公共文化服务平台

肖崇春: 作品数：11 被引量：118H指数：7; 供职机构：中南大学资源与安全工程学院更多>>; 发文基金：国家科技支撑计划安徽省科技攻关计划“十一五”国家科技支撑计划更多>>; 相关领域：矿业工程环境科学与工程建筑科学自动化与计算机技术更多>>

合作作者

全尾砂充填体正交-BP神经网络强度预测被引量：9: 2016年; 某矿山采用全尾砂胶结充填,需加入减水剂以保证充填料浆流动性能,其充填体强度各影响因素之间存在着更为复杂的化学物理作用。为了解各因素对充填体强度的影响规律,准确预测其强度,建立了基于正交试验的BP神经网络全尾砂胶结充填体强度预测模型。预测过程中,为提高样本可信度,以料浆浓度、灰砂比、减水剂比例为影响因素,设计了3因素、4水平正交试验方案作为研究数据基础。采用灰色关联度理论分析了各因素对全尾砂充填体强度的影响规律,结果表明:对充填体早期强度(7 d)影响最大的是料浆质量浓度,其次为灰砂比、减水剂比例,对充填体后期强度(28 d)影响最大的是灰砂比,其次为料浆浓度、减水剂。以7 d、28 d强度为输出因子,运用BP神经网络对充填体强度进行预测,预测结果与试验结果最大误差为9.98%,平均误差为2.71%,精度较高,预测可靠性强,具有较好的工程应用价值。; 刘恒亮张钦礼王新民肖崇春; 关键词：全尾砂减水剂正交试验胶结充填体

全尾砂絮凝沉降参数GA-SVM优化预测模型研究被引量：20: 2014年; 为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机(SVM)回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法(GA)对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度0.09%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路。; 张钦礼陈秋松王新民肖崇春; 关键词：充填全尾砂絮凝沉降支持向量机

APAM对全尾似膏体及其管道输送流变特性的影响被引量：7: 2017年; 为探究添加阴离子型聚丙烯酰胺(APAM)前后,全尾似膏体浆料及其管道输送的流变特性,构建考虑屈服应力、稠度系数和流变指数的屈服伪塑性体流变模型,并推导管道输送的沿程阻力计算公式。以某铅锌银矿质量分数为70%的全尾似膏体浆料为例,进行6组室内恒定剪切流变试验,对比添加APAM前后浆料的切应力和表观黏度的变化,并预测沿程阻力。研究结果表明:添加APAM后,浆料的平衡切应力和平衡表观黏度均大于添加APAM前,且剪切速率越大,浆料的平衡切应力和平衡表观黏度增加比例越小;添加APAM后,浆料的沿程阻力损失比添加APAM前多13.16%。; 王石张钦礼王新民肖崇春; 关键词：APAM 沿程阻力

全尾砂似膏体管输水力坡度计算模型研究被引量：12: 2016年; 为了解决全尾砂似膏体管道输送的水力计算问题,利用Bingham流变模型分析全尾砂似膏体管道输送过程的流变特性,通过FLUENT流体分析软件三维模拟浆体管输过程,得到不同质量分数下浆体的流变参数,并采用MATLAB软件回归得到流变参数与浆体质量分数的关系式,进而推出基于管道内径、平均流速和浆体质量分数的全尾砂似膏体水力坡度计算新模型.结果表明:水力坡度与管道内径成反比,与充填料浆的平均流速成正比,且在管径和流速可调的前提下,水力坡度的大小取决于似膏体的流变参数.环管实验表明新模型的平均误差在6%左右.; 陈秋松张钦礼王新民徐丹肖崇春; 关键词：全尾砂似膏体水力坡度数值模拟

某矿山最佳充填站站址方案选择被引量：11: 2013年; 充填站站址是一个充填矿山的咽喉工程,其合理与否是一个新建充填系统的关键。为解决充填站站址方案优化选择问题,本文通过现场调研、资料分析、专家咨询等方式,综合考虑经济、技术、环境、安全等因素,建立了充填站站址方案综合评判指标体系,进而运用层次分析法(AHP)、熵值法(EM)和逼近理想解的排序法(TOPSIS)的基本理论对充填站站址方案进行综合评判,从而确定最优充填站站址方案。评判过程中,为均衡主观、客观因素对各评判指标权重的影响,运用层次分析法确定各评判指标的主观权重,结合熵权法计算得到的客观权重,得到均衡主观、客观因素影响的均衡权重,进而结合逼近理想解的排序法的基本原理建立AHP&EM-TOPSIS综合评判模型,计算得到各充填站站址方案基于评判指标的综合优越度,从而确定各充填站站址方案的优劣。将该方法应用于某矿山实例中,依据该矿山实际条件,拟定3种待选充填站站址方案,建立充填站站址综合评价指标体系,进而运用AHP&EM-TOPSIS综合评判模型对各充填站站址方案进行评判,得出拟选择3种充填站站址方案的综合优越度分别为:71.2%,46.4%,56.3%,从而确定第1种方案最优。经该矿山实践表明,本文方法所确定的充填站站址方案在生产过程中取得了良好的经济、社会效益。; 张钦礼肖崇春陈秋松王新民徐丹; 关键词：层次分析法熵值法

泵送膏体触变特性对管道阻力的影响被引量：7: 2017年; 触变性是膏体复杂的流变特性,直接影响膏体料浆的管道输送阻力,主要与流动速度、流动时间和浆体静置时间相关。为研究某铜矿全尾膏体料浆在长距离泵送过程中的触变特性,本文通过设计开展环管模拟试验、流变理论分析,研究了流动速度、流动时间、停泵时间等触变性影响指标对膏体输送阻力损失的影响规律。结果表明:阻力损失与流动时间成反比并最终趋于稳定,达到稳定状态的时间与浆体流量成反比;在低流速时,阻力损失与流速成正比,并随着流速的增大逐渐趋于线性增长;重启时的出口压力与停泵时间成正比,且停泵时间不宜超过4h,以免造成堵管。研究成果对泵送膏体的工业应用具有一定的指导作用。; 李俊肖崇春姜寄李书生; 关键词：触变性

基于GRA-GEP的爆破峰值速度预测被引量：7: 2016年; 针对在爆破施工中爆破振动危害严重、爆破振动峰值速度难以预测的问题,通过灰色关联度理论和My Eclipse开发工具,建立基于灰色关联度分析(GRA)和基因表达式编程算法(GEP)的GRA-GEP爆破峰值速度预测模型。以湖北铜录山现场露天台阶爆破实测数据进行模拟预测,通过灰色关联度分析,认为最大段药量、总装药量、水平距离、高程差、前排抵抗线长度、测点与最小抵抗线方向夹角等与爆破峰值速度存在相关性,进而为了实现爆破峰值速度进行预测,根据GEP计算思路,采用My Eclipse软件进行Java语言编程模拟运算。研究结果表明:GRA-GEP模型预测结果最大相对误差为14.4%,平均相对误差为7.8%,远低于萨道夫斯基经验公式(平均相对误差30.6%)与BP神经网络预测模型(平均相对误差13.3%)。; 陈秋松张钦礼陈新肖崇春姜群; 关键词：爆破振动基因表达式编程算法

事故树分析法在露天边坡稳定性分析中的应用被引量：3: 2018年; 为对露天边坡稳定性进行科学合理的评价分析,在综合分析露天边坡失稳事故的基础上,采用安全系统工程中的事故树分析法,建立了露天边坡失稳事故树模型。通过计算事故树的最小割集、最小径集和基本事件的结构重要度,找出了导致露天边坡失稳的主要因素,即边坡支护和边坡监测。事故树分析法能够对导致露天边坡失稳的各种因素及逻辑关系作出全面的阐述,并根据结构重要度提出针对性的防治措施,为露天边坡的安全管理提供可靠的参考依据。; 姜群张钦礼王浩肖崇春; 关键词：事故树分析法露天边坡结构重要度最小割集最小径集

考虑干湿循环效应的砂岩边坡稳定性研究被引量：12: 2015年; 选取安徽某矿山具有典型代表性的砂岩进行了砂岩强度干湿循环室内试验,对干湿循环作用下砂岩强度指标衰减的变化规律进行了初步探讨;在此基础上,结合砂岩干湿循环效应对砂岩边坡进行了稳定性分析。研究结果表明:随着干湿循环次数增加,砂岩质量损失率、吸水率呈正相关关系,这是导致岩石强度衰减的重要因素;砂岩强度、弹性模量、粘聚力则呈负相关变化,内摩擦角呈正相关关系,无论曲线变化趋势是增大或者减小,其变化幅度总是先大后小,并最终会趋于稳定;随着干湿循环次数增加,边坡稳定性降低,安全系数递减。研究结果可为相关边坡设计和防护的计算参数选取提供参考。; 王莎莎谢学斌肖崇春陈秋松; 关键词：砂岩干湿循环力学特性边坡边坡防护

磁化水改善全尾砂絮凝沉降效果的试验研究被引量：20: 2015年; 为降低全尾砂絮凝沉降成本,提高絮凝沉降效果,将磁化水引入某矿全尾砂絮凝沉降试验中,探讨磁化水在全尾砂絮凝沉降过程中的促凝作用;研究不同磁化条件下,全尾砂絮凝沉降速度和底流极限质量分数的变化规律。研究结果表明：在磁化水-全尾砂絮凝沉降过程中,絮凝剂单耗饱和点（沉降速度最大时）与普通水的单耗饱和点相比降低1/3,沉降速度提高1.4～2.1倍,底流质量分数最大增幅达3.2%;当磁感应强度B为150～200 m T,磁化时间t为20～25 min,水循环流速v为2.0～2.5 m/s时,沉降效果最理想;在适合的磁化条件下,磁化水在降低絮凝剂单耗、提高絮凝沉降速度和底流质量分数方面具有明显的优越性。; 陈秋松张钦礼王新民肖崇春徐丹; 关键词：磁化水全尾砂絮凝沉降

肖崇春

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

肖崇春

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈