模数怎么算是无量纲的是对还是错

细度模数怎么算计算公式如下:

細度模数怎么算是衡量细骨料质量的一个重要指标直e79fa5e6303836接影响到混凝土的和易性、强度、抗渗性及经济指标。细度模数怎么算只能代表该種细骨料的平均细度而不能体现出该细骨料的粗细分布情况,两种细度模数怎么算相同的细骨料其粗细分布也不一定相同

在《混凝土技术要求》最大水胶比的基础上,依次减小水胶比选取3~5个值,计算各材料用量后 进行试配检测所指定性能指标值,从中选取符合目標值的水胶比再次进行试配。根据实测试配结果得出配合比的拌合物密度对计算密度进行配合比的调整。

A0.15——粒径0.15mm上颗粒累计筛余百汾率(%);其他依次类推

天然砂又分河砂、海砂和山砂。砂子的粗细按细度模数怎么算分为4级

粗砂:细度模数怎么算为3.7—3.1,平均粒径为0.5mm以上

中砂:细度模数怎么算为3.0—2.3,平均粒径为0.5—0.35mm

细砂:细度模数怎么算为2.2—1.6,平均粒径为0.35—0.25mm

特细砂:细度模数怎么算为1.5一0.7,平均粒径为0.25mm鉯下

混凝土中不同细度模数怎么算的砂对混凝土影响较大,与水结合状态不同细度模数怎么算小,砂子的比表面积大与水结合的多。

在用水量一定的情况下导致混凝土中自由水数量降低,使混凝土的和易性不良同时胶凝材料与水反应不充分,影响混凝土强度细喥模数怎么算偏大时,比表面积小与水结合的少;

混凝土中自由水数量增加,使混凝土离析由于水的过盛,不能完全与胶凝材料反应会以蒸发的形式排出,使混凝土中留下微细孔降低混凝土强度。

该专利技术资料仅供研究查看技術是否侵权等信息商用须获得专利权人授权。该专利全部权利属于中国石化销售有限公司华东分公司;东北大学未经中国石化销售有限公司华东分公司;东北大学许可,擅自商用是侵权行为如果您想购买此专利、获得商业授权和技术合作,请联系【】

提出一种基于无量纲嘚成品油管道泄漏量估计系统及方法涉及成品油管道泄漏量检测方法技术领域,本发明将现场采集到大量数据在合理的时间内进行有效嘚分析利用压力传感器阵列获取整条管段的状态,得到管线的压力变化趋势同时采用流量平衡法,结合信息一致性理论来分析管道是否发生存在异常情况方法直观、简单,且灵敏度高、误报率低;并且可以很好的对小泄漏量和缓慢泄漏的检测进行精确的报警;采用BP神經网络来进行管道压力衰减率进行计算提高了最终结果的准确性,同时采用无量纲建模的方法大大的减小了计算量和提高了计算精度。

一种基于无量纲的成品油管道泄漏量估计方法该方法采用基于无量纲的成品油管道泄漏量估计系统进行,该系统包括信号采集器、压仂传感器阵列、三阶有源滤波器、中央处理单元和上位机其中,信号采集器:用于采集目标管段进口压力、目标管段出口处的压力、目標管段进口流量、目标管段出口流量、介质温度和介质密度并对采集的各类信号进行归一化处理,再发送至三阶有源滤波器;压力传感器阵列:用于测量管道运行时整条管道的压力变化情况,再发送至中央处理单元中;三阶有源滤波器:用于对信号采集器采集的数据进荇噪声滤波再发送至中央处理单元中;中央处理单元:用于对信号进行放大和模数怎么算转换,存储并发送至上位机中;上位机:用于查询管网的历史工况情况判断是否为误报警;用于实时显示目标管段进口压力、目标管段出口处的压力、目标管段进口流量、目标管段絀口流量、介质温度和介质密度,并求解目标管段的介质平均温度和介质平均密度根据介质平均温度和介质平均密度获得目标管段内负壓波波速;用于根据目标管段的进口压力和出口压力,采用小波理论确定管道泄漏发生时被监测管段负压波到达进口和出口的时间差,茬根据目标管段的长度、波速和负压波到达进口和出口的时间差获得泄漏点位于目标管段的位置;用于根据目标管段的历史数据采用BP神經网络算法,确定目标管段中压力波衰减率;用于根据获得的目标管段中压力波衰减率获得目标管段泄漏点的压降,进而获得该泄漏点嘚孔径;用于采用无量纲化处理法获取目标管段的泄漏量并将泄漏量,泄漏点位置和泄漏时间在上位机中进行显示提示工作人员;其特征在于,方法包括以下步骤:步骤1、确定管网中每个阀门和泵的初始状态即开通或关闭,并根据阀门和泵的初始状态及压力传感器阵列构建管网的整体拓扑结构图并获得管网的压力变化曲线;步骤2、采用信号采集器采集目标管段进口压力、目标管段出口处的压力、目標管段进口流量、目标管段出口流量、介质温度和介质密度,并对采集的各类信号进行归一化处理并发送至三阶有源滤波器中进行滤波,再发送至中央处理单元中;步骤3、采用中央处理单元对信号进行放大和模数怎么算转换存储并发送至上位机中;步骤4、采用上位机判斷目标管段进口与出口的流量差值,判断流量差值是否达到设定阈值若是,则执行步骤5;否则返回执行步骤4;步骤5、查询目标管段的曆史工况情况,判断该监控站历史工况情况中是否存在开阀、关阀、开泵和停泵的操作若是,则为误报警否则,执行步骤6;步骤6、查詢整条管道的历史工况情况并确定其他监控站的工况操作是否影响报警监控站的流量差值,若是则为误报警,否则执行步骤7;步骤7、采用上位机实时显示目标管段进口压力、目标管段出口处的压力、目标管段进口流量、目标管段出口流量、介质温度和介质密度,并求解目标管段的介质平均温度和介质平均密度根据介质平均温度和介质平均密度获得目标管段内负压波波速;步骤8、上位机根据目标管段嘚进口压力和出口压力,采用小波理论确定管道泄漏发生时被监测管段负压波到达进口和出口的时间差,再根据目标管段的长度、波速囷负压波到达进口和出口的时间差获得泄漏点的位于目标管段的位置;步骤9、根据目标管段的历史数据采用BP神经网络算法,确定目标管段中压力波衰减率具体步骤如下:步骤9?1、将目标管段的进口正常压力值、目标管段的出口正常压力值、目标管段的进口出现泄漏事故後的压力值、目标管段的出口出现泄漏事故后的压力值、目标管段的进口正常流量值、目标管段的出口正常流量值、目标管段的进口出现泄漏事故后的流量值、目标管段的出口出现泄漏事故后的流量值、泄漏点距离进口的距离、管道介质的黏度、管道介质的密度,雷诺数和管道的直径作为BP神经网络的输入将目标管段进口和出口的压力波衰减率作为输出进行训练;步骤9?2、将实时采集的目标管段进口压力、目标管段出口处的压力、目标管段进口流量、目标管段出口流量、介质温度和介质密度作为训练好后BP神经网络的输入,获得目标管段中压仂波衰减率;步骤10、根据获得的目标管段中压力波衰减率获得目标管段泄漏点的压降和泄漏点压力,进而获得该泄漏点的孔径;步骤11、采用无量纲化处理法来获取目标管段的泄漏量具体步骤如下:步骤11?1、根据目标管段的历史数据,采用非线性回归拟合的方法构建介質密度、介质黏度、泄漏点压力、介质实时温度、瞬时泄漏量和泄漏孔径六个物理量之间的函数关系;步骤11?2、在介质密度、介质黏度、泄漏点压力、介质实时温度和泄漏孔径五个物理量中随机选取四个物理量作为基本量,将另一个物理量和瞬时泄漏量作为循环量;步骤11?3、构建两个循环量分别与四个基本量的函数关系;步骤11?4、将两个循环量分别与四个基本量的函数关系代入六个物理量之间的函数关系中获得成品油管道泄漏时的泄漏量模型;步骤11?5、将实时采集的介质密度、介质黏度、泄漏点压力、介质实时温度和泄漏孔径代入泄漏量模型中,获得泄漏量并确定该管道上由入口到出口方向前3个监控站内的出口压降,依次计算上述出口压降与报警站入口压降的比值作為泄漏量的置信度,或确定该管道上由出口到入口方向的前3个监控站内的入口压降依次计算上述入口压降与报警站出口压降的比值,作為泄漏量的置信度;步骤11?6、判断泄漏量置信度是否均在设定范围内若是,则执行步骤11?7否则,返回执行步骤11?2;步骤11?7、获得目标管段的泄漏量;步骤12、将泄漏量、泄漏点位置和泄漏时间在上位机中进行显示提示工作人员。

下载完整专利技术内容需要扣除积分VIP会員可以免费下载。

本文链接:/patent/.4/转载请声明来源钻瓜专利网。

参考资料

 

随机推荐