圆板状岩样破坏过程中的渗透特性实验研究

利用一种自行设计的附加渗透试验装置,在MTS815.02岩石力学伺服试验系统上完成了圆板状岩样破坏过程中的渗透特性试验,得到了圆板状岩样渗透率、渗透压差、渗流速度与轴向荷载的关系,并对试验结果进行了分析和讨论。研究表明:1)岩样在渗透的同时发生弯曲变形,岩样的渗透率与其受力状态密切相关,当达到峰值载荷时,渗透率急剧增大,由此验证了突水是伴随着结构破坏的渗流失稳过程;2)岩样在破坏过程中,当轴向载荷达到峰值时,岩样两端压力差急剧减小;3)岩样两端压力差保持0.2MPa,轴向荷载达到峰值时,增压器活塞位移急剧增大,即渗流速度突然变大;4)冲剪破坏为圆板状岩样的主要破坏形式。     

关于物理潜蚀作用及其概念模型的讨论

在对国内外物理潜蚀作用相关文献进行调研的基础上回顾了潜蚀作用的研究历史,对目前物理潜蚀作用研究中存在的问题进行了总结。指出潜蚀工程地质问题在各类工程建设活动中已经变得越来越突出,但由于潜蚀作用发生环境的多样性、作用方式的复杂性、发生过程的随机性等原因,造成实际应用中将各种潜蚀作用尤其是物理潜蚀作用过程的概念经常混淆。对"管涌"、"渗透压密"、"接触管涌"、"接触冲刷"、"流土"、"突涌"、"接触流土"、"流砂"、"流滑"等物理潜蚀作用的发生机理进行了深入细致的分析,在此基础上对目前一些界定不严格的物理潜蚀相关概念进行了辨析和澄清,初步建立了清晰的物理潜蚀作用概念模型,为潜蚀工程地质进一步研究奠定了基础。     

无监督学习AE和MVO-DBSCAN结合LIF在煤矿突水识别中的应用

快速准确的识别突水类型和突水来源对煤矿安全开采具有重要意义,激光诱导荧光（LIF）技术在检测中具有快速性和灵敏性,将LIF应用于煤矿突水的检测,再结合模式识别算法,可快速识别出突水来源。目前用于识别水样光谱的算法过于依赖预先建立的水样光谱数据库,当突水水源不在该库中时,易引发误识别。无监督学习算法DBSCAN在聚类时不需样本集的标签和类别信息,能降低对未知类别的误识别,因此把DBSCAN算法用于突水的激光诱导荧光光谱识别,并将MVO用于DBSCAN的参数寻优,省去繁琐的人工参数寻优过程。实验中,从谢桥煤矿采水点获取四个水样,利用像素为2 048的USB2000+光谱仪采集水样的荧光光谱,每种水样采集30组光谱数据。首先,利用无监督学习算法自动编码器(AE)对原始光谱数据降维,以减少光谱数据中冗余信息对聚类的影响,设计的AE的结构是介于浅层和深层之间的多层网络模型,可将原始光谱数据降到2维;为使降维模型具有稀疏性,在传统的AE算法中加入一个Dropout层,由实验可知,加入Dropout层后的降维模型具有较快的收敛速度。将多元宇宙优化(MVO)算法用于DBSCAN参数寻优,在参数寻优过程中,DBSCAN对降维后的水样光谱识别率最高为97.5%,此时参数所对应的取值范围为[0.023 66 0.040 65];为验证AE对水样光谱数据降维的有效性,把归一化后的未降维的光谱数据用于DBSCAN聚类识别,DBSCAN对原始水样光谱的识别率最高为95%,比降维后的后水样光谱识别率低了2.5%,结果表明,使用AE降维光谱数据,可提高DBSCAN对不同光谱的识别率。最后,用监督学习算法K最近邻(KNN)识别降维后的水样光谱,将识别结果和无监督学习算法DBSCAN的识别结果对比,其中训练集选用三种水样,测试集使用四种水样;在测试集中,监督学习算法只能准确地识别训练集所包含的水样类别,但把训练集没有的类别全部识别错误,而DBSCAN能准确的识别出训练集中没有的水样光谱。非线性降维算法AE能实现对高维的水样光谱数据降维,把MVO-DBSCAN用于煤矿突水水源的LIF光谱识别,可有效降低因矿井水源光谱数据库建立不完备而引起的误识别。     

LIF和CNN的矿井突水水源类型判别

矿井进入深部开采过程中,突水威胁分别来自顶板老空水和底板高压岩溶水。煤矿突水水源类型的在线识别能够预警煤矿水害,是矿井水害防治关键环节,对煤矿安全生产具有积极意义。代表离子法作为传统的煤矿突水水源类型识别方法,需要深入现场采集水样,密封处理后在实验室检测水样中7种典型的无机离子浓度,计算得到突水评价因子。这种存在检测周期过长、样品易被污染以及预警响应滞后、无法在线判别等不利因素。针对代表离子法方法的不足,提出了一种基于激光诱导荧光（LIF）和卷积神经网络(CNN)的矿井突水水源判别模型。首先,针对淮南矿业集团新集二矿的4种水体,2016年6月-2017年6月期间分批次取得161组水源样本,其中采空区积水46条,砂岩水59条,太灰水42条和奥灰水14条。用LIFS-405激光诱导荧光系统发射的405 nm激光检测水样,水体受激后得到突水水样的荧光光谱。主成分分析得到前10个主成分累计贡献率不足85%,4种水样无法有效直接辨识。针对该问题和水样荧光光谱中的随机高频波动干扰,采用一阶滞后滤波方法抑制波动频率较高的周期性干扰;针对线判别分析对数据更新率的要求,采用递推平均方法;在此基础上,提出了一种改进的递推平均一阶滞后平滑滤波方法,并对滤波处理后的荧光光谱进行自相关计算,得到二维自相关荧光光谱特征图。实验表明,采用改进后的滤波法处理方法,计算得到的4种测试水样的二维荧光光谱图较好的滤除了噪声干扰,并表现了出了明显的差异性。针对二维自相关荧光光谱特征图,构建了基于卷积神经网络（CNN）的突水水源类型判别模型,用于判别突水水源类型。该方法采用深度学习的模型框架,直接对二维自相关荧光光谱特征图进行识别,有效避免了PCA降维的片面性。理论分析和实验结果表明：该模型对水源类型的准确识别率达到了98%,是一种有效的矿井突水水源类型判别方法,为在线矿井突水水源类型判别方法提供了新的思路。     

基于FCM的煤矿突水激光诱导荧光光谱分析

快速识别煤矿突水水源类型对于矿井水害防治意义非凡。鉴于传统水化学方法水源识别耗时较长等诸多不足,提出了将模糊C均值聚类(FCM)算法和多维标度分析(MDS)用于激光诱导荧光光谱识别煤矿突水水源这一新思路。由于FCM算法在光谱分析和模式识别等方面都有着成功的应用,况且激光光谱具有时间响应快、灵敏度高、干扰小等优点,通过实时采集水样的荧光光谱数据,利用FCM和MDS对光谱数据分析后就可以辨别水样类型。以华东地区某矿的老空水和奥灰水以及按比例混合得到水样共7种(每种水样各20个样本)为实验材料,利用405 nm激光打入被测水体,一共采集了140组荧光光谱数据,随后选择合适的波长区间进行分析。取每种水样各15组共105组光谱数据用作训练集,其余35组光谱数据用作测试集。使用MDS建立七种不同水样的模型,再利用FCM算法进行聚类分析得到七种水样的簇中心,最后使用得到的簇中心对测试集进行验证。实验结果表明,不同水样的光谱图有着较大差异,选取合适的波长区间下的光谱数据,在MDS下选择维度为2,利用FCM算法对水样进行分类,全部140组样本的准确率是100%。     

立式低温容器真空丧失热分层现象数值模拟研究

对立式低温容器在真空丧失条件下的内部热分层现象进行了分析,采用双流体模型结合CFD求解器计算了立式低温容器内的流动及传热过程,考察了侧壁及底部热通量对液体热分层现象的影响。结果表明:侧壁热通量较底部热通量更易使容器内部产生热分层;容器内部形成的环流及其成长是导致热分层及温度突跳的根本原因。     

岩石失稳破裂的变形突跳研究

针对在非刚性加载条件下岩石失稳破裂过程中变形突跳的特性, 根据时间的不可逆性, 研究了岩石试样在普通试验机下的变形规律及突跳特性, 得到了与尖点突变模式相似的突变机构。再利用突变理论中尖点突变模型研究由试验机和岩石试样组成的力学系统的失稳机制, 结果表明：两者得到的岩石变形突变量非常相似, 且具有同一变化趋势。     

纳米流体在伸/缩楔体上的MHD流动数值研究

对纳米流体在伸/缩楔体上的磁流体(MHD)流动进行了数值研究。首先,通过相似变换将控制偏微分方程转化为非线性常微分方程组;然后,利用Matlab软件,借助打靶法,结合四阶五常龙格库塔迭代方案进行数值求解;最后,详细讨论了各控制参数对无量纲速度、温度、浓度、表面摩擦系数、局部Nusselt数和局部Sherwood数的影响。结果表明,楔体在拉伸情况下只有唯一解,理论上不会出现边界层分离;而在一定收缩强度范围内存在双解,边界层流动在壁面处可能会出现边界层分离,壁面抽吸会使边界层分离推迟;楔体在拉伸情况下,磁场参数对表面摩擦系数的影响较大,对局部Nusselt数和局部Sherwood数的影响较小。     

微小尺度下氢气预混燃烧的实验研究

对内径为1.66mm的不锈钢管燃烧室的氢气预混燃烧实验进行了描述，采用 红外测温仪测量了燃烧室壁面的温度场分布，获得了不同燃烧热功率下的运行界限．在突扩 段内高温回流区的作用下，在带有5mm长突扩段的燃烧室内可以实现完全预混燃 烧，最高运行界限可达1.415．由于较高的进气速度和较大的燃烧室壁面散热，在不带突扩 段的不锈钢管内无法实现完全预混燃烧．结果表明突扩段对微小尺度燃烧具有稳定火焰、拓 宽燃烧运行界限的作用．通过对火焰形状和结构的观察，结合突扩段燃烧流场的分析，合理 解释了燃烧室壁面温度场随过量空气系数的变化规律．     

磨合过程对润滑性能影响的数值分析——粗糙峰与轮廓的磨损

用非牛顿流体热弹流润滑方程对整合过程进行了解算。解算中考虑了光滑表面的轮廓磨损与不同高度和斜度的微突体磨损对润滑特性的影响。分析结果表明,在重载条件下表面轮廓磨损不利于润滑,而表面微突体的磨损则有利于润滑,当同时考虑表面轮廓和粗糙度时,在一定磨损高度内,磨损显著增另润滑膜的最小膜厚,从而有利于润滑。