综采工作面除尘风机风幕降尘技术研究

来源 :机械管理开发 | 被引量 : 0次 | 上传用户:hmxj1977
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以降低粉尘浓度极高的采煤机驾驶员工作区粉尘浓度为研究重点,探析了风幕除尘技术对气流运动的影响,采用数值模拟与现场实测相结合的方法,论述了风幕除尘技术在减少环境粉尘污染方面的有效性。结果表明:采用该技术后,两台风机出风口产生的高速气流场在采煤机与巷道之间形成了三角形气幕,可有效防止粉尘进入驾驶员工作区。
其他文献
针对14采区辅助运输巷掘进过正断层期间,受上覆砂岩含水层影响,导致巷道掘进过程中顶板淋水大,顶板支护质量差等技术难题,北辛窑矿通过技术研究,决定对巷道淋水区域顶板采取注浆锚索支护,在提高锚索全长锚固的同时,对顶板裂隙岩体进行粘接填充,从而达到有效堵水的目的。实际应用取得了显著成效。
为提高多绳摩擦式提升机换绳效率,介绍了传统换绳工艺流程,分析了其存在的不足,并提出了借助换绳车的新型换绳工艺,通过现场测量与应用YHC型换绳车,缩短了换绳时间,节约提升
目的探讨时辰化疗联合调强放疗在局部进展期鼻咽癌患者治疗中的应用。方法选取我院收治的88例局部进展期鼻咽癌患者作为研究对象,随机分为观察组和对照组,每组44例。两组患者均给予调强放疗,观察组患者在其基础上加用时辰化疗模式给药,对照组患者采用常规化疗模式给药。观察两组患者同步放化疗2个周期后临床疗效及治疗期间不良反应发生情况差异。结果同步放化疗2个周期后,两组患者治疗RR差异比较无统计学意义(P>0.05)。治疗期间,两组患者中性粒细胞减少、口腔黏膜炎、WBC减少及呕吐发生率差异均具有统计学意义,观察组
目的:观察中药敷贴、离子导入联合清肺化瘀汤治疗儿童大叶性肺炎的临床疗效。方法:选取2016年1月至2020年1月中国人民解放军联勤保障部队第九九〇医院收治的200例大叶性肺炎患儿作为研究对象,随机分为对照组和观察组各100例。对照组采用阿奇霉素治疗,观察组采用中药敷贴、离子导入联合清肺化瘀汤治疗。比较两组患儿临床疗效、炎性因子水平、免疫球蛋白水平及肺部感染严重程度。结果:观察组有效率显著高于对照组(P<0.05);治疗后两组半胱氨酰白三烯(cysteinyl leukotriene receptor
针对东曲煤矿按照“一优三减、节能降耗”工作的要求[1]进行的矿井通风系统的优化调整实践,介绍其制定的主要通风机停运安全技术措施及应急预案,利用三维仿真模拟系统对停运后系统调整方案进行了模拟[2],与停运后实测数据进行了比对分析。通过对小沙岩回风井主要通风机停运后相关数据的分析,对通风系统有了更深入的掌握,为以后通风系统的调整以及三维仿真模拟系统中参数的选取、应用工作积累了宝贵经验。
煤泥浮选加药的方式和精确度严重影响着浮选效果的好坏,人工加药的操作方式受限于工人技术经验水平、操作熟练程度、作业时精神状态等多种主观因素的制约,容易造成粗大误差、药剂浪费等现象,因此,提出了一套浮选智能加药系统,分析了其技术方案,并对实施效果进行了对比分析。经实践应用表明,西曲选煤厂通过浮选及浓缩机自动加药系统改造,可将煤泥水浮选和浓缩机加药系统由岗位制转换为巡检制,实现了无人值守。
目的研究健康教育在脑卒中致吞咽障碍康复护理中的应用效果及满意度。方法将2019年4月至2021年3月期间本院接收的脑卒中致吞咽障碍患者204例作为本次研究对象,健康教育实施前(2019年4月至2020年3月)对102例患者进行常规护理,2020年4月至2021年3月期间对102例患者加强健康教育,比较健康教育实施前后的应用效果。结果健康教育实施后,患者的洼田饮水实验评分低于实施前,吞咽功能评分、生活自理能力评分、生活质量评分、健康行为评分以及患者满意度均高于实施前,差异具有统计学意义(P<0.05)
目的评价电针联合面部表情控制肌群康复训练治疗重度特发性面瘫的疗效。方法将符合入选标准的2017年1月-2019年12月本院重度特发性面瘫患者130例,按随机数字表法分为2组,每组65例。2组均采用常规西医对症治疗,在此基础上对照组配合面部表情控制肌群康复训练,观察组在对照组基础上联合电针。2组均治疗8周,随访6个月。采用H-B量表和面神经Sunnybrook量表评价面神经功能;采用面部残疾指数躯体
煤炭开采过程中,合理的支护设计是确保施工效率和安全的重要前提。为了防止巷道发生破碎、变形,确保巷道施工的正常进行,通过对北三下组煤2号探巷巷道支护设计和工艺的分析,满足巷道支护对稳定性和高效性的要求,分析存在问题并进行解决,以期为类似巷道支护设计提供一定的参考依据。
目的采用深度学习分割图像结合影像组学分类的方法构建基于胸部CT的新冠肺炎智能诊断模型并评估其诊断效能。方法回顾性分析24例COVID-19肺炎和17例普通病毒性肺炎患者的CT影像,利用基于深度学习的AI模型实现肺炎病灶的自动分割,从每一帧图像的病灶区域中提取影像组学特征,经过LASSO回归降维后分别采用高斯朴素贝叶斯、随机森林和极端梯度提升的方法在训练集中建立影像组学模型,并在验证集中测试模型性能。采用Dice系数评估肺炎病灶分割的准确性,采用ROC评估新冠肺炎诊断效能。结果肺炎病灶AI自动分割在单幅CT