Multi-scale pressure analysis and fluidization quality characterization of dry dense medium fluidized bed
-
摘要:
选煤是煤炭清洁加工利用的源头技术，干法选煤是干旱缺水地区与易泥化煤炭高效分选提质的重要途径。干法重介质流化床通过上升气流驱动加重质颗粒流化形成一定密度的气固流态化床层，实现对煤炭按密度分选，床层密度均匀稳定性即床层流化质量是决定分选精度的关键。受到气流、气泡、运动内构件、入料等多因素扰动，床层流化行为复杂多变，压力信号呈现出非均匀性、非线性、多尺度特征。基于干法重介质流化床压力信号的轴向差异传递与横向等效扩散特性，着重研究了床层轴向压差波动特征，提出流化质量定量表征方法。结果表明：基于时域分析可知，Geldart A类加重质颗粒床层总压降概率密度分布接近于正态分布；当床层散式膨胀时，由于颗粒间接触力的分布不均，概率密度呈现右偏且尖峰的偏离正态分布。通过频域分析发现，在床层膨胀区间的中末期，气泡主频主导了流化床的整个轴向区间；完全流化后的流化床，气泡主频仅控制着床层中部区域，床层浓度信号主频沿床层轴向分布变化明显。结合时域和频域信号分析结果，提出以轴向床层浓度主频为子区间波动标准差权重值的流化质量表征模型，可以综合评估干法重介质流化床的密度分布均匀性和稳定性，为干法重介质流化床分选密度稳态调控与精准分选提供有力支撑。
Abstract:Coal beneficiation is the source technology of clean processing and utilization of coal. Dry coal beneficiation is an important way for efficient separation and upgrading of easily sliming coal in arid area. Dry dense medium fluidized bed forms a certain density of gas-solid fluidized bed by updraft-driven heavy medium particles fluidization, thus achieving coal separation according to bed density. The uniformity and stability of bed density, namely the bed fluidization quality, is the key to determine the separation accuracy. Due to the disturbance of airflow, bubbles, moving internals, feeding and other factors, the fluidization behavior of the bed is complex and changeable, and the pressure signal shows non-uniformity, non-linearity and multi-scale characteristics. Based on the characteristics of axial differential transmission and lateral equivalent diffusion of pressure signal in dry dense medium fluidized bed, the fluctuation characteristics of axial differential pressure were studied emphatically, and a quantitative characterization method of fluidization quality was proposed. The results show that: Based on time domain analysis, the probability density distribution of total pressure drop in Geldart A type separation fluidized bed is close to normal distribution. When the bed is in the particulate expansion, due to the uneven distribution of contact force between particles, the probability density shows the right deviation and the peak, deviating from the normal distribution. Through frequency domain analysis, it is found that the dominant frequency of bubbles dominates the whole axial interval of fluidized bed at the later stage of bed expansion. After complete fluidization, the dominant frequency of bubbles only controls the central region of the bed. The dominant frequency of bed concentration signal changes obviously along the bed axial distribution. Combined with the results of time-domain and frequency-domain signal analysis, a fluidization quality characterization model was proposed, where the standard deviation of axial fluctuation is weighted and averaged, and the dominant frequency of sub-bed concentration is taken as the weight value. This model can comprehensively evaluate the uniformity and stability of density distribution of dry dense medium fluidized bed, and provide strong support for the steady-state control and accurate separation of dry dense medium fluidized bed.
-
0. 引 言
煤矸石是煤炭开采及洗选加工过程产生的干基灰分>50%且具有可燃性的非均质混合物[1]。内蒙古自治区乌海市和棋盘井镇是典型的煤炭工业城镇，该地煤炭开采始于20世纪20—30年代，在近百年的煤炭生产过程中产生了约5.4亿t煤矸石，现堆存4.6亿t，形成100多座矸石山，自燃情况不等，释放大量刺激性有毒有害气体污染环境，甚至引发气体中毒、坍塌、爆炸等事故[2-5]。其矸石山以露天开采形成的矸石、洗选形成的堆矸场矸石及井工开采排矸形成的矸石为主，全硫含量大多在3%～6%，属于中高硫煤矸石。煤矸石自燃机理是防治煤矸石山自燃灾害的理论支撑，研究中高硫煤矸石氧化燃烧不同阶段的质量、热量及气体释放规律及其相关性，能够为此类煤矸石山自燃预测及治理途径提供更广阔的思路。
煤矸石自燃是一个受多因素制约影响的复杂物理化学过程，基于黄铁矿导因学说[6]及煤氧复合学说[7]，众学者进行了诸多研究。黄文章等[8]对金刚煤矿不同燃烧程度煤矸石进行研究，发现其含有的大量FeS2，在燃烧过程充当助燃、引燃作用。FeS2与空气中氧气氧化释放热量，随后引起挥发分（气态烃）燃烧，并引燃煤矸石。而固定碳对煤矸石初期影响小，在燃烧后期起助燃作用。贾宝山[9]认为煤矸石的自燃即是煤的自燃，分为缓慢升温、氧化自动加速、稳定燃烧3个阶段，矸石温度超过临界温度80～90 ℃即会发生自燃。贾海林等[10]将煤矸石燃烧分为：外水分蒸发、内水分蒸发、挥发分析出燃烧、固定碳燃烧，。邓军等[11]对煤矸石自燃过程中CO、CO2、CH4浓度产生率的变化情况进行了研究，发现80 ℃之前，CO以脱附为主；超过120 ℃之后反应加速，CO、CO2、CH4浓度和产生率开始变大，煤矸石发生较为剧烈的煤氧复合作用。此外，煤矸石作为煤产生的伴生物，其自燃研究可借鉴煤自燃机理的相关研究。赵婧昱等[12-13]将煤自然发火过程以临界温度、干裂-活性-增速温度、增速温度、燃点温度进行划分，并对各阶段中CO、CO2、CH4、C2H6气体释放规律进行分析研究。张晓婉等[14]研究煤泥燃烧过程发现，焦炭燃烧阶段主要为CO析出，挥发分和焦碳燃烧阶段CO2、NO、NO2气体均有析出。张玉涛[15]、侯钦元[16]等在煤自燃研究中利用Pearson相关系数法分别对特征温度与微观结构变化、微观基团与自然发火危险性进行相关性分析。综上所述，众多学者在煤矸石自燃阶段划分与气体释放2个方面各有诸多研究成果，但未对自燃倾向高的中高硫煤矸石有专门研究，且受煤自燃研究启发，研究时可进行关联性分析并用统计学方法进行验证。
因此，笔者拟用TG-MS联用测试技术，得到中高硫煤矸石氧化燃烧过程的TG-DTG、DSC-积分曲线及气体析出离子流强度曲线，并进行关联性同步分析，以得出中高硫煤矸石氧化燃烧不同阶段中质量、热量、气体释放三者是如何相互影响并发生变化的，进而用Spearman相关系数法分析验证其相互关系。
1. 样品及试验
1.1 煤矸石样品制备
试验用煤矸石样品来自内蒙古棋盘井镇某洗煤厂煤矸石山。采用梅花取样法取样后立即密封保存并进行标记，试验前取出对其进行均化处理，即将煤矸石样品摇匀后各取500 g混合，通过JY200 g多功能粉碎机粉碎并充分研磨，得到粒径100目煤矸石样品密封保存，以备试验测试使用。各取煤矸石样品（1±0.1） g进行3组平行测定，得到煤矸石样品的工业分析及硫分析数据见表1。依据《煤矸石分类》（GB/T 29162—2012），该煤矸石样品属于低灰中高硫中高碳型的洗矸，燃料比为1.00，燃烧性能好，容易自燃。煤矸石样品XRD物相鉴定图谱如图1所示。其矿物质成分主要为高岭石Al2Si2O5(OH)4、石英SiO2、硫酸铁Fe2(SO4)3、及黄铁矿FeS2。
表 1 煤矸石工业分析与硫分析参数Table 1. Parameters of coal gangue industry analysis and sulfur analysis煤矸石样品 成分分析/% 全硫/% 硫化物硫/% 燃料比 水分 灰分 挥发分 固定碳 样品1 0.80 68.34 15.69 15.17 3.36 3.17 0.97 样品2 0.84 68.35 15.18 15.63 3.66 3.46 1.03 样品3 0.84 68.43 15.44 15.28 3.65 3.42 0.99 平均值 0.83 68.37 15.44 15.36 3.56 3.35 1.00 1.2 试验仪器与条件
试验使用的TG-MS联用系统由德国耐驰仪器制造有限公司的同步热分析STA449F5和四极质谱仪QMS403组成，测试煤矸石样品升温过程中质量、热特性及自燃中气相挥发物的逸出特性。试验用煤矸石样品为（10±0.5） mg，氧化铝坩埚，测试范围为30～800 ℃，升温速率为5 K/min，试验气氛为干燥空气，流量为100 mL/min。燃烧气体产物通过恒温毛细血管同步进入质谱分析仪，通过电场和磁场将运动的气体分子按它们的质荷比（指带电离子的质量与所带电荷之比值，以m/z表示）分离后，在线监测其离子流强度随温度的变化规律。
2. 试验结果与讨论
2.1 热重−质谱试验数据分析
煤矸石作为一种受多因素影响形成的具有潜在自燃性的含碳非均质混合物，其燃烧过程与煤燃烧具有相似之处，也有很多不同。另外，不同地区煤矸石燃烧情况也不完全一致，文中以试验用低灰中高硫中高碳型的洗矸为代表进行研究分析。试验用中高硫煤矸石样品氧化燃烧过程中的TG-DTG、DSC-积分曲线如图2所示，同步析出气体离子流强度曲线如图3所示。
![]()
图 2 中高硫煤矸石燃烧TG-DTG、DSC-积分曲线Figure 2. TG-DTG, DSC-integral curve of the high sulfu coal gangue combustion![]()
图 3 中高硫煤矸石燃烧产物析出离子流强度曲线Figure 3. Ion current intensity curve of combustion product of the high sulfu coal gangue图2中TG曲线反映失重情况，对其求导得到DTG曲线反映失重速率。由于该中高硫煤矸石中含有3.35%黄铁矿(FeS2)，结合相关研究将该煤矸石氧化燃烧过程划分为5个阶段[11,13,17-18]，I黄铁矿氧化及气体脱附阶段、II吸氧增重阶段、III挥发分析出阶段、IV燃烧阶段、V燃尽阶段。特征温度如图2所示，分别为：T1最大脱附速率对应温度、T2最大增重温度、T3着火温度、T4可燃质最大燃烧速率对应温度、T5燃尽温度。DSC曲线反映热量变化（DSC值大于零表示吸热过程，小于零为放热过程[19]），其积分曲线变化正比于热焓的变化，斜率即为放热速率。图中Ta为初始最大吸热速率点温度，Tb温度点吸放热速率相等，Tc为最大放热速率点温度。图3是对煤矸石样品氧化燃烧中生成SO2(m/z=64)、H2S(m/z=34)、CH4(m/z=16)、CO(m/z=28)、CO2(m/z=44)、NO(m/z=30)、NO2(m/z=46)的离子流强度曲线，其中H2S、CH4、CO、NO曲线中I阶段（绿色标记处）离子流强度异常另作分析，为更直观分析将II~V阶段曲线使用Simple Fit通过式（1）进行多项式拟合，其中，Y代表离子流强度（单位A），X代表温度（单位℃），相关参数见表2。
表 2 气体离子流强度曲线多项式拟合参数Table 2. Polynomial fitting parameters of gas ion current intensity curves气体 B0 B1/10−4 B2/10−6 B3/10−8 B4/10−12 R2 H2S 1.254 32 3.267 99 −0.295 75 0.020 14 −0.073 18 0.913 88 CH4 3.507 02 −5.348 26 4.152 64 −0.731 68 4.030 60 0.951 66 CO 8.917 61 18.00 00 2.579 72 −0.906 18 6.412 66 0.948 46 NO 5.104 36 2.310 70 5.073 54 −1.031 22 5.716 45 0.936 54 $$Y=B_0+B_1 X+B_2 X^2+B_3 X^3+B_4 X^4$$ (1) 将中高硫煤矸石样品氧化燃烧过程中各阶段TG-DSC-MS曲线（图2、图3）进行结合同步分析，结果如下：
第I阶段：黄铁矿氧化及气体脱附阶段。从初始温度30~69.1 ℃，煤矸石TG曲线下降明显，失重量2.6%，此阶段煤矸石中黄铁矿低温氧化放热，该热量被煤矸石吸收利用，对应DSC曲线中吸热峰Ta至Tb，吸热促使吸附在煤矸石中的水分及原始气体发生脱附[20-22]，对应图3绿色标记处H2S、CH4、CO、CO2、NO、NO2气体出现强离子流，最强离子流处正为DTG曲线峰值T1处，即这些气体脱附在T1处速率达到最大。
第II阶段：吸氧增重阶段。从69.1 ℃开始TG曲线出现平稳期，后缓缓上升，在320.6 ℃处达到最大值，增重量1.1%，图3中此阶段未监测到SO2气体存在，而CH4、CO2、NO2气体一开始存在较小甚至微弱强度，后缓慢增强，H2S、CO、NO气体离子流强度稳定增强，即该阶段初期煤矸石CH4、CO2、NO2气体脱附量及少量H2S、CO、NO气体生成量与氧气的吸附量出现一段时间内动态平衡，对应DSC曲线相对平稳下降，放热缓慢，后下降速率变快，放热量增多，是煤矸石中活性基团作用所致，此过程吸氧量比生成气体释放量增多，煤矸石出现增重，于T2处增重速率达到最大。
第III阶段：挥发分析出阶段。从320.6 ℃开始TG曲线下降速度加快至T3着火温度，失重量5.2%，挥发分是煤矸石中氢、氧、氮、硫和一部分碳等有机质热解挥发的气体产物[23]，对应图3中SO2、CO2、NO2气体离子流强度开始出现明显增强，CH4、CO、H2S、NO气体离子流强度持续增强。此阶段挥发分大量析出并有缓慢燃烧，DSC曲线先平缓下降后快速下降，其积分曲线斜率较大，放热速率加大，热量积聚使得温度上升至煤矸石燃烧。
第IV阶段：燃烧阶段。着火温度445.5 ℃(T3)至594.1 ℃，TG曲线快速下降，失重量25.4%，DSC曲线中出现最大放热速率点温度501.6 ℃(Tc)，其与DTG曲线中失重最大速率点温度504 ℃(T4)相差无几。此阶段煤矸石中固定碳开始燃烧，活性基团快速反应，生成大量气体，对应图3中SO2、CO2、NO2气体分别在443.6、507.6、505.5 ℃出现最强析出峰，CH4、CO、H2S、NO气体的离子流强度曲线持续增高。
第V阶段：燃尽阶段。从594.1 ℃开始TG曲线下降趋于平缓，燃尽温度667.6 ℃(T5)后，DTG曲线趋于0，DSC曲线显示余热放出，速率平缓，对应图3中SO2、CO2、NO2气体只有微弱的离子流强度出现，CH4、CO、H2S、NO气体的离子流强度曲线亦趋于平稳，说明这一阶段已无气体释放，煤矸石中可燃物质已燃烧殆尽。
从初始温度30 ℃到最终温度800 ℃，该中高硫煤矸石样品失重量为33.9%，期间在不同阶段释放SO2、CO2、NO2、CH4、CO、H2S、NO气体不等，可见气体释放与煤矸石氧化燃烧进程相关。
2.2 相关性分析
相关性分析[24-26]用来判断变量之间的统计学关联，并进行关联强度和方向的判断。一个变量可由另一个变量完全确定称为确定性函数关系；事物间关系密切但无法完全确定称为不确定性的相关关系，常用Pearson相关、Spearman相关及Kendall相关来进行分析。Pearson相关适用于正态分布定距数据，Spearman相关适用于不明分布定距数据，Kendall相关适用于不明分布定序数据。
通过分析可知，中高硫煤矸石氧化燃烧过程中质量与气体析出之间存在非确定性的相关关系，各析出气体离子流强度与质量数据属于不明分布定距数据，用Spearman相关进行分析，其系数R计算公式为：
$$ R = 1 - 6{\Sigma } \frac{{{{\left( {{A_i} - {B_i}} \right)}^2}}}{{{n^2} - n}} = \frac{{1 - 6{\Sigma} {{\left( {{A_i} - {B_i}} \right)}^2}}}{{{n^2} - n}} $$ (2) 式中，n为样本量；A、B分别为被衡量的2个变量； i从1取到n。对相关系数R判定惯例为：∣R∣≥0.6表示高度相关，0.4≤∣R∣<0.6表示相关，∣R∣<0.4表示不相关，R>0为正相关，R<0为负相关，∣R∣越接近1相关性越强。
以不同温度时煤矸石样品的质量M作为Ai；以不同温度时各析出气体的离子流强度Y作为Bi，按照式(2)进行计算分析，得到中高硫煤矸石氧化燃烧过程析出气体离子流强度(Y)与质量(M)的Spearman相关系数矩阵图如图4所示，图中红色表示正相关，蓝色表示负相关，圆大小与色深表示相关性大小。
![]()
图 4 气体离子流强度与质量Spearman相关系数矩阵图Figure 4. gas ion flow strength and quality of Spearman correlation coefficient matrix由图4可以看出，不同的析出气体离子流强度与质量之间相关性存在较大差异。其中H2S、CH4、CO、NO气体的离子流强度与质量之间呈高度负相关，分别为−0.79、−0.66、−0.84、−0.80，而SO2、CO2、NO2气体呈不相关，分别为−0.33、0、0。若以气体离子流强度来反映其析出量，则有煤矸石氧化燃烧过程中，气体H2S、CH4、CO、NO的析出引发煤矸石质量的减少，而SO2、CO2、NO2气体释放与质量间并无联系。
张晓婉等[14]基于热重-质谱联用定量分析煤泥燃烧产物析出量时，用各气体产物离子流强度曲线的积分表示。陈玲红等[27]采用TG-FITR-MS联用技术，通过脉冲热分析法定量分析燃煤气体产物中，气体产物离子流强度对时间的积分与气体产物质量成正比。由此看来，笔者图4中以燃烧产物析出离子流强度作为析出量参考值存在误差，对各气体离子流强度进行积分作为析出量参考值更为准确。结合积分原理，于H2S、CH4、CO、NO气体而言，其产生贯穿整个燃烧过程，离子流强度与其积分成正比，故而图4分析可反映其析出量与质量之间的关系；于SO2、CO2、NO2气体而言，其离子流强度曲线呈正态分布与积分值不为正比关系，故而分析结果与实际存在偏差。对SO2、CO2、NO2气体离子流强度曲线进行积分，得到相对累积量SO2'、CO2'、NO2'，如图5所示。
H2S、CH4、CO、NO气体以离子流强度作为析出量参考值表示为HH2S、HCH4、HCO、HNO；SO2、CO2、NO2气体以相对累积量作为析出量参考值表示为HSO2'、HCO2'、HNO2'。以不同温度时煤矸石样品的质量M作为Ai；以不同温度时各气体量参考值H作为Bi，按照式(2)进行计算分析，得到中高硫煤矸石氧化燃烧过程中气体析出量参考值(H)与质量(M)的Spearman相关系数矩阵如图6所示。并将III、IV阶段的HSO2'、HCO2'、HNO2'及质量(M)数据提取出来进行相关性分析，如图7所示。
![]()
图 6 气体析出量与质量Spearman相关系数矩阵图Figure 6. Spearman correlation coefficient matrix diagram of gas precipitation quantity and mass![]()
图 7 III、IV阶段SO2、CO2、NO2气体析出量与质量Spearman相关系数矩阵图Figure 7. Spearman correlation coefficient matrix of SO2, CO2, NO2 gas precipitation and mass in Stage III and IV由图6可以看出，中高硫煤矸石氧化燃烧过程中质量与SO2、H2S、CH4、CO、CO2、NO、NO2气体析出量之间均呈高度负相关，相关性系数分别为−0.87、−0.79、−0.66、−0.84、−0.87、−0.80、−0.87，即各气体析出量与质量的相关性：RSO2=RCO2=RNO2>RCO>RNO>RH2S>RCH4。
除此之外，各气体析出量之间也存在强相关性，结合TG-MS曲线进行分析可知：
H2S、CH4、CO、NO气体析出量相互高度正相关，相关系数在0.74~0.90之间，均贯穿整个煤矸石氧化燃烧过程，并呈稳定上升趋势。CO与CH4相关性为0.77，从图3也可发现CO的离子流强度高于CH4，这是由于温度不断上升导致煤矸石中含氧官能团发生系列分解，脂肪结构也发生氧化产生大量CO，而CH4仅为脂肪结构断裂或脱落所致[28]。
SO2、CO2、NO2气体析出量相互正相关（相关系数为1），这3种气体离子流强度曲线均呈正态分布，在挥发分析出阶段(III)及燃烧阶段(IV)出现并产生强离子流，是挥发分与固定碳的燃烧所产。
图7为III、IV阶段中高硫煤矸石质量与SO2、CO2、NO2气体析出量的Spearman相关系数矩阵图，可知SO2、CO2、NO2气体析出量在这2个阶段相互正相关（相关系数为1），与质量负相关（相关系数为-1），进一步说明，正是III、IV阶段SO2、CO2、NO2气体的大量析出使得煤矸石质量大幅下降，可见SO2、CO2、NO2气体可作为中高硫煤矸石氧化燃烧III、IV阶段的判据，为煤矸石山自燃预警及治理提供依据。
3. 结 论
1）所研究煤矸石属于低灰中高硫中高碳型洗矸，自燃性偏高，其中高硫源于黄铁矿的存在，故中高硫煤矸石氧化燃烧初期，黄铁矿氧化放热为煤矸石自燃提供了热量。
2）中高硫煤矸石氧化燃烧过程中质量、热量、气体析出相互影响共同变化。I黄铁矿氧化及气体脱附阶段，吸热供H2S、CH4、CO、CO2、NO、NO2气体脱附，导致失重；II吸氧增重阶段，H2S、CO、NO气体析出量稳定增多，活性基团作用致氧气吸收量逐步增多，该阶段放热，整体呈增重；II挥发分析出阶段，继续放热，SO2、CO2、NO2气体开始明显析出，失重明显；IV燃烧阶段，继续放热，SO2、CO2、NO2气体出现析出最强峰，失重量达到最大；V燃尽阶段，SO2、CO2、NO2气体无明显析出，可燃物燃尽。
3）利用Spearman相关系数法分析得出中高硫煤矸石氧化燃烧全过程中质量与SO2、H2S、CH4、CO、CO2、NO、NO2气体析出量之间存在高度负相关关系。其中，挥发分析出阶段(III)与燃烧阶段(IV)SO2、CO2、NO2气体与质量高度负相关（相关系数为−1），即SO2、CO2、NO2气体大量析出使得中高硫煤矸石质量在III、IV阶段大幅下降。
-
![]()
图 2 总床层压降标准差随气速的变化
Figure 2. Variation of standard deviation of total bed pressure with gas velocity
![]()
图 3 总床层压降偏度随气速的变化
Figure 3. Variation of skewness of total bed pressure with gas velocity
![]()
图 4 总床层压降峰度随气速的变化
Figure 4. Variation of kurtosis of total bed pressure with gas velocity
![]()
图 5 初始流化时压差信号中的暂态空隙
Figure 5. Short-lived void reflected in differential pressure signal during initial fluidization
表 1 颗粒参数性质
Table 1 Parameter properties of particles
颗粒类型 平均粒径/
μm真密度/
(kg·m−3)堆密度/
(kg·m−3)最小流化速度/
(cm·s−1)Geldart A 83.20 4600 2540 0.83 
下载: 导出CSV
表 2 不同流化流态下的理想特征频率
Table 2 Ideal characteristic frequency for different fluidization regimes
流化流态 单泡 多泡 爆发气泡 频率/Hz 0.64 3.18~6.37 1.11
下载: 导出CSV
表 3 不同静床高下的理论自然振荡频率
Table 3 Theoretical natural oscillation frequency of different static bed heights
静床高/cm 70 60 50 40 30 自然振荡频率/Hz 0.57 0.66 0.80 1.00 1.32
下载: 导出CSV
-
[1] 赵啦啦,江海深,赵跃民,等. 湿黏细粒煤干法筛分理论及交叉筛技术发展现状[J]. 煤炭科学技术,2022,50(10):251−258. ZHA0 Lala,JIANC Haishen,ZHA0 Yuemin,et al. Review of dry screening theory and cross screening technologyfor wet cohesive fine coal[J]. Coal Science and Technology,2022,50(10):251−258.
[2] 王国法,任世华,庞义辉,等. 煤炭工业“十三五”发展成效与“双碳”目标实施路径[J]. 煤炭科学技术,2021,49(9):1−8. doi: 10.13199/j.cnki.cst.2021.09.001 WANG Guofa,REN Shihua,PANG Yihui,et al. Development achievements of China's coal industry during the 13th Five-Year Plan period and implementation path of “dual carbon"[J]. Coal Science And Technology,2021,49(9):1−8. doi: 10.13199/j.cnki.cst.2021.09.001
[3] 赵跃民,张亚东,周恩会,等. 清洁高效干法选煤研究进展与展望[J]. 中国矿业大学学报,2022,51(3):607−616. ZHAO Yuemin,ZHANG Yadong,ZHOU Enhui,et al. Research progress and prospect of clean and efficient dry coal separation[J]. Journal of China University of Mining & Technology,2022,51(3):607−616.
[4] 周晨阳,贾 颖,赵跃民,等. 介尺度视角下干法重介流态化分选过程强化[J]. 化工学报,2022,73(6):2452−2467. ZHOU Chenyang,JIA Ying,ZHAO Yuemin,et al. Intensification of dry dense medium fluidization separation process from a mesoscale perspective[J]. CIESC Journal,2022,73(6):2452−2467.
[5] DAI W,ZHANG L,FU J,et al. Dual-rate adaptive optimal tracking control for dense medium separation process using neural networks[J]. IEEE Transactions on Neural Networks and Learning Systems,2020,32(9):4202−4216.
[6] ZHOU C,LIU X,ZHAO Y,et al. Recent progress and potential challenges in coal upgrading via gravity dry separation technologies[J]. Fuel,2021,305:121430. doi: 10.1016/j.fuel.2021.121430
[7] BI H T. A critical review of the complex pressure fluctuation phenomenon in gas–solids fluidized beds[J]. Chemical Engineering Science,2007,62(13):3473−3493. doi: 10.1016/j.ces.2006.12.092
[8] XIANG J,LI Q,WANG A,et al. Mathematical analysis of characteristic pressure fluctuations in a bubbling fluidized bed[J]. Powder Technology,2018,333:167−179. doi: 10.1016/j.powtec.2018.04.030
[9] VAN OMMEN J R,SASIC S,VAN DER SCHAAF J,et al. Time-series analysis of pressure fluctuations in gas–solid fluidized beds–A review[J]. International Journal of Multiphase Flow,2011,37(5):403−428. doi: 10.1016/j.ijmultiphaseflow.2010.12.007
[10] ZHAO Y,LI G,LUO Z,et al. Industrial application of a modularized dry-coal-beneficiation technique based on a novel air dense medium fluidized bed[J]. International Journal of Coal Preparation and Utilization,2017,37(1):44−57. doi: 10.1080/19392699.2015.1125344
[11] 盛 成. 浓相气固分选流态化非稳定性研究 [D]. 徐州: 中国矿业大学, 2018. SHENG Cheng. Instability analysis of dense gas solid separation fluidization [D]. Xuzhou: China University of Mining and Technology, 2018.
[12] LUO Z,ZHAO Y,LV B,et al. Dry coal beneficiation technique in the gas–solid fluidized bed: a review[J]. International Journal of Coal Preparation and Utilization,2022,42(4):986−1014. doi: 10.1080/19392699.2019.1678469
[13] 张 勇. 气固分选流化床中多组分颗粒分层与混合的数值模拟研究 [D]. 徐州: 中国矿业大学, 2019. ZHANG Yong. Numerical study of the segregation and mixing of polydisperse particles in gas-solid separating fluidized beds [D]. Xuzhou: China University of Mining and Technology, 2019.
[14] XIANG J,LI Q,TAN Z,et al. Characterization of the flow in a gas-solid bubbling fluidized bed by pressure fluctuation[J]. Chemical Engineering Science,2017,174:93−103. doi: 10.1016/j.ces.2017.09.001
[15] 向 杰. 气固流化床的压力和空隙率波动信号分析 [D]. 北京: 清华大学, 2018. XIANG Jie. Analysis of pressure and voidage fluctuations in gas-solid fluidized beds [D]. Beijing: Tsinghua University, 2018.
[16] GHEORGHIU S,VAN OMMEN J,COPPENS M-O. Power-law distribution of pressure fluctuations in multiphase flow[J]. Physical Review E,2003,67(4):041305. doi: 10.1103/PhysRevE.67.041305
[17] VALVERDE J,QUINTANILLA M,CASTELLANOS A,et al. Experimental study on the dynamics of gas-fluidized beds[J]. Physical Review E,2003,67(1):016303. doi: 10.1103/PhysRevE.67.016303
[18] WANG J,VAN DER HOEF M A,KUIPERS J. CFD study of the minimum bubbling velocity of Geldart A particles in gas-fluidized beds[J]. Chemical Engineering Science,2010,65(12):3772−3785. doi: 10.1016/j.ces.2010.03.023
[19] TSINONTIDES S,JACKSON R. The mechanics of gas fluidized beds with an interval of stable fluidization[J]. Journal of Fluid Mechanics,1993,255:237−274. doi: 10.1017/S0022112093002472
[20] SUNDARESAN S. Instabilities in fluidized beds[J]. Annual review of fluid mechanics,2003,35(1):63−88. doi: 10.1146/annurev.fluid.35.101101.161151
[21] LOEZOS P N,COSTAMAGNA P,SUNDARESAN S. The role of contact stresses and wall friction on fluidization[J]. Chemical Engineering Science,2002,57(24):5123−5141. doi: 10.1016/S0009-2509(02)00421-9
[22] DING Z,TIWARI S S,TYAGI M,et al. Computational fluid dynamic simulations of regular bubble patterns in pulsed fluidized beds using a two‐fluid model[J]. The Canadian Journal of Chemical Engineering,2022,100(2):405−422. doi: 10.1002/cjce.24082
[23] KAGE H,IWASAKI N,YAMAGUCHI H,et al. Frequency analysis of pressure fluctuation in fluidized bed plenum[J]. Journal of Chemical Engineering of Japan,1991,24(1):76−81. doi: 10.1252/jcej.24.76
[24] JOHNSSON F,ZIJERVELD R,SCHOUTEN J V,et al. Characterization of fluidization regimes by time-series analysis of pressure fluctuations[J]. International journal of multiphase flow,2000,26(4):663−715. doi: 10.1016/S0301-9322(99)00028-2
[25] VERLOOP J,HEERTJES P. Periodic pressure fluctuations in fluidized beds[J]. Chemical Engineering Science,1974,29(4):1035−1042. doi: 10.1016/0009-2509(74)80096-5
[26] ROY R,DAVIDSON J,TUPONOGOV V. The velocity of sound in fluidised beds[J]. Chemical Engineering Science,1990,45(11):3233−3245. doi: 10.1016/0009-2509(90)80216-2
[27] AGHBASHLO M, SOTUDEH-GHAREBAGH R, ZARGHAMI R, et al. Measurement techniques to monitor and control fluidization quality in fluidized bed dryers: A review[J]. Drying Technology, 2014, 32(9): 1005-1051.
-
期刊类型引用(4)
1. 李绪萍，李直，任晓鹏，张靖，刘艳青，周琛鸿. 煤矸石低温氧化官能团演化与气体相关性分析. 煤矿安全. 2024(06): 91-99 . 
百度学术
2. 张晓刚，葛少成，张兴华. 矸石山蓄热积温机制及治理策略研究的前沿与展望. 陕西煤炭. 2024(12): 178-184+196 . 百度学术
3. 李远. 高硫煤矸石理化性质表征及污染防治探究. 煤炭加工与综合利用. 2024(12): 137-140 . 百度学术
4. 王金龙，王星，韩有理，朱金波，闵凡飞，尹建强，林志勇，杨荣. 天元智能干选机在山脚树矿平田矸石山的应用. 选煤技术. 2023(04): 37-43 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 84
- HTML全文浏览量: 25
- PDF下载量: 31
- 被引次数: 5
