重大科技基础设施内涵演进与发展分析

重大科技基础设施是大科学时代的标志,是产生重大原创性、引领性成果的关键支撑,已经成为国家科技竞争力的象征和创新格局演化的重要变量.新一轮科技革命正孕育兴起,要加快重大科技基础设施布局建设,催生重大科学发现和关键技术突破,牢牢把握创新主动权,增强自主创新能力,推动科研范式升级和组织方式变革,实现科技自立自强成为国家发展的战略支撑,为建设世界科技强国厚植科技创新根基.     

天然气发动机进气装置的改进

目前天然气发动机多采用节气门布置在混合器之后的布置方式,这种方式不能保证全部进入燃烧室燃烧,造成燃料不完全利用,且由于燃料喷出点距离燃烧室距离太远,易造成瞬态响应的迟缓和发动机的喘振。本文提出了一种发动机进气装置的设计,能有效解决这类问题。     

多级孔板提高井筒气体携液能力实验研究

气井生产时，井底积液会影响气井产量，甚至导致气井停产。加入泡沫剂、更换小直径油管或氮气举升等措施排出井底积液是保证气井生产的重要手段，但造成液体回流的井筒结构并没有变化。改变适合于单相流体的均一井筒结构，降低气液两相流中液体在井筒的回流，提高气体携液能力，形成适用于气液两相流的井筒结构，可以改善气井生产。实验设计了安装于管筒内的类似于倒置漏斗形的多级孔板装置，以井底气体为动能，借助“爬楼梯”原理，利用孔板减少或阻止液体回流，使液体通过多级孔板逐级上升；实验利用气体压缩机提供气源，测试了不同气体流速下，加入孔板对于气体和泡沫携液能力的影响。实验表明，在管筒内加入液体回流限制装置，大幅度地提高了管筒的气体携液能力和排液效果，减少了管筒液体回流量，降低了气体排液和泡沫排液的气体流速临界值。多级孔板可用于气井增产，能够提高气体携液能力，提高泡沫携液效果，降低泡沫剂的使用量和井底残液，但在实际生产中气体流量和装置的匹配性，还有待于在现场试验中进一步验证和优化。     

巷道掘进用挖掘式装载机的研究

在各类隧道工程、煤矿巷道掘进过程中,矸石的挖掘及装载设备目前采用较多主要有耙斗式装岩机、立爪式装载机、侧卸式装载机、综掘机、煤矿用挖掘式装载机等.上述各类机型各有优缺点,其中煤矿用挖掘式装载机因其机动性较好的优点,正逐步在推广应用.此机型虽然优点众多,但在用户实际使用过程中,却存在着一个严重缺陷:在带有坡度的隧道工程或煤矿巷道工作面上,无法工作,常因运输槽偏重或工作时挖斗承载的外力而出现滑移甚至倾翻现象;而隧道工程及煤矿巷道的实际工矿中,大部分都存着长距离的上下坡度,上述缺陷严重制约了该设备的使用范围.     

基于逆向工程技术的含凹陷管道极限强度分析

凹陷作为常见的管道几何缺陷形式,可能会引起管道局部应力集中,进而导致其承载能力下降,同时也为管道的正常运行带来巨大的安全隐患。基于变形检测技术和3D扫描技术分别获得含凹陷管道的真实内外表面轮廓,利用逆向工程技术构建凹陷管道的三维实体模型,导入ABAQUS有限元软件模拟运行状态下凹陷管道的应力分布特征,准确地判断含凹陷管体的最危险位置,最后依据Mises屈服准则进行含凹陷管道的安全评估。结果表明,通过上述2种方法获得的凹陷管道应力模拟结果基本吻合,从而有效地验证了基于变形检测技术开展凹陷管道极限强度分析的可行性和精确性,该方法可以有效地避免开展3D扫描前的管道开挖工作。     

应用于屋面蒸发降温的多孔质材料重复吸水性能实验

测试改性酚醛材料和醋酸纤维材料的重复吸水性数据,并通过改造原有的浸润吸水装置,实测改性酚醛材料和醋酸纤维材料在单面接触水源状态下的重复浸润的吸水特性曲线.根据前人的相关研究模型,计算两种材料实际的毛细吸水系数曲线并进行评价.结果表明:两种材料初次进行浸润后,吸水性能降低比例均在25%左右;改性酚醛材料快速吸水阶段会维持1 min左右,而醋酸纤维材料快速吸水阶段会维持10 s左右;两种材料实际应用于被动蒸发降温技术时仍需增强重复吸水性能.     

关于氯碱化工装置电气接地保护安全性分析思考

氯碱化工装置在长期运行中将会面临不同程度的腐蚀问题,有必要保障其电气接地保护安全性。通过阐述氯碱化工装置电气接地保护的重要性,分析了氯碱化工装置电气接地保护技术;最后讨论了氯碱化工装置电气接地保护安全性中的问题及处理。     

晶界扩散镝(Dy)烧结钕铁硼磁性能的研究

采用晶界扩散镝的方式对烧结后的磁体进行研究,探讨晶界扩散镝对磁体成分、磁性能、失重等的影响。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。