CN117969600A - 一种钛粉爆炸危险性检测方法 - Google Patents
一种钛粉爆炸危险性检测方法 Download PDFInfo
- Publication number
- CN117969600A CN117969600A CN202410364534.6A CN202410364534A CN117969600A CN 117969600 A CN117969600 A CN 117969600A CN 202410364534 A CN202410364534 A CN 202410364534A CN 117969600 A CN117969600 A CN 117969600A
- Authority
- CN
- China
- Prior art keywords
- explosion
- titanium powder
- reaction kettle
- risk
- ignition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004880 explosion Methods 0.000 title claims abstract description 125
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000000428 dust Substances 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 63
- 238000012360 testing method Methods 0.000 claims description 31
- 239000000843 powder Substances 0.000 claims description 20
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 16
- 239000001301 oxygen Substances 0.000 claims description 16
- 229910052760 oxygen Inorganic materials 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 3
- 239000011229 interlayer Substances 0.000 claims description 2
- 229910001220 stainless steel Inorganic materials 0.000 claims description 2
- 239000010935 stainless steel Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 abstract description 5
- 238000010801 machine learning Methods 0.000 abstract description 4
- 238000012502 risk assessment Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- IWOUKMZUPDVPGQ-UHFFFAOYSA-N barium nitrate Chemical compound [Ba+2].[O-][N+]([O-])=O.[O-][N+]([O-])=O IWOUKMZUPDVPGQ-UHFFFAOYSA-N 0.000 description 4
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 description 2
- ZJRXSAYFZMGQFP-UHFFFAOYSA-N barium peroxide Chemical compound [Ba+2].[O-][O-] ZJRXSAYFZMGQFP-UHFFFAOYSA-N 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/50—Investigating or analyzing materials by the use of thermal means by investigating flash-point; by investigating explosibility
- G01N25/54—Investigating or analyzing materials by the use of thermal means by investigating flash-point; by investigating explosibility by determining explosibility
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种钛粉爆炸危险性检测方法，涉及测定爆炸性技术领域。其解决了现有技术中钛粉爆炸危险性评估步骤繁琐且不精准等技术问题。其借助检测系统，通过粉尘与环境的特征来预测爆炸后的严重程度；经实验确定粉尘与环境的特征对最大爆炸压力与爆炸指数的影响，再通过机器学习方法对实验结果进一步预测得到更完善数据，最后将最大爆炸压力与爆炸指数进一步结合得到危险性系数，H值越大危险性越强。与现有技术相比，本发明通过公式得到危险系数H，通过对H的数值进行划分，可更为精准的对钛粉爆炸危险进行评价。
Description
技术领域
本发明涉及测定爆炸性技术领域，具体涉及一种钛粉爆炸危险性检测方法。
背景技术
金属加工制造业，在航空航天、医疗卫生、日常生活中具有不可或缺的重要性。然而在锯切、铣削、刨削、涂饰、磨削等生产工序中都会产生金属粉尘，当金属粉末达到一定条件就产生爆炸，金属粉尘的爆炸威力都很大因此针对大型金属加工车间进行危险性预测对保障安全生产尤为重要。
目前现有技术中对于钛粉爆炸的危险性检测主要有：
爆炸综合指数法：该方法用浓度为500g/m3的美国匹斯煤粉所测出的爆炸参数与待测粉尘作比较。爆炸综合指数由着火敏感度和爆炸烈度计算得出。
苏联评价法：苏联以爆炸下限浓度与粉尘层最小引燃温度为依据，将粉尘的爆炸危险性分为 4个等级，危险性从1级到4级依次减弱，如下表1所示。
表1 苏联法评价依据
爆炸综合指数法其缺点在于奥斯堡煤粉不易取得，且计算过程繁琐。苏联评价法主要考虑某种粉尘爆炸发生的可能性，没有将发生爆炸后产生的破坏性考虑在内且测量精度不够高。由此可见，上述现有技术有待于进一步改进。
发明内容
本发明的目的在于提供一种钛粉爆炸危险性检测方法，利用粉尘与环境的特征来直接预测爆炸后的严重程度，通过将粉尘粒度、湿度、点火药头的能量、氧含量、粉尘爆炸容器、温度、湍流度等参数直接代入公式得出危险性指标H来分析判断钛粉爆炸危险性和灾害程度，操作更加简洁，评价更精准。
为了实现上述目的，本发明采用了以下技术方案：
一种钛粉爆炸危险性检测方法，包括以下步骤：步骤一、通过检测系统做不同特征、不同环境下钛粉的爆炸试验，得到试验爆炸数据；步骤二、通过采用Levenberg-Marquardt算法的多层反向传播神经网络对试验爆炸数据进行训练并泛化，确保精准度在98%以上后，对预测结果进行记录并作为预测爆炸数据；步骤三、将训练过程进行可视化，得到神经网络的所有权重，并提取出权重公式；步骤四、借助拟合工具将权重公式还原为钛粉危险性指数与钛粉特征、环境参数的关系，如式（1）所示：
（1）。
式（1）中：H为钛粉危险性指数，E为点火药头能量，U为湍流度，V为反应釜的体积，m
为钛粉粉尘质量，为反应釜中氧含量，T为反应釜内温度，t为点火延迟时间，为空气相
对湿度，为钛粉粉尘中位粒径。
步骤五、通过公式（1）计算钛粉危险性指数，并确定钛粉爆炸强度等级。
上述的一种钛粉爆炸危险性检测方法，步骤一中，所述的检测系统为20升球型爆炸测试系统，包括反应釜、控制箱、数据采集系统、点火器以及若干个控制阀门，所述的反应釜内设置有含氧量检测传感器、湿度检测传感器以及温度传感器，反应釜内的压力通过所述的数据采集系统采集并保存在计算机中。
上述的一种钛粉爆炸危险性检测方法，步骤一中，不同特征、不同环境下钛粉的爆炸试验是指通过控制变量法控制不同的参数组合来进行试验，各个参数包括粉尘粒度、空气的相对湿度、点火药头能量、反应釜中氧含量、反应釜的体积、反应釜内温度、湍流度，通过爆炸试验得到最大爆炸压力和爆炸指数。
上述的一种钛粉爆炸危险性检测方法，步骤五中，钛粉爆炸强度等级为：当H=0时，表明钛粉无爆炸危险；当0≤H<5×103时，表明钛粉爆炸强度等级弱；当 5×103≤H<5×104时，表明钛粉爆炸强度等级中等；当5×104 ≤H时，表明钛粉爆炸强度等级强。
上述的一种钛粉爆炸危险性检测方法，所述的反应釜为不锈钢双层结构，在反应釜的夹层内通过充水来保持反应釜内温度的恒定。
上述的一种钛粉爆炸危险性检测方法，在所述的反应釜上设置有观察窗，通过观察窗观察点火和爆炸的火光。
上述的一种钛粉爆炸危险性检测方法，所述的点火器通过化学点火或脉冲点火的方式进行点火，点火前所有的控制阀门保持关闭状态。
上述的一种钛粉爆炸危险性检测方法，所述的钛粉通过分散式喷嘴喷入反应釜中，在向反应釜中放入钛粉后，先读取反应釜内的温度、湿度情况，然后封闭反应釜，根据湍流度指标将反应釜内抽至负压状态，然后向反应釜内输送定量空气，之后关闭所有控制阀门。
与现有技术相比，本发明带来了以下有益技术效果：
本发明提出了一种钛粉爆炸危险性检测方法，其借助检测系统，通过粉尘与环境的特征（粉尘粒度、空气湿度、点火药头的能量、反应釜内氧含量、反应釜的体积、反应釜内温度、湍流度）来预测爆炸后的严重程度。经实验确定粉尘与环境的特征对最大爆炸压力与爆炸指数的影响，再通过机器学习方法对实验结果进一步预测得到更完善数据，最后将最大爆炸压力与爆炸指数进一步结合得到危险性系数，H 值越大危险性越强。通过粉尘与环境的特征，可以直接得到钛粉爆炸的危险性，进而让操作人员更好的监控或预测车间的安全状况，并进一步提高对钛粉爆炸危害的认识，加强钛粉爆炸的防治。
相比现有技术，本发明通过爆炸试验与机器学习预测相结合的方法，并将最大爆炸压力与爆炸指数进一步结合得到危险系数H，通过对H的数值进行划分，可更为精准且简便地对钛粉爆炸危险进行评价。
本发明提出的一种钛粉爆炸危险性检测方法，解决了现有技术中钛粉爆炸危险性评估步骤繁杂且不精准等技术问题。
附图说明
图1为本发明钛粉爆炸危险性检测方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本发明中所述及的“检测系统”，其结构以及使用方式可借鉴现有技术实现。如优选采用20升球型爆炸测试系统，包括反应釜、控制箱、数据采集系统、点火器以及若干个控制阀门，反应釜内设置有含氧量检测传感器、湿度检测传感器以及温度传感器，反应釜内的压力通过数据采集系统采集并保存在计算机中。具体的为了便于观察，可在反应釜上设置观察窗；点火器的点火方式，可以为化学点火或脉冲点火的方式进行点火；若干个控制阀门的设置以及开启/关闭状态，本领域技术人员均可借助现有技术实现。
作为本发明的一个主要创新点，通过检测系统来获得试验爆炸数据后，结合获取得到的试验爆炸数据和人工神经网络，对试验爆炸数据进行预测并进行泛化，这样可以获取更广泛的数据，确保每种特征参数都有大量数据的支持；之后将获得的试验爆炸数据和预测爆炸数据进行推理转化为钛粉爆炸危险性指数与钛粉、环境参数的关系式，根据该关系式可以快速并精准的计算得到钛粉危险性指数，以完成对钛粉爆炸危险性的评估。
本发明，一种钛粉爆炸危险性检测方法，具体包括以下步骤：
步骤一、使用20升球形爆炸测试系统，并将其安装好，确保反应釜内设置有含氧量检测传感器、湿度检测传感器以及温度传感器，确保其它部件如数据采集系统、点火器、控制箱完好。
步骤二、启动20升球形爆炸测试系统，做不同特征、不同环境下钛粉的爆炸试验，不同特征、不同环境是指通过控制变量法来控制不同的粉尘粒度、空气的相对湿度、点火药头能量、反应釜中氧含量、反应釜的体积、反应釜内温度、湍流度，将其不同数值的参数进行组合，通过20升球形爆炸测试系统来得到最大爆炸压力和爆炸指数，作为试验爆炸数据；不同环境下与钛粉特征的部分组合，如表2所示，表2为点火药头能量为2kJ，钛粉的喷粉压力为2MPa，反应釜体积为0.02 m³，反应釜中氧含量为21%，反应釜内温度25℃，点火延迟时间为60ms，空气相对湿度为50%时的试验方案。
表2
步骤三、通过机器学习方法对步骤二得到的试验爆炸数据进行预测，进一步扩大爆炸数据的数量，以得到更多组合的数据结果。
具体方法为：通过采用Levenberg-Marquardt算法的多层反向传播神经网络（BPNN）对试验爆炸数据进行训练并泛化，确保精准度在98%以上后，对预测结果进行记录并作为预测爆炸数据；将训练过程进行可视化，得到神经网络的所有权重，并提取出权重公式进行预测，得到更详细数据，确保每种特征参数都有大量数据支持。
步骤四、借助拟合工具将权重公式还原为钛粉危险性指数与钛粉特征、环境参数的关系，如式（1）所示：
（1）。
式（1）中：H为钛粉危险性指数，E为点火药头能量，U为湍流度，V为反应釜的体积，m
为钛粉粉尘质量，为反应釜中氧含量，T为反应釜内温度，t为点火延迟时间，为空气相
对湿度，为钛粉粉尘中位粒径。
上述各个参数的获取方式如下：E为点火药头能量，化学点火药头由锆粉、硝酸钡、过氧化钡和电点火头共同组成，其中锆粉、硝酸钡、过氧化钡按照重量配比4:3:3均匀混合，比如总重量为0.48g的化学点火药头，能够产生2000J的能量。也就是说，根据点火药头的粉体组成，不同的重量对应不同的能量，即可得到点火药头的能量。
U为湍流度、t为点火延迟时间，这两个参数是在测试系统中设置的。m为钛粉粉尘
质量、为钛粉粉尘中位粒径是通过选定的钛粉的质量以及粒径来得到的。为反应釜
中氧含量，是通过测试系统中含氧量检测传感器得到的。T为反应釜内温度，是通过温度传
感器测定得到的。为空气相对湿度，是通过湿度检测传感器测定得到的。
步骤五、通过公式（1）计算钛粉危险性指数，并确定钛粉爆炸强度等级。
当H=0时，表明钛粉无爆炸危险；当0≤H<5×103时，表明钛粉爆炸强度等级弱；当5×103≤H<5×104时，表明钛粉爆炸强度等级中等；当5×104 ≤H时，表明钛粉爆炸强度等级强。
下面结合具体实施例对本发明做进一步说明。
实施例1：步骤一、在进行钛粉爆炸实验前，设计爆炸试验方案，预先确定不同的特征组合，以及对点火药头进行点火测试，确保得到所做点火药头的能量，安装并调试设备，确保各个部件均处于良好状态；设置点火器的点火延迟时间，保证能按时引爆钛粉。
步骤二、当进行钛粉爆炸实验时，放入钛粉后先读取反应釜内温湿度情况和含氧量情况，然后封闭反应釜，根据湍流度指标使用真空泵将反应釜内抽成一定负压，并打开检测系统中气瓶的进气开关，打开控制阀门，放入定量空气后关闭控制阀门在反应釜中加压到一定数值。在所有控制阀门关闭前提下，使用设定的点火方式进行点火，当点火动作触发时，检测系统的控制开关打开，将测试钛粉通过分散式喷嘴喷入罐体，完成喷气过程，钛粉经过能量激发发生爆炸，同时利用数据采集系统采集最大爆炸压力和压力上升速率等实验数据。需要注意所有包含电气设备的外壳都应连接到公共接地上。
步骤三、当钛粉爆炸试验完成后，用大功率吸尘器对反应釜进行清洁，避免对后续实验造成影响，对实验得到钛粉爆炸危险性的相关数据，然后采用Levenberg-Marquardt算法的多层反向传播神经网络（BPNN）对这些数据进行训练并进行泛化，确保预测准确性达到98%以上，然后将神经网络的权重公式还原为危险指数H与钛粉特征及环境参数的关系，通过提出的公式进行评价分析该氢气的爆炸危险性，按照设计目的，对钛粉爆炸的危险性进行分析，通过公式（1）计算钛粉危险性指数，并确定钛粉爆炸强度等级。
本技术领域的普通技术人员应当认识到，以上的实施方式仅是用来说明本申请，而并非用作为对本申请的限定，只要在本申请的实质精神范围之内，对以上实施例所作的适当改变和变化都落在本申请要求保护的范围之内。
Claims (8)
1.一种钛粉爆炸危险性检测方法，其特征在于，包括以下步骤：
步骤一、通过检测系统做不同特征、不同环境下钛粉的爆炸试验，得到试验爆炸数据；
步骤二、通过采用Levenberg-Marquardt算法的多层反向传播神经网络对试验爆炸数据进行训练并泛化，确保精准度在98%以上后，对预测结果进行记录并作为预测爆炸数据；
步骤三、将训练过程进行可视化，得到神经网络的所有权重，并提取出权重公式；
步骤四、借助拟合工具将权重公式还原为钛粉危险性指数与钛粉特征、环境参数的关系，如式（1）所示：
（1）；
式（1）中：H为钛粉危险性指数，E为点火药头能量，U为湍流度，V为反应釜的体积，m为钛粉粉尘质量，为反应釜中氧含量，T为反应釜内温度，t为点火延迟时间，/>为空气相对湿度，/>为钛粉粉尘中位粒径；
步骤五、通过公式（1）计算钛粉危险性指数，并确定钛粉爆炸强度等级。
2.根据权利要求1所述的一种钛粉爆炸危险性检测方法，其特征在于：步骤一中，所述的检测系统为20升球型爆炸测试系统，包括反应釜、控制箱、数据采集系统、点火器以及若干个控制阀门，所述的反应釜内设置有含氧量检测传感器、湿度检测传感器以及温度传感器，反应釜内的压力通过所述的数据采集系统采集并保存在计算机中。
3.根据权利要求1所述的一种钛粉爆炸危险性检测方法，其特征在于：步骤一中，不同特征、不同环境下钛粉的爆炸试验是指通过控制变量法控制不同的参数组合来进行试验，各个参数包括粉尘粒度、空气的相对湿度、点火药头能量、反应釜中氧含量、反应釜的体积、反应釜内温度、湍流度，通过爆炸试验得到最大爆炸压力和爆炸指数。
4.根据权利要求1所述的一种钛粉爆炸危险性检测方法，其特征在于：步骤五中，钛粉爆炸强度等级为：当H=0时，表明钛粉无爆炸危险；当0≤H<5×103时，表明钛粉爆炸强度等级弱；当 5×103≤H<5×104时，表明钛粉爆炸强度等级中等；当5×104 ≤H时，表明钛粉爆炸强度等级强。
5.根据权利要求2所述的一种钛粉爆炸危险性检测方法，其特征在于：所述的反应釜为不锈钢双层结构，在反应釜的夹层内通过充水来保持反应釜内温度的恒定。
6.根据权利要求2所述的一种钛粉爆炸危险性检测方法，其特征在于：在所述的反应釜上设置有观察窗，通过观察窗观察点火和爆炸的火光。
7.根据权利要求2所述的一种钛粉爆炸危险性检测方法，其特征在于：所述的点火器通过化学点火或脉冲点火的方式进行点火，点火前所有的控制阀门保持关闭状态。
8.根据权利要求2所述的一种钛粉爆炸危险性检测方法，其特征在于：所述的钛粉通过分散式喷嘴喷入反应釜中，在向反应釜中放入钛粉后，先读取反应釜内的温度、湿度情况，然后封闭反应釜，根据湍流度指标将反应釜内抽至负压状态，然后向反应釜内输送定量空气，之后关闭所有控制阀门。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410364534.6A CN117969600B (zh) | 2024-03-28 | 2024-03-28 | 一种钛粉爆炸危险性检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410364534.6A CN117969600B (zh) | 2024-03-28 | 2024-03-28 | 一种钛粉爆炸危险性检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117969600A true CN117969600A (zh) | 2024-05-03 |
| CN117969600B CN117969600B (zh) | 2024-06-07 |
Family
ID=90848172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410364534.6A Active CN117969600B (zh) | 2024-03-28 | 2024-03-28 | 一种钛粉爆炸危险性检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117969600B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2661508C1 (ru) * | 2017-09-25 | 2018-07-17 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Способ оценки риска взрывов метана и пыли в шахтах |
| WO2019032066A2 (en) * | 2017-08-08 | 2019-02-14 | Ural Suphi | APPARATUS AND METHOD FOR EXPLOSIVE CHARCOAL DUST DEPLOYMENT BASED ON CAMERA IMAGING |
| CN113705659A (zh) * | 2021-08-25 | 2021-11-26 | 北京石油化工学院 | 用于干式除尘器的爆炸风险评估系统 |
| CN114520027A (zh) * | 2021-12-27 | 2022-05-20 | 北京理工大学 | 一种氢气系统爆炸危险等级评估方法 |
| CN114565193A (zh) * | 2022-04-15 | 2022-05-31 | 西安科技大学 | 基于机器学习的煤自燃倾向性预测方法 |
| CN115526422A (zh) * | 2022-10-19 | 2022-12-27 | 中国矿业大学 | 一种煤矿瓦斯爆炸风险预测方法 |
| CN117233210A (zh) * | 2023-11-14 | 2023-12-15 | 山东科技大学 | 一种聚乙烯粉尘爆炸危险性预测方法 |
-
2024
- 2024-03-28 CN CN202410364534.6A patent/CN117969600B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019032066A2 (en) * | 2017-08-08 | 2019-02-14 | Ural Suphi | APPARATUS AND METHOD FOR EXPLOSIVE CHARCOAL DUST DEPLOYMENT BASED ON CAMERA IMAGING |
| RU2661508C1 (ru) * | 2017-09-25 | 2018-07-17 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Способ оценки риска взрывов метана и пыли в шахтах |
| CN113705659A (zh) * | 2021-08-25 | 2021-11-26 | 北京石油化工学院 | 用于干式除尘器的爆炸风险评估系统 |
| CN114520027A (zh) * | 2021-12-27 | 2022-05-20 | 北京理工大学 | 一种氢气系统爆炸危险等级评估方法 |
| CN114565193A (zh) * | 2022-04-15 | 2022-05-31 | 西安科技大学 | 基于机器学习的煤自燃倾向性预测方法 |
| CN115526422A (zh) * | 2022-10-19 | 2022-12-27 | 中国矿业大学 | 一种煤矿瓦斯爆炸风险预测方法 |
| CN117233210A (zh) * | 2023-11-14 | 2023-12-15 | 山东科技大学 | 一种聚乙烯粉尘爆炸危险性预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 林柏泉等: ""基于２０Ｌ球形爆炸装置的微米级铝粉爆炸特性实验"", 《北京理工大学学报》, vol. 36, no. 7, 31 July 2016 (2016-07-31), pages 661 - 667 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117969600B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106501162B (zh) | 一种高温高压动态电偶腐蚀实验方法及装置 | |
| US20180231485A1 (en) | Sensing system and method | |
| CN111089875B (zh) | 一种金属粉尘遇湿自燃危险性试验装置及评估方法 | |
| CN106404078A (zh) | 一种变压器在线监测装置 | |
| CN108414569B (zh) | 一种低密度聚乙烯粉尘云最大爆炸压力的评估方法 | |
| CN108872814B (zh) | 一种高压电流互感器内部油纸绝缘寿命评估方法 | |
| CN110188309B (zh) | 基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法 | |
| CN110779966B (zh) | 轻瓦斯告警特征气体检测方法及装置 | |
| CN209784287U (zh) | 测定煤常温条件下密闭空间内一氧化碳产生速率的装置 | |
| CN106557637B (zh) | 一种储能产品的安全性能评价方法 | |
| CN111899815B (zh) | 一种利用指标气体浓度反演采空区煤温的方法 | |
| CN117233210B (zh) | 一种聚乙烯粉尘爆炸危险性预测方法 | |
| CN108762238A (zh) | 一种基于dcd的湿法冶金浸出过程故障诊断方法 | |
| CN117969600B (zh) | 一种钛粉爆炸危险性检测方法 | |
| CN105675481A (zh) | 一种高温高压流体环境加载拉应力试样腐蚀电化学实验装置及测试方法 | |
| CN117079442A (zh) | 基于数据分析的化工园区危化气体泄漏扩散监测系统 | |
| CN113009066A (zh) | 瓦斯集气盒中气体可燃性在线监测装置及方法 | |
| CN107301285A (zh) | 基于剩余寿命预测的非电子产品序贯验证试验方法 | |
| CN116907586B (zh) | 一种基于云计算的超声设备运行状态管理系统及方法 | |
| Xia et al. | Atmospheric corrosion monitoring of field-exposed Q235B and T91 steels in Zhoushan offshore environment using electrochemical probes | |
| RU82867U1 (ru) | Система диагностики маслонаполненных измерительных трансформаторов | |
| CN116298975A (zh) | 一种电池热失控的早期烟气特征测试平台及其测量方法 | |
| CN113063861B (zh) | 一种基于分类算法的氧氮氢分析仪测量系统 | |
| CN109946356B (zh) | 一种高温、火灾后混凝土损伤定量评价方法 | |
| Bosch et al. | Introduction to different electrochemical corrosion monitoring techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |