期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于指标气体增长率分析法测定煤自燃特征温度 被引量:42
1
作者 邓军 赵婧昱 张嬿妮 《煤炭科学技术》 CAS 北大核心 2014年第7期49-52,56,共5页
为测定煤自然发火时的特征温度,采用程序升温试验系统,并在指标气体分析法的基础上,建立指标气体增长率分析法,选取CO和C2H4指标气体、φ(CO)/φ(CO2)和链烷比及其增长率进行分析,得出取自多矿不同变质程度煤样的煤的自燃特征温度:福城... 为测定煤自然发火时的特征温度,采用程序升温试验系统,并在指标气体分析法的基础上,建立指标气体增长率分析法,选取CO和C2H4指标气体、φ(CO)/φ(CO2)和链烷比及其增长率进行分析,得出取自多矿不同变质程度煤样的煤的自燃特征温度:福城矿不黏煤的临界温度为70~80℃,干裂温度为110~120℃;水帘洞矿弱黏煤临界温度为70~80℃,干裂温度为115~125℃;玉华矿长焰煤临界温度为60~70℃,干裂温度为100~110℃;赵楼矿气肥煤临界温度为80~90℃,干裂温度为110~120℃。分析结果表明:基于指标气体增长率分析法得到的不同变质程度煤样的自燃特征温度同指标气体分析法得到的特征温度一致,且变质程度越高的煤样越不易被氧化。 展开更多
关键词 煤自燃 程序升温 指标气体增长率分析 链烷比
在线阅读 下载PDF
环境条件对煤自燃复合指标气体分析的影响 被引量:16
2
作者 张玉龙 王俊峰 +2 位作者 王涌宇 常丽萍 李争峰 《中国煤炭》 北大核心 2013年第9期82-86,共5页
为探讨环境条件对煤自燃复合指标气体分析法的影响,实验研究了气体流量、升温速率、煤样粒径及氧气浓度对煤自燃过程的影响。研究结果表明,实验条件对复合指标气体仍表现出一定的影响,与单一指标气体分析法相比较,复合指标气体分析法受... 为探讨环境条件对煤自燃复合指标气体分析法的影响,实验研究了气体流量、升温速率、煤样粒径及氧气浓度对煤自燃过程的影响。研究结果表明,实验条件对复合指标气体仍表现出一定的影响,与单一指标气体分析法相比较,复合指标气体分析法受环境条件波动较小,在煤自燃预测中表现出明显的优势。不同的影响因素对不同的复合指标气体表现出不同的影响,但在整个实验过程中,O2/CO与O2/CO2受实验条件影响较小,并在煤自燃过程中表现出明显的指示作用。 展开更多
关键词 煤自燃 复合指标气体分析法 影响因素 环境条件
在线阅读 下载PDF
玉华矿煤自燃特征温度增长率分析法测试 被引量:4
3
作者 邓军 赵婧昱 张嬿妮 《矿业安全与环保》 北大核心 2014年第4期7-10,共4页
特征温度是煤自然发火的重要特性参数之一,其测试对煤自燃的预测预报和预防有指导意义。在指标气体分析法的基础上,建立增长率分析法,选取不同粒度的玉华矿煤样进行程序升温实验,分析测试指标气体,得出特征温度值,并利用CO与CO2气体的... 特征温度是煤自然发火的重要特性参数之一,其测试对煤自燃的预测预报和预防有指导意义。在指标气体分析法的基础上,建立增长率分析法,选取不同粒度的玉华矿煤样进行程序升温实验,分析测试指标气体,得出特征温度值,并利用CO与CO2气体的体积分数比值,以及链烷比验证增长率分析法的正确性。结果表明,采用增长率分析法,可以更加便捷有效地得出煤自燃的特征温度值。 展开更多
关键词 煤自燃 程序升温 指标气体分析法 增长率分析
在线阅读 下载PDF
基于ACO−KELM 的采空区遗煤温度预测模型研究 被引量:1
4
作者 翟小伟 王辰 +3 位作者 郝乐 李心田 侯钦元 马腾 《工矿自动化》 CSCD 北大核心 2024年第12期128-135,共8页
现有采空区遗煤温度预测研究多侧重于温度与气体浓度之间的关系,较少考虑采空区内遗煤温度与距工作面距离及漏风风速之间的复杂非线性关系。针对该问题,提出了一种基于蚁群优化算法优化核极限学习机(ACO−KELM)的采空区遗煤温度预测模型... 现有采空区遗煤温度预测研究多侧重于温度与气体浓度之间的关系,较少考虑采空区内遗煤温度与距工作面距离及漏风风速之间的复杂非线性关系。针对该问题,提出了一种基于蚁群优化算法优化核极限学习机(ACO−KELM)的采空区遗煤温度预测模型。在葫芦素煤矿21404工作面采空区布置束管及分布式光纤,对21404工作面采空区内O_(2),CO,CO_(2)浓度和温度数据进行采集,同时结合采空区内漏风强度和距工作面水平距离构建KELM模型,通过ACO对KELM模型中的正则系数和核参数进行寻优,获得最优超参数组合,进而得到性能最优的KELM模型。与基于极限学习机(ELM)和基于随机森林(RF)算法的预测模型相比,ACO−KELM模型在测试集上的平均绝对误差为0.0701℃,均方根误差为0.0748℃,较基于ELM模型分别降低了65%和195%,较基于RF模型分别降低了53%和156%;ACO−KELM模型在测试集上的判定系数为0.9635,与训练集的判定系数仅相差0.01,说明该模型未陷入过拟合且拟合程度较高。 展开更多
关键词 采空区遗煤 煤自燃 遗煤温度预测 核极限学习机 蚁群算 漏风强度 指标气体分析法 漏风风速
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部