發(fā)布時(shí)間：2023-07-25 02:54

　　臨界不淤流速因其本身的復(fù)雜性和特殊性是漿體管道輸送的一個(gè)重要參數(shù),直接關(guān)系到管道運(yùn)行的安全可靠性和經(jīng)濟(jì)實(shí)用性。現(xiàn)有的臨界流速計(jì)算公式、網(wǎng)絡(luò)預(yù)測模型均存在改善空間,本文在理論分析和試驗(yàn)研究的基礎(chǔ)上,利用數(shù)據(jù)驅(qū)動分析的手段對該問題進(jìn)行了深入探索,主要研究工作可以概括為:1、臨界不淤流速的主要影響因素為管道直徑、粒徑、漿體濃度和固體密度等。通過實(shí)驗(yàn)探究得到固體密度和粒徑二者為耦合影響變量。2、針對臨界流速計(jì)算公式形式、參數(shù)迥異,且其計(jì)算誤差大等問題,在懸移質(zhì)能耗理論的假設(shè)條件及臨界不淤流速與摩阻損失二者的關(guān)系下推導(dǎo)得到了滿足現(xiàn)有工況的臨界不淤流速的基本表達(dá)式。并引入了校核系數(shù),即:粒徑、管徑、濃度三者之間所確定的交平面函數(shù)關(guān)系式對其進(jìn)行校核,并與劉德忠公式、瓦斯普公式分別在尾礦、硫化鐵精礦、鐵精礦的工況下進(jìn)行了對比分析,基本確定能耗公式的適宜性條件為:d = 0.05mm～0.1mm的中、低濃度漿體,且其輸送管徑為小直徑管徑。3、針對漿體管道臨界淤積流速預(yù)測難度大、精度低等問題,提出了傳統(tǒng)的極限學(xué)習(xí)機(jī)(ELM:Extreme Learning Machine)模型,該方法確定以管徑、物料平均...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 漿體管道輸送技術(shù)的發(fā)展概述
        1.2.1 國外漿體管道輸送的發(fā)展概況
        1.2.2 國內(nèi)漿體管道輸送的發(fā)展概況
    1.3 臨界流速的國內(nèi)外研究現(xiàn)狀及趨勢
        1.3.1 管道水力輸送臨界流速的提出
        1.3.2 臨界流速的國內(nèi)外研究現(xiàn)狀
    1.4 論文研究內(nèi)容和技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
        1.4.3 論文結(jié)構(gòu)安排
第二章 臨界流速和摩阻損失的理論研究
    2.1 管道臨界流速的測定方法
    2.2 臨界流速影響因素分析
        2.2.1 固體顆粒密度對臨界流速的影響
        2.2.2 管道直徑對臨界流速的影響
        2.2.3 粒徑對臨界流速的影響
        2.2.4 漿體濃度對臨界流速的影響
        2.2.5 耦合影響因素分析
    2.3 漿體管道阻力損失特性
        2.3.1 漿體管道阻力損失研究的概括
        2.3.2 漿體管道阻力損失研究的基本理論
        2.3.3 漿體管道阻力損失影響因素
    2.4 阻力損失與臨界不淤流速的關(guān)系
    2.5 本章小結(jié)
第三章 非均質(zhì)流漿體管道臨界不淤流速公式研究
    3.1 阻力損失的計(jì)算
        3.1.1 附加摩擦阻力損失的計(jì)算
        3.1.2 清水阻力損失的計(jì)算
        3.1.3 水力坡度模型的建立
    3.2 臨界不淤流速公式的推導(dǎo)
    3.3 臨界不淤流速公式的修正
        3.3.1 臨界流速實(shí)驗(yàn)平臺設(shè)計(jì)
        3.3.2 臨界不淤流速實(shí)驗(yàn)測定
        3.3.3 礦樣粒徑分布實(shí)驗(yàn)測定
        3.3.4 校正系數(shù)的選擇
    3.4 臨界不淤流速公式的適宜性分析
        3.4.1 臨界不淤流速公式的驗(yàn)證
        3.4.2 誤差源分析
        3.4.3 對比分析
    3.5 本章小結(jié)
第四章 PSO-ELM漿體管道臨界淤積流速預(yù)測模型研究
    4.1 BP神經(jīng)網(wǎng)絡(luò)算法
    4.2 極限學(xué)習(xí)機(jī)
        4.2.1 極限學(xué)習(xí)機(jī)機(jī)理
        4.2.2 極限學(xué)習(xí)機(jī)存在的問題
        4.2.3 改進(jìn)的極限學(xué)習(xí)機(jī)
        4.2.4 極限學(xué)習(xí)機(jī)與支持向量機(jī)的比較
    4.3 PSO算法原理
        4.3.1 標(biāo)準(zhǔn)粒子群算法
        4.3.2 PSO算法步驟
        4.3.3 改進(jìn)的粒子群算法
    4.4 PSO算法的特點(diǎn)和優(yōu)缺點(diǎn)
        4.4.1 PSO算法的特點(diǎn)
        4.4.2 PSO算法的優(yōu)缺點(diǎn)
    4.5 基于粒子群優(yōu)化的極限學(xué)習(xí)機(jī)預(yù)測模型
        4.5.1 基本思想
        4.5.2 實(shí)驗(yàn)數(shù)據(jù)
        4.5.3 樣本的處理
        4.5.4 實(shí)驗(yàn)結(jié)果
        4.5.5 模型精度比較分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
附錄A (攻讀碩士期間發(fā)表的論文)
附錄B (攻讀碩士期間授權(quán)的實(shí)用新型專利)



本文編號：3837026