抗和吸声系数的代价函数进行优化计算,确定JCA模型和Pade近似模型中的物理参数,包括流阻、曲折度、孔隙率、孔径分布的标准差、热特征长度和粘性特征长度。根据已建立的JCA模型和Pade近似模型计算声表面阻抗和吸声系数的模型值,对比测量值和模型值,结果表明所建立的JCA模型和Pade近似模型能对生物质颗粒的声学特性进行准确描述。（2）堆积生物质测温实验研究。搭建声速测量装置,探究不同深度位置的声速频率关系,确定当堆积深度大于0.5m,堆积生物质结构趋于稳定,声速不再随深度变化而变化。基于建立的多孔介质声学模型计算得到四个理论测温模型,并在传声器埋入深度为0.6 m位置处进行实验验证。基于吸声系数进行参数反演的理论测温模型和声速实测值的差值最小,不超过0.68 m/s。对该模型在室温处声速值进行修正,得到简单的实际测温模型,并在传声器的埋入深度为0.4m的位置处进行测温实验验证。与热电偶测温结果相比,声学法测温结果的绝对误差在15.9℃-50.3℃的范围内小于3.2℃,验证了使用多孔介质声学理论建立堆积生物质测温模型这一方法的可行性。
其他文献
随着人工智能技术的日益成熟,基于深度学习模型的文本分类技术被广泛的应用于现实任务中,例如情感分类、恶意文本检测、新闻分类等。但深度学习模型很容易受到对抗样本的攻击,这影响了模型可靠性,从而给使用相关技术的企业和个人带来了安全隐患。因此,如何在保证模型具有较好泛化性的同时提高模型对于对抗样本的鲁棒性,成为近几年深度学习领域亟需解决的重要问题。本文聚焦于深度学习文本分类任务,对影响模型可靠性的对抗样本
肝移植手术是应对急性肝衰竭、肝硬化甚至肝癌最有效的治疗方法之一,而对于肝移植术后受者并发症的预测则是现代医学中很有意义的一项工作,能够准确预测术后并发症将对肝移植治疗起到很大的帮助。虽然现在已有很多机器学习算法能够很好地应对预测分类问题,但这些方法用于小样本,特征空间很大的医疗数据集时存在着预测准确率低,精确率和召回率不高等问题。对肝移植手术数据进行科学的分析与处理,以获取有效信息,在协助医生进一
由于人力成本的逐年增加,在高强度或高危险的重复性任务中,使用智能机械臂代替人工符合时代的需求。随着相关计算机视觉算法研究的不断深入,机器人对抓取目标的感知能力得到了技术和理论支撑。本文针对机器人抓取中的平面抓取检测问题进行研究,利用图像处理和深度学习的技术,结合目标检测算法设计了一种抓取检测的基本网络结构,并在此基础上提出了一种准确实时的平面抓取检测方法,实现了较高的抓取检测准确率。首先,分析了平
随着分布式控制和多智能体系统的发展,分布式估计/观测器技术引起了科学界越来越多的关注。分布式观测器由于具有灵活性和鲁棒性,在复杂环境监测、目标跟踪等场景中得到广泛应用。本论文主要研究分布式观测器的设计问题,并将事件触发控制,量化控制运用到分布式观测器中,最后通过数值仿真验证设计方法的有效性。全文主要工作包括以下方面:1.对于无向通信拓扑结构,为了实现（子）观测器之间的离散时间通信,提出了一种动态事
在实际的工业生产过程当中,时常会遇到两种或两种以上的物体混合共同流动的工况,这一现象一般被学术界还有工业界称为多相流。而目前能够解决两相流中的过程检测的重要手段就是被广泛应用的过程层析成像（Process Tomography,PT）技术。电容层析成像（Electrical Capacitance Tomography,ECT）这种技术就是过程层析成像技术的一种,它具有高精度和非侵入性,成本低,结
卷积神经网络CNN（Convolutional Neural Network,CNN）算法是当前人工智能领域尤其是计算机视觉领域的一个重要研究方向,在目标检测、图像跟踪,图像分类等研究方向取得了巨大突破。但是随着网络性能的提高,算法的计算密度和内存需求也急剧上升,导致其难以在计算和存储资源以及能耗受限的嵌入式端侧设备上进行模型部署和应用,从而制约了计算机视觉的发展和推广。由于FPGA具有高性能、低
目标跟踪是计算机视觉领域的研究热点,也是很多计算机视觉应用的基础部分。由于跟踪对象和背景的复杂性,以及目标跟踪内在的实时性要求,使得目标跟踪任务极富挑战性。判别式相关滤波方法相比生成式跟踪方法具有更佳优良的特征表征能力。其次,相关滤波跟踪速度上优势明显。随着深度学习在目标识别方面取得巨大进展,将深度学习和相关滤波跟踪算法相结合成为新的研究热点。本文以空间正则化判别式相关滤波（SRDCF）算法为基础
目前电缆隧道内的巡检任务多由人工巡检完成,不仅费时费力,且具有极大的安全隐患。随着深度学习和智能技术的发展,越来越多的工业任务使用基于智能算法的机器人完成。因此,本文针对隧道内巡检任务苦难,环境复杂的问题设计出一种搭载深度学习智能算法的轨道式机器人系统。设计了机器人巡检策略,搭建了电缆检测模型,并进行了隧道内电缆的动态检测研究。首先对相关文献分析,采用了轨道机器人作为隧道巡检任务主要载体,设计了相
重型燃气轮机是一个高度非线性的综合复杂系统,他的控制系统是燃气轮机稳定安全运行的重要运行系统。随着重型燃气轮机技术的发展,控制系统的复杂性日益增加,如果一个节点发生故障,都可能导致部分系统无法操作或出现整体瘫痪。如果能够提高控制系统的性能,那么对控制系统容错控制设计具有重要意义。本文以某重型燃气轮机为对象,分别针对控制系统执行器和传感器的故障问题展开了一系列研究,主要开展工作如下:（1）构造重型燃
随着国家电网公司信息化程度的持续加强和技术水平的迅速提升,信息系统融入了电网企业运营的各个部分,电力信息通信客服系统（ICT客服系统）积累了大量的工单故障记录。虽然ICT客服系统信息化水平逐年提升,但多年来依然沿用传统的依靠客服坐席员的经验进行故障类型定位的运维方式。由于ICT系统故障涉及的信息系统故障没有明确的故障类别体系且涉及面较广,而客服人员知识面又是有限的,所以在故障判断定位时存在故障模糊