王志凯
- 作品数：21 被引量：52H指数：4
- 供职机构：北京科技大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划霍英东青年教师基金更多>>
- 相关领域：矿业工程建筑科学水利工程更多>>
- 在充填料浆管道输送中增阻调压的装置
- 本实用新型涉及在小倍线高压头矿山充填系统中<b>在充填料浆管道输送中增阻调压的装置</b>，以增加料浆在管路中的阻力损失的方式解决充填料浆管路输送局部压力过大的问题。所述增阻调压的装置的输入端及输...
- 吕文生杨鹏牟宏伟谷瑞江王志凯马昌远杨超
- 文献传递
- 一种利用铁尾矿协同冶金固废制备发泡陶瓷的方法
- 本发明提供一种利用铁尾矿协同冶金固废制备发泡陶瓷的方法，属于尾矿综合利用技术领域。该方法首先将铁尾矿、铬铁渣、锰冶炼渣、粉煤灰、高岭土和发泡剂研磨筛分后，加水湿磨，然后造粒，将坯料装模与压制后，进行高温烧结，烧结完成后，...
- 王贻明吴爱祥刘树龙王少勇阮竹恩王勇王洪江张敏哲王志凯
- 超声波作用下尾砂浆浓密规律及流变特性研究
- 本论文以国家自然科学基金“声/超声波作用下尾砂浆流体力学特性”为依托，针对目前立式砂仓尾砂浆固液分离难的问题,以加快尾砂的浓密沉降及改善砂浆流动性,提高立式砂仓充填能力、降低充填成本为目的,通过理论研究、物理试验、数值模...
- 王志凯
- 关键词：立式砂仓流变特性超声波
- 文献传递
- 一种浆体浓密和稳定排放装置及方法
- 本发明提供一种高效浆体浓密和稳定排放装置及方法，属于絮凝沉降技术领域。该装置包括仓体、换能器载体管、声/超声波换能器、数控器、自转驱动装置、混料螺旋管、絮凝剂管、溢流管、稳流筒、载体管稳定器和放砂口，其中换能器载体管置于...
- 吕文生诸利一杨鹏王志凯杨超宋世文崔耀盛王志军张浩
- 快速提高砂仓/浓密机沉砂浓度并增强其流动性的装置
- 本实用新型涉及快速提高矿山立式砂仓/深锥浓密机沉砂浓度并增强其流化性能的装置，以声场振动的方式强化出仓砂浆的流化性，提高尾砂出仓浓度。所述该装置应用振动超声波作用于立式砂仓/深锥浓密机中砂浆的沉降区和压缩区，所述该装置包...
- 吕文生杨鹏谷瑞江牟宏伟王志凯宋世文
- 文献传递
- 在充填料浆管道输送中增阻调压的装置
- 在充填料浆管道输送中增阻调压的装置，本发明涉及在小倍线高压头矿山充填系统中增加料浆在充填管路中的输送阻力的装置，以增加料浆在管路中的阻力损失的方式解决充填料浆管路输送局部压力过大的问题。所述增阻调压的装置的输入端及输出端...
- 吕文生杨鹏牟宏伟谷瑞江王志凯马昌远杨超
- 文献传递
- 破裂岩石加固后力学性质试验研究被引量：13
- 2012年
- 地下工程开挖过程中,经常会遇到破裂结构岩石,而且完整岩石在高应力或其他因素作用下也会发生破裂。破裂岩石往往具有岩块强度较高、岩体强度较低的特点,但破裂岩石经过有效加固后能够保持较高承载能力。应用室内模拟方法,对完整岩块以及采取注浆胶结、锚杆–注浆胶结联合加固2种方法加固后的破裂岩石力学性能进行试验研究,获得破裂岩石加固后的强度恢复信息。试验结果表明,注浆胶结加固后的破裂岩石试样抗压强度可以恢复到完整岩石试样的40%～50%,无残余强度;锚杆–注浆胶结联合加固的破裂岩石试样抗压强度恢复率略大于胶结岩石试样,残余强度明显提高。
- 金爱兵王志凯明世祥
- 关键词：岩石力学破裂岩石力学性质
- 尾矿坝稳定性物理模型试验研究被引量：3
- 2013年
- 以西石门铁矿生产的尾矿砂作为试验材料,通过自行研制的尾矿坝物理模型试验装置,按照室内小比尺堆积尾矿坝模型。加压试验导致坝体内产生高孔隙水压力,而浸润线上升幅度及影响范围较小,表明由于坝体继续堆高引起尾砂液化从而导致坝体失稳的风险不大。坝体位移监测结果表明尾矿坝中部变形最大,该区域为尾矿坝体失稳及采取工程措施的关键部位,坝体稳定存在1个临界高度,当超过其高度会使变形急剧增大,引起坝体失稳。因此在实际工程中应充分重视这一临界高度,并采取相应的工程措施。
- 张敏哲金爱兵王志凯张院生
- 关键词：尾矿坝物理模型试验稳定性分析
- 一种高效浆体浓密和稳定排放装置及方法
- 本发明提供一种高效浆体浓密和稳定排放装置及方法，属于絮凝沉降技术领域。该装置包括仓体、换能器载体管、声/超声波换能器、数控器、自转驱动装置、混料螺旋管、絮凝剂管、溢流管、稳流筒、载体管稳定器和放砂口，其中换能器载体管置于...
- 吕文生诸利一杨鹏王志凯杨超宋世文崔耀盛王志军张浩
- 文献传递
- 充填体强度的支持向量机设计匹配模型被引量：1
- 2016年
- 充填体强度设计的预测受到多种高维度、非线性、随机性因素的影响。为改善当前充填体强度设计预测效果不佳的现状,使用支持向量机(SVM)方法在matlab软件中借助Lib SVM工具箱建立充填体强度设计匹配模型。分析并筛选出8个主要因素作为条件属性,充填体强度作为决策属性,并挑选出72组训练样本和6组校验样本。模型选择径向基函数(RBF)为核函数,采用网格搜索法对参数寻优,再通过交叉验证检验最优参数组合。结果表明:SVM匹配模型做出的回归预测平均误差为1.94%,校验预测平均误差为2.23%,相对于BP神经网络模型,预测准确度更高。在保证采场稳定性的前提下,SVM匹配模型更为有效地减少水泥消耗、降低充填成本,提高企业经济效益。
- 王志军吕文生杨鹏王志凯王金海
- 关键词：胶结充填充填体强度支持向量机BP神经网络
