简介：提出新型冰箱混合制冷剂HFC152a/HFC125(质量比:85/15).基于制冷剂物性计算软件REFPROP7.0,开发了制冷剂热物性计算程序,对此新型冰箱混合制冷剂的热力学性质进行了计算,并由此制作了其压焓图及饱和性质表,同时给出了制作图表过程中制冷剂物性计算选用的状态方程和实际气体热力学计算公式.为混合工质HFC152a/HFC125进一步科学研究和工业应用提供了基础数据.

简介：氢氟烃(HFC)/氢氟烃和氢氟烃/碳氢(HC)混合物是两类重要的制冷工质。采用PR状态方程结合Horon-Vidal(HV)混合规则对7种HFC/HFC和7种HFC/HC二元混合物的气液相平衡性质进行了计算,并与PR状态方程结合vanderWaals(vdW)混合规则的计算结果进行了对比。结果表明,HFC/HFC体系组元性质比较接近,非理想性不强,vdW混合规则即可达到较理想计算效果,HV混合规则对计算精度的提升有限;对非理想性较强的HFC/HC体系,vdW混合规则对共沸性质的描述不够理想,HV混合规则可以显著提升相平衡的计算精度。

简介：用球共振声学法测量了新型环保节能混合制冷剂HFC152a/HCFC22的气相音速，共得到音速数据84个，实验测量温度范围为293～323K，压力范围为200～405kPa，混合制冷剂R22的质量成分分别为13.8Wt%和25.5Wt%，压力和气相音速的不确定度分别为±14mK，±2ka和±3.7×10^-5，根据音速实验数据还精确确定了两种混合工质的成分，得到了该混合工质共14点理想气体比热和第二音速维里系数。

简介：燃煤锅炉是复杂的多变量系统，其飞灰的含碳量形成机理复杂，不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大，测试工况有限等缺点；燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量，其相互耦合，导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱，应用该方法可以良好的描述其输入输出之间的黑箱特性，因此，人工神经网络应用广泛。利用燃煤锅炉试验数据，采用3层BP（backpropagation）神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证，该BP神经网络对飞灰含碳量相对预测误差在0．19％～0．50％，预测效果良好。测试结果表明，建立的神经网络预测模型可以准确逼近验证样本数据，也能够较好的逼近非验证样本数据，具有良好的泛化能力。