加压富氧燃烧模式下SOx/NOx强耦合促进SO3形成的机理研究

加压富氧煤粉燃烧技术由于净发电效率高被认为是最有可能得到应用的燃煤CO2控制技术之一,但受燃烧压力影响,烟气中的酸性气体(SOx/NOx)分压显著提高,导致腐蚀风险加剧,而目前对该问题相关的基础研究很少。本文利用详细反应机理(72组分,428反应),基于实验数据对照,揭示了加压富氧模式下SOx/NOx强耦合促进SO3和NO2形成的协同效应。动力学机理计算结果表明:SOx/NOx的交互作用可促进SO2和NO向SO3和NO2的转化,并且该促进效应在一定的温度和加压条件下十分显著。基于反应路径和敏感性分析,本文最终发展了一个能用于准确预测加压富氧燃烧模式下SO3和NO2在后火焰区形成特性的9步骨架反应机理。     

旋流对煤粉燃烧NO排放影响的数值模拟

本文用基于HCN释放的简化Solomon模型的NO生成湍流反应的统一二阶矩代数模型(AUSM)和煤粉燃烧的双流体模型,对不同旋流数下煤粉燃烧器内两相流动,煤粉燃烧和NO生成进行了数值模拟。模拟结果和文献中实验结果符合很好。模拟结果指出,随着旋流数的增加,NO的排放先减少后增加,燃尽率先增加后减小,和气体燃烧中得到的规律类似。     

NO_x生成的有限反应速率二阶矩封闭模型

本文用有限反应速率二阶矩封闭模型对大速差射流燃烧室内煤粉燃烧过程中NO的生成进行了数值模拟，并将该模型的计算结果与Arrhenius模型的计算结果进行了比较，模拟结果表明，燃烧室中NO的生成是由燃料NO的生成机理来控制，Arrhenius模型计算得到的NO的浓度值高于有限反应速率二阶矩封闭模型的计算结果．     

铂表面H_2还原NO_x的详细反应机理

研究了柴油机NO_x存储还原技术(NSR)浓燃再生阶段中NO还原反应。发展了铂催化剂表面H_2还原NO的详细化学反应机理,包括6种气相组分、10种表面组分及28步基元反应,其中包含了主要含氮产物N_2及副产物N_2O和NH3的生成路径。此机理与CHEMKIN软件中的活塞流反应器(PFR)模型耦合进行数值模拟,反应器出口各组分体积分数预测结果与文献中实验数据吻合良好。在NO体积分数为500×10~-6、反应器入口温度为270℃的条件下分析了进气中H2体积分数((100~2500)×10~(-6))对含氮产物选择性的影响。结果表明,H_2体积分数小于500×10~(-6)时,N_2和N_2O为主要的含氮产物;随着H_2体积分数逐渐升高,当Φ(NO)/Φ(H_2)高于1.5时,NH_3成为主要产物。由敏感性分析结果可知,NH_3对H_2吸附反应的敏感性系数最大,提高该反应速率将促进NH_3的生成。     

自定义标量法模拟丙烷燃烧过程

采用自定义标量法模拟丙烷扩散燃烧,该方法通过把反应组分定义为Fluent程序的自定义标量、化学反应速率作为源项求解质量、动量、能量和组分守恒方程,并用化学反应引起的能量变化修正能量方程.考虑了详细的化学反应机理,整个燃烧反应机理包括27种化学物质(不含N2)和83个基元反应.合理地模拟出了丙烷的燃烧过程,并将火焰的长度、温度、丙烷、氧气以及中间产物的分布与实验数据进行比较.     

3MW_(th)富氧燃烧煤粉锅炉的数值模拟研究

以国内首台3 MW_(th)富氧燃烧煤粉锅炉为研究对象,借助CFD软件对煤粉空气燃烧和富氧燃烧工况进行数值模拟研究。通过与实验结果对比发现,模拟得到的炉膛温度分布、换热量以及出口组分与实验测量结果吻合,这表明本文使用改进的辐射特性模型以及4步化学反应机理能够很好地预测炉内温度、传热以及烟气组分分布。通过模拟研究,对比分析了空气燃烧与富氧燃烧的炉内特性。研究结果表明:富氧燃烧时,CO_2的显著增加使得燃烧器区域出现高浓度CO;富氧燃烧的整体温度分布与空气燃烧相似,但峰值温度有较大的降低;炉内辐射传热较空气燃烧略有下降。     

超细煤粉分级燃烧中NOx还原规律的研究

煤粉再燃技术脱氮效率高而运行费用低,是最行之有效的低NOx燃烧技术之一.通过模拟计算与试验方法,对一维热态煤粉炉内超细煤粉分级燃烧NOx的还原规律进行了研究.研究结果表明再燃燃料越细,对NOx的还原作用越强,最佳再燃燃料粒度为20μm;在相同NOx还原率的情况下,随着再燃燃料粒度的减小,需要的再燃燃料比例减小,再燃区停留时间缩短.以超细煤粉作为再燃燃料不仅使燃烧效率提高,而且对NOx的还原效率也相应提高,达70%左右.     

甲烷再燃还原NO过程中SO2的交互作用

综合Leeds机理,采用Chemkin程序的PFR模块,以Glarborg实验中的柱塞流反应器作为模拟对象,研究了甲烷再燃还原NO过程中SO2交互作用的影响.利用该模型计算甲烷再燃还原NO的结果与Glarborg的实验结果吻合;存在最佳空气过量系数0.8时甲烷再燃还原NO效率最高.进一步分析SO2对再燃还原NO影响的结...     

基于有限反应速率的扩散燃烧大涡模拟

本文发展了一种基于有限反应速率的湍流燃烧大涡模拟方法。基于此方法,对常压下,甲烷/空气平板射流扩散燃烧进行了大涡模拟.甲烷/氧气反应采用包含七种组分的四步反应简化反应机理,考虑了基于Arrienius定律的有限化学反应速率,瞬态结果和时均结果与DNS结果都符合很好。为了解决考虑有限反应速率后计算量急剧增加的问题,本文引入等效化学反应速率模型,在压力泊松方程的求解中采用了求解效率较高的快速傅里叶变换方法,并对整个程序进行基于区域分解的MPI并行编程处理。     

煤热解挥发分还原NO的反应过程分析

采用详细的化学反应动力学机理对烟煤快速热解挥发分气体还原NO过程进行了数值模拟.根据实际反应条件确定模拟条件为0.1 MPa,1273～1573 K,煤质为准格尔烟煤。首先应用FG-DVC模型模拟得到了热解条件下的气体成分和含量,然后将该气体作为再燃燃料,选取化学当量比为0.6、1.0和1.2进行还原NO的计算.通过敏感性分析和生成速率分析,发现了控制NO生成和还原的关键步骤.只有CH_3、N_2O、NH_i、HCN和H_2CN才可以将NO还原成N_2。     

基于高斯回归分析的水稻氮素敏感波段筛选及含量估算

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年-2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归（GPR）等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林（RF）、支持向量回归（SVR）、高斯过程回归-随机森林（GPR-RF）、高斯过程回归-支持向量回归（GPR-SVR）和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明：GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R2为0.79,验证集R2为0.84;冠层最佳模型建模集R2为0.80,验证集R2为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小（R2>0.80,NRMSE<10%）。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R2>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性（R2增加0.02,NRMSE降低1.2%）。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。     

基于高光谱的大麦籽粒蛋白质含量遥感预测

利用高光谱信息检测作物籽粒蛋白质含量具有无损、快速的特点,而当前国内外开展大麦籽粒蛋白质含量高光谱遥感预测的研究并不多见。以内蒙古自治区海拉尔农垦大麦为研究对象,利用地面高光谱数据寻找大麦植株氮素含量的特征波段,分析了多种典型光谱植被指数与大麦植株氮素含量的相关关系;然后根据氮素运转规律,利用植株氮含量与大麦籽粒蛋白质含量之间的相关关系,构建了基于高光谱数据的大麦籽粒蛋白质含量遥感预测模型。结果表明:(1)550～590nm与670～710nm是大麦植株氮含量的敏感波段区域;(2)植被指数(green-red vegetation index,GRVI)与大麦植株含氮量的相关性最好,R2达到0.665 1。(3)大麦籽粒蛋白质含量与植株氮含量相关性高,建立了基于GRVI的大麦籽粒蛋白质含量的预测模型,R2达到0.658 1。最后,对构建的预测模型进行了验证,其精度达到了一定要求。该研究表明运用高光谱信息来预测大麦籽粒蛋白质含量是可行的,这将为大面积"按质论价"的大麦订单收购提供科学支撑。     

主成分分析结合BP神经网络对短程生物脱氮中氮的近红外光谱研究

为实现高效短程生物脱氮及氨氮和亚硝酸盐氮的快速检测,采用主成分分析结合BP神经网络的方法建立短程生物脱氮工艺中氨氮和亚硝酸盐氮的近红外光谱定量分析模型(BP神经网络模型)。工艺运行结果表明：原水经过好氧阶段氨氮从45.3 mg·L-1下降到2.7 mg·L-1,亚硝酸盐氮从0.01 mg·L-1上升到19.6 mg·L-1,硝酸盐氮受到抑制;在缺氧段亚硝酸盐氮从19.6 mg·L-1下降至1.2 mg·L-1,系统实现了良好的短程生物脱氮效果。水样原始光谱主成分分析表明：前13个主成分代表了原始光谱数据的信息,其累计贡献率达到95.04%,排除了冗余信息且大大降低了模型的维数,光谱数据矩阵从192×2 203减少到192×13,大大降低了运算量并提高了模型的精度。BP神经网络模型校正结果显示：BP神经网络模型对氨氮、亚硝酸盐氮校正时的决定系数(R2)分别达到0.950 4和0.976 2,校正均方根误差(RMSECV)分别为0.016 6和0.010 9。BP神经网络模型预测结果显示：BP神经网络模型对氨氮、亚硝酸盐氮预测输出与期望输出之间的决定系数(R2)分别为0.974 0和0.981 4,预测均方根误差(RMSEP)分别为0.033 7和0.028 7,模型预测效果良好。研究表明,BP神经网络模型可以通过快速测定水样的近红外光谱数据预测短程生物脱氮工艺中氨氮和亚硝酸盐氮浓度,并根据氨氮和亚硝酸盐氮浓度变化及时、灵活地控制工艺的运行,为生物脱氮提供快速有效的检测技术和科学依据。     

高光谱定量反演火龙果茎枝叶绿素含量的研究

火龙果是近年来引进我国的营养价值高、经济效益好的新型水果,肉质茎枝是其主要光合器官,与常见果树具有较大差异。为探索以茎枝为光合作用器官的植被的光谱特征及其生化组分的估测方法,以火龙果为研究对象,在贵州省典型种植区罗甸县开展了4个氮肥梯度田间试验,同步测定不同养分丰缺程度下的火龙果茎枝高光谱和相应叶绿素含量数据;然后分析火龙果茎枝光谱数据的演化规律,并采用数学变换、连续小波变换算法并结合相关性分析算法处理分析火龙果茎枝光谱数据,提取并筛选特征波段;最后利用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型。研究结果表明：（1）火龙果肉质茎枝的原始光谱曲线整体趋势与常见绿叶植物相似,但随施氮量的增加,火龙果近红外处的光谱反射率逐渐降低,变化趋势与常见绿叶植物相反,茎枝光谱的吸收峰（谷）随施氮量的增加呈升高（加深）的趋势。（2）数学变换中的一阶微分与在L₁-L₅尺度内的连续小波变换能有效提升光谱对叶绿素含量的敏感性,火龙果茎枝原始光谱与叶绿素含量的敏感区域主要位于730～1 400 nm,数学变换与连续小波变换均能提升光谱对叶绿素含量的敏感性。与常见绿叶植物相比,火龙果茎枝敏感波段分布相对分散,且多位于730 nm附近与近红外区域（1 100～1 600 nm）。（3）数学变换和连续小波变换能明显提升光谱对火龙果茎枝叶绿素含量的估测能力,其中基于一阶微分的估测模型与基于连续小波变换L₁与L₄的估测模型分别为数学变换与连续小波变换的最优模型,其验证精度分别为R2_验证=0.625,RMSE=0.048,RPD=1.238（一阶微分）;R2_验证=0.678,RMSE=0.037,RPD=1.652（连续小波变换）;表明高光谱技术可以作为火龙果茎枝叶绿素含量和营养诊断的无损监测手段。该研究为完善不同植被类型基于高光谱指数的叶绿素反演提供了补充。     

亚热带红壤全氮的高光谱响应和反演特征研究

利用高光谱遥感技术反演土壤性质已经成为土壤学和遥感科学研究领域的新手段,特别对土壤化学元素含量的高光谱反演,已成为土壤元素快速监测方法的的研究热点。以往研究往往关注不同类型土壤的化学元素光谱响应特征模型,以试图找到普适性的元素-光谱反演模型。由于成土因素的复杂性,土壤类型及其化学元素分布具有明显的空间异质性特征,宏观尺度上的土壤-光谱统计反演模型客观上具有较大的不确定性。若范围缩小到同一个气候带,土壤生物地球化学反应过程较相似,土壤化学元素-光谱反演模型的不确定性相对较小。以福州市为研究区,采集福州市典型红壤样品135个,研究土壤全氮含量的高光谱响应特征,对土壤样品在350～2 500 nm的光谱反射率分别进行倒数对数、微分等五种变换,分析变换后的光谱信息与土壤总氮含量的相关性,筛选出强相关敏感波段,通过设计不同的建模和验证样品比例,用逐步多元线性回归获得福州土壤的氮元素高光谱反演优化模型。结果表明：亚热带红壤全氮的敏感光谱波段为：可见光634～688 nm和红外872,873,1 414和1 415 nm;亚热带沿海地区土壤全氮—高光谱反演的优化模型为: Y=5.384X664-1.039(决定系数R2为0.616,均方根误差为0.422 mg·g-1,检验R2为0.608,均方根误差为0.546 mg·g-1),该模型可以用于福州地区土壤全氮的光谱快速监测。     

Evaluating winter wheat (Triticum aestivum L.) nitrogen status using canopy spectrum reflectance and multiple statistical analysis

ABSTRACT

Reasonable adoption of nitrogen fertilizers is significant in increasing wheat production, improving wheat quality, and environmental protection. This research applies the multiple statistical analysis technique to extract sensitive spectral bands and establish a spectrum monitoring model in determining accumulation nitrogen deficit. The major bands of the spectrum monitoring model in different nitrogen models are 440 and 610?nm. The higher value of the coefficient of the determination in estimating the model indicates lower root mean squared error and relative error. Therefore, appropriate nitrogen fertilization can be achieved by observing the winter wheat spectrum before the flowering stage.     

分光光度法对白洋淀各形态氮磷分布特征及源解析的研究

氮磷是引起湖泊富营养化的关键限制因子,对于水体和底泥中各形态氮磷的分布特征和源解析的研究能有效地揭示水体富营养化的过程与机制并分析其污染来源.白洋淀作为雄安新区最重要的水源之一,其水体富营养化状况严重,氮磷污染不容乐观.对于各形态氮磷含量分布特征及源解析的研究有助于全面分析该地区氮磷污染状况及污染来源,而目前同时研究底...     

傅里叶中红外光谱结合稀疏表示分类方法鉴别小麦赤霉病感染等级

旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应,并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。以感染不同等级赤霉病小麦为研究对象,在4 000~400 cm-1波数范围内采集95个小麦样本的傅里叶中红外光谱数据,利用载荷系数法（XLW）与随机森林算法（RF）分析选取小麦样本傅里叶中红外光谱中的敏感波长,利用稀疏表示分类（SRC）算法建模识别小麦感染赤霉病等级。结果表明：XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上,特征波长提取算法可以有效简化模型并提高效率。RF-SRC模型鉴别效果最好,建模集鉴别准确率达97%,测试集鉴别准确率达96%。小麦感染赤霉病等级的不同会引起小麦中水分、淀粉、纤维素、可溶性氮素、蛋白质、脂肪等物质含量的变化,采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异,结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。因此,利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的,解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。     

基于显微拉曼对氮胁迫下微藻油脂变化的研究

利用共聚焦显微拉曼光谱仪获取生长在三种氮营养条件下(氮胁迫、氮正常、氮饱和)培养的蛋白核小球藻(Chlorella pyrenoidosa)的拉曼光谱,通过拉曼散射光谱信息对微藻在不同氮胁迫下生长情况及油脂变化进行研究。对油脂拉曼特征峰值比值作气泡图以直观表达油脂积累量,该气泡图与尼罗红荧光图像具有良好的相关性。光谱信号经预处理后,利用主成分分析(PCA)对全波段进行分析,获得相应的主成分变量,通过线性判别分析(LDA)建立分类模型。利用PCA获取的主成分变量建立的LDA预测模型对三种氮营养条件的预测正确率分别是80%, 93.3%, 86.7%。基于油脂特征位移(RS)处的比率建立的LDA分类模型对三种氮营养条件的分类正确率最高达到86.7%。研究结果表明,利用拉曼技术对微藻生长的不同氮胁迫条件鉴别是可行的,且随着氮胁迫影响的时间增加,油脂的积累差异就越大。     

基于PCA和BP神经网络的硝酸盐氮浓度检测方法

针对紫外分光光度法（UV法）检测混有干扰物质的硝酸盐氮溶液浓度精度不高的问题,提出一种基于主成分分析（principal component analysis,PCA）和BP神经网络的硝酸盐氮浓度检测方法。通过微型光谱仪物质成分检测系统测得硝酸盐氮试剂在196 nm～631 nm波段的吸光度数据,分为测试集和训练集。通过PCA计算训练集,得到主成分。根据BP算法搭建三层人工神经网络。将所得主成分除以8后输入网络展开训练。训练过程中采用留一法交叉验证。用该模型计算训练集和测试集,所得值与真实浓度的平均相对误差分别为2.411 5%和1.553%。实验结果表明,该方法能较好检测出混有干扰物质的硝酸盐氮溶液浓度。