简介:摘要:根据配网电缆运行经验表明,运行了一定的年限,故障率有逐年长升的趋势。电缆发生故障时,由于埋在地下,查找比架空线困难,若故障测距不准,电缆路径不清楚, 耽误了大量时间,造成无法估量的损失。所以有必要对电力电缆故障探测方法进行深入的研究。
简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.
简介:为了评估反应体系发生热失控时引发3-甲基吡啶-N-氧化物分解的可能性,采用差示扫描量热仪(DSCQ20)对3-甲基吡啶-N-氧化物在不同升温速率下的催化分解过程进行了试验研究。采用Kissinger法和Starink法计算热分解反应的活化能和指前因子。根据得到的活化能,计算3-甲基吡啶-N-氧化物在不同温度下到达最大反应速率所需要的时间(TMRad),结合可能性评估判据进行评估。结果表明:3-甲基吡啶-N-氧化物的分解由两部分组成;两种方法计算得到的活化能较为接近;当冷却失效,反应体系热失控温度达到448K时,3-甲基吡啶-N-氧化物发生分解的可能性为高级,当温度为433~443K时,可能性为中级,而当温度低于428K时,可能性为低级。