粒度控制

粒度控制（精选九篇）

粒度控制 篇1

关键词：RBAC,细粒度,权限偏序,隐藏登记

用户采用角色访问控制登录系统时,要验证三件事情:

(1)判定是否是合法用户。读用户表,用户名/密码匹配。

(2)查找该用户具有的权限集合(菜单),并调整为深度优先序,为菜单做准备。在进入页面展现菜单前,需要鉴权计算该用户具有的角色的权限集合,然后将该串传递给JS组件的渲染菜单,由渲染函数[1]负责显示相应的菜单——从而使得合法用户登录后出现其具有权限的可见菜单。但如果每次进入新页面都重新鉴权计算权限集合,耗费太高。可考虑使用这样的策略:在登录后第一次得到该用户的权限集合时将该menu串写入浏览器session域。以后每当转向到新页面重绘菜单时可以直接从session中拿到串后用JS组件函数直接渲染。

(3)如果每次点击某个页面的功能按钮都需要去读数据库判定他是否具有该功能点的操作控制权限,在分布式系统网络环境和服务器性能不很理想的情况下,可以采用与上面类似的策略,在用户登录后就将该用户具有的功能点集合写入session保存。特别要注意的是,session有时候需要全网同步,比如当修改了某个用户的密码或角色时,需要提示session过期重新登录以激活变更。

1 权限设计

网站端的页面控制,都是基于浏览器的html网页语言。所有的UI组件中,最基本被使用到的是按钮和菜单,因此,细粒度的角色权限访问,首要解决这类基本组件的灵活切换显示问题。我们可以将菜单视为一种权限,具有相应权限的用户合法登录后就能得到这个菜单。常被使用的菜单JS组件(如cool Menu和d Tree),接收一个深度遍历的串,将其可视化为层次化的菜单。

以cool Menu为例,对menu字符串传入一JS菜单渲染组件函数showmenu(menu),它负责生成如图1所示的菜单:

权限表和功能点表的内容随着开发推进可能需要修改,而权限表表结构带有明显的层次性,对它的修改将需要全部删除记录后再按照深度顺序重新录入,异常繁琐。菜单的层次性要求按照从上到下,从左到右深度优先的顺序拼接权限表记录,然后将串传入菜单渲染函数形成菜单,如图1所示。展现一个角色具有的权限和功能点同样要求保持层次性(父级权限应该在子级权限或功能点的上一行,子级权限或功能点应该比上一层更缩进)。如果系统定义了动态调整权限和功能点的菜单接口,这也需要按深度优先顺序调整权限表记录顺序。

总之,若对权限表记录不做深度优先序排列,在生成菜单和增删改角色的页面展现时会异常困难,get DFSMenu No算法将调整权限数组顺序的流程[[2]]:

(1)首先将虚构的根权限加入到权限数组v Right;

(2)将访问数据库得到的权限结果集加入到v Right;

(1)从虚构的根权限(其在v Right中下标为0)开始遍历传入的数组;

(2)如果当前节点是其儿子,将该节点加入另一个权限数组保存,处理调整该节点的权限编号为以”-”间隔拼接上所有祖先权限编号前缀(该算法受限于篇幅不列出);

(3)记录新的遍历起点为该节点,并开始新的递归调用get DFSMenu No;

(4)如果不是,继续遍历数组直至退出循环。

当最外层递归遍历处理完v Right权限数组时,也就是处理完虚构的根权限的所有儿子时(顶级权限)时,主函数的调用get DFSMenu No结束。当权限表记录规模为N时,每个节点都需要遍历数组找到儿子,向上递归获得祖先前缀,然后再向下深度递归处理子孙。因此最坏情况下算法复杂度为O(N3)。当部署环境的服务器设备性能或分布式网络环境不尽理想时,考虑到最终使用的都是带前缀的权限记录,可在输入静态表的权限记录时就带上其祖先前缀——这样省去了向上递归获得祖先前缀的过程算法复杂度改善为O(N2)。

2 细粒度访问规则与算法分析

细粒度访问控制,源于对控制的细化丰富层次的考量。例如,新页面或窗口的弹出可以视为对某菜单项点击的响应,从这个维度触发,我们可以继续展开如下分析:

(1)向上追溯看,对于菜单项本身,有其是否可见的一层控制;而且,菜单项源于上一层菜单项或上一层菜单的点击或触发弹出。当然也可能到顶层而没有父层菜单了,对于这种情形,我们可以构造一个虚的根,代表到顶。

(2)向下延伸看,菜单点击触发的事件响应,即新页面或新窗口的触发弹出。在页面之上的按钮或其他可见元素的是否可见,也可以作为一层控制。

综合两个方向的扩展,我们发现,向上是寻找父节点递归访问直至顶层的算法过程,在具体实现时使用parent Ptr一个域即可逐层向上回溯;向下则只有一层,仅需访问本页面或本窗口的可见元素。

理清上述所须的存储结构后,还需进一步分析访问规则:

(1)定义角色时,需要分配权限,这里姑且把菜单定义为权限。那么,当给新定义的角色分配权限时,首先需要展示所有的权限树。一级菜单组成了若干棵,从而整体上是森林结构。但为了访问的便利,如前所述,需要构造一个虚的根,才能称作树,才能将若干个一级菜单统一组织起来成为树。

当展示所有权限时,对树应采用层次遍历的方式,这非常类似与菜单的格式化布局——即第一级菜单,第一项菜单的下面是第二层所有菜单项……所以,这是一种层次遍历展现。

(2)更改角色的赋予权限时,同样需要展现所有权限,与上述不同处在于还要对已赋予的权限给出勾勾的选中标识,仍然采取层次遍历的方法。具体做法,可考虑在具有该角色的用户登录时,直接加载记录一个串保存两方面的信息:其一是所有的权限串(包括最后一级叶子节点);其二包含所有权限的选中信息。

(3)由于权限间具有的偏序层次特征[[3]],当获取某角色所具有的权限时,除了孤立的权限点,还有各自的权限子树。因此,如何表征权限的层次特征变得十分重要。我们可以在权限编号上做文章:比如,将父亲权限作为直接子女的权限编号的前缀——那么,可以直接从某权限的全路径名获知深度,以及直接访问其树上任意祖先节点。

(4)当更改或新建一个角色的权限时,由于权限的偏序层次性,需要联动保存以该权限为根的权限子树的选中状态。比如取消某父权限,那么应该取消其下属的所有子孙权限;如果选中某父权限,那么默认应是选取所有子孙权限。这样的动作意味着两个方面的含义:

(1)页面或窗口上的权限树选择的脚本控制算法。

对所有权限都赋予一个选择框checkbox之后,该组算法还要解决下面的三个问题:

全选控制:应提供一个全选框,供选中所有元素用。使用DOM模型能很方便地遍历访问页面的FORM表单内的所有组件单元;对于其他框架的窗口,细节虽然不同,但机制类似,比如MFC框架,能从Main Frame中简单获得所有组件。

类似的,对非叶子节点直接选中时,应具有对其子孙权限树所有节点的自动全选中;对非叶子节点的checkbox框直接去除选中时,应对其咨询权限树所有节点的全部清除,即全部不选中。

部分选中:当某些层次的子权限选中时,其直接双亲应选至少部分选中,并沿着双亲链上溯,将所有祖先都部分选中。若所有页面上的元素全部被选中,应自动置全选框选中。

部分去除:初始某权限节点为全部选中状态时,若去除了某些子权限点,应置该父权限节点为部分选中状态;若去除了其所有子孙权限,需置该父权限节点未选中。

(2)点击保存后的保存角色对应权限树的算法。

根据浏览器脚本语言的特性(Java Script/VBScript),对页面上Form表单的操作提交后会生成该表单上所有组件的请求串,因而剔除掉不感兴趣的表单组件就很有必要。可采用一种被称为隐藏登记[[4]]的方法,借助Html标准hidden组件来追踪记录。例如当使用checkbox组件来表征各种权限和功能点的配置项时,表单上的其他一些组件比如textbox/textarea就不需要记录跟踪。使用hidden组件用于标选我们感兴趣的组件是值得赞许的选择。从算法效率上来说,遍历与当前应用相关的少数hidden组件比遍历整个表单时间耗费上代价小得多。

对于应用系统来说,不必也无需感知角色访问控制模块的存在,RBAC模块对业务模块应是无侵入或者甚轻侵入的。可考虑引入一个鉴权中枢类,封装前述提到的若干算法设计,由于是鉴权用户的角色,然后从角色鉴定其权限,继而展现相应丰富程度的页面或窗口,因此,将鉴权中枢类定义为用户的直接父类是最佳考虑。

3 数据库设计

对系统用户建立用户表,对用户类型做角色分析使用户和权限不直接耦合(这样能动态调整用户访问权限和功能点控制权限,使系统更有灵活性)。一个用户可有多个角色(比如张三是系统管理员又是班主任,这两个角色有不同的权限集合),而一个角色也可被分配给多个用户,用户与角色的多对多关系使用用户角色关联转化为两个多对一关系。一个角色,对应着多项权限,而一个权限,可被分配给多个角色,角色与权限的多对多关系使用角色权限关联转化为两个多对一关系。

上面几个表的设计,能够完成用户查找角色,角色查找权限获得自己授权的操作(菜单)。如果需要进一步细粒度控制页面上的按钮(即功能点控制),还需要定义角色权限功能点表它定义每个角色具有的权限和功能点(两个角色,有可能有着相同权限但不同的功能点)。

4 结语

RBAC的优点不言自明,细粒度的RBAC应用更有所值。本文给出了低成本的与语言和应用框架无关的解决方案思路,对主要的算法做了深入剖析,并给出了数据库逻辑设计图。相信对RBAC应用研究会有进一步的推动。

参考文献

[1]刘鹏远.基于角色的权限管理可重用解决方案[J].计算机系统应用,2007,16(6):28-31.

[2]刘鹏远,李彤.基于角色的权限管理的总体解决方案[J].计算机工程与设计,2007,28(24):6033-6035.

[3]刘鹏远等.细粒度同异步偏序权限建模角色访问控制模型[J].云南大学学报(自然科学版),2014,36(4):504-511.

粒度控制 篇2

【关键词】激光粒度仪； 应用价值

引言

激光粒度分析仪采用湿法分散技术工艺，机械搅拌使检测样品均匀散开，利用超声高频震荡使其中团聚的颗粒充分分散，电磁循环泵使大小颗粒在整个循环系统中均匀分布开来，从而在根本上保证了宽范围分布样品测试的准确重复。

一、介绍测定粒度的方法

1、问题

我们通常所用的测定方法是国外的MSS型激光粒度分析仪，但在实际检测过程中存在着很多的问题：

（1）MSS型激光粒度分析仪在检测数据中通常采用的方式为粒度分级格式，此中检测方式与我们目前常用于石油地质中碎屑岩的分类方式是完全不一样的。这种颗粒分级格式用于碎屑岩粒度检测是行不通的，我们必须寻找其它粒度检测方式[1]。（2）实验证明MSS型激光粒度分析仪4μm以下的粒径又检测不到，（3）通常用到的MSS型激光粒度分析仪测量次数太少，因为这种分析仪的采样次数很少，只有2000次，在这种情况下，检测获得的数据准确性不高，检测重复性也有较高的误差。（4）MSS型激光粒度分析仪不能很好地进行数据处理，在检测样品时，必须知道样品粒度分离的质量分数，而且此软件在进行数据处理时，混合记录数据存在着严重的错误信息，在检测样品叠加之前，出现同一样品真实数据合并等问题。

2、解决方案

为了克服国外的MSS型激光粒度分析仪的不足之处。我们提出了改进激光粒度分析仪测量粒度分布方法。其实激光粒度分析仪测量粒度分布方法就是国外MSS型激光粒度分析仪的革新。具体方法如下：

将碎屑岩粒度分级：

根据SY/T5434行业标准，不同粒度的碎屑岩会有不同的分级，当颗粒粒度在1！～4！之间时，我们按照1/4！间隔进行粒度分级的，当粒度在-1！～0！，4！～8！之间时，是按照1！间隔进行颗粒粒度分级的，当粒度小于或等于-1！和大于8！时，颗粒粒度将不再进行分级。

（2）为了更好的获得准确的数据记录，将粒度测量检测上限达到8 000μm我们第一步要计算出颗粒粒度粗细的比例值，第二部我们运用上限可以扩展获得的方式，把分离出来的数据记录扩展到湿法检测数据上，其实我们也可以分别进行湿法和干法的颗粒粒度测量，但是它的上限达不到我们的要求，合并后可以获得粒度分布数据。通过比较后发现后添加上的粒度分布数据重复性好，准确度高[2]。

二、实施方案

干法测量的安装仪器检测范围为4～350μm的颗粒粒度分布。

我们先准备好1000mm范围的透镜，然后打开仪器前窗口，将1000 mm范围透镜安装在仪器接收器上，紧接着把干法流动样品池小心的卡在范围透镜上，最后关闭仪器前窗口。

当实行样品测试

如果样品在单一检测量程内，检测仪可以一次性完成测量并记录数据。根据我们更换仪器透镜可知，仪器设备共有3个单一检测范围：第一：.湿法范围在300RF：0.05～900μm；2第二：湿法范围在300F： 0.5～900μm；3第三：干法范围是1000：4～3500μm。以上实验步奏必须在硬件设置、分析设置、光学特性设置准备无误后，才能进行检测。

实验对准确度的要求是非常高的，为了达到我们想要的准确度，实验不仅需要重复性，也需要改变采样次数，必须把原先的MSS型激光粒度仪的采样速度2000次，设置为现在的10000次，

以前需要5秒，现在是20秒，这样使测量数据更加准确、可靠。

（4） 人们倾向于传统的筛析-沉降法，但是这种方法不提倡用于致密的碎屑岩是因为这种检测方法分析流程比较长，而且对样品要求分散度较高，所以不适用于致密的碎屑岩。所以我们在对于不同测量方法的数据比较时，应该注意：对同样种样品，如果检测出数据差值很大的现象，不要惊讶，并不是检测出现错误，而是我们用了不相同的方法，方法不同，测量时粒度状态不相同，测量颗粒直径不一样，其结果也不会相同了。由此我们需要将激光粒度分析仪与筛析法、沉降法、图像分析法等粒度测量数据进行比较

通过比较会发现：

①激光法和筛析-沉降法的比较

通过实验对元素古151和对元素井131块样品进行了双样测试，其结果显示，95%的样品主命名方式相同，激光法测试数据结果虽然比比筛析-沉降方法测试数据结果粒度分布高出1/4！～1/2！，但是这两种测试数据的总体分布概率基本相同。

②激光法与图像分析法的比较

当我们对元素跃检1井10，11，12，20，21，22号样品进行双样测试时，数据记录显示颗粒粒度分布总的趋势和粒度主名符合较好，大部分的样品分布一致。通过二者比较可知， 虽然激光法比筛析-沉降法粒度测试数据偏大一点， 但是激光法与图像分析法的粒度數据还是基本一致[3]。

三、结论

随着高科技的不断发展，激光粒度分析仪不仅发挥其特有的功能用于科研生产，这一突破性的创新技术在碎屑岩粒度测试中得到了很好的应用，这一重大发现改变了粒度测试长期以来测定难度大、检测时间长、检测数据处理误差大等很多不利的因素。通过以上方法改进，得到如下几点结论：

（1）运用筛析和沉降法进行颗粒粒度分析，这种方法已经发展成了由快速化。智能化、简单化、的激光法测定，不仅在一定程度上减少了测量误差，而且在分析速度中提高了近5倍。（2）岩石颗粒粒度大小不同，其测定的方式也会不相同，这里有两种方法进行测定，第一种是用筛析法测量数据扩展激光湿法测量数据， 测定上限达到8000μm；第二种是采用激光干法测量数据扩展激光湿法测量数据，测定上限可达到3500μm，此方法迭加合并的数据更加符合实际。当岩石含有大于900μm的粒度时，可以采用两种方法中的任何一种。（3）为了改善了原先筛析-沉降法测试间距设定的局限性。我们可以按颗粒粒度分类标准进行设定测定数据分界点。（4）当MSS型激光粒度分析仪采样次数设定为10000次时，其相对误差由原来的百分之十下降到百分之六以下，需要时间为20s是比原来的2000次提高了近5倍，其重复性相对标准偏差由原来的不大于百分之八精确到百分之五。（5）我们通过比较实验获得的数据得出，无论是激光法，还是图像法，实验获得的检测数据基本上是一致的。因此，我们可以得出结论：目前为止，采用激光法检测油田碎屑岩粒度是一种准确的测试方法，

并且在测定碎岩屑粒度测定中有着非常重要的价值。

参考文献

[1]吴文明，秦飞，李亮[J].钻采工艺，2013，（03）89-92+10-11

[2]杨红波，杨磊.超声衰减粒度仪在煤粉粒度测量中的应用[J].中国仪器仪表，2012，（05）：.67-69.

作者简介

基于细粒度调整的同步播放控制算法 篇3

随着通信技术、计算机技术和多媒体技术的高速发展,基于Internet环境的实时流媒体业务已成为当前IP网络应用的主流发展方向。而IP网络所具有的网络时延和时延抖动,使得在现有网络体系结构下实现流媒体的实时播放,必须解决因网络时延和时延抖动所引起的播放同步问题。为解决媒体播放的同步问题,国内外学者进行了大量研究,并提出了相应的解决方案[1,2,3]。文献[1]提出了基于发送端的同步控制方法。文献[2]采用播放速率调整方法。上述方法在同步控制方面取得了较好效果,但仍存在不足。

基于现有研究成果,本文依据低速率情况下,用户对增加或减少一个媒体单元较为敏感,而对播放速率的微小变化不敏感的控制思想,提出一种基于播放速率细粒度调整(Fine Granularity Play-out Speed Adjustment,FGPSA)的同步控制算法。算法通过监测接收端播放缓存区的变化,动态、细粒度地调整播放速率以实现流媒体的内同步。

1基于细粒度调整的同步控制算法

1.1系统模型

接收端动态播放系统的模型如图1所示。缓存区的总容量为L,图中阴影部分为已缓存的帧数据,其容量为LC,并将缓存区设置为两个控制门限LL和HL。LL是低限,HL是高限,为播放队列长度期望的稳定区域。播放缓存区大小的选择可参见文献[5]。控制器根据缓存区的占用情况控制播放速率:当缓存区队列长度减小时,降低播放速率;当缓存区队列长度增大时,提高播放速率。选取了合适的缓存区后,门限HL和LL的选择需要综合考虑缓冲区为空的概率、帧丢失概率、 平均服务速率等因素,本文根据实验仿真,取上限HL=0.70B,下限LL=0.30B。

一般来讲,媒体流在长时播放期间所引起的播放缓存量变化B可由下式估计:

B=(λ-μ)·S/t (1)

式(1)中,λ为进入播放缓存的报文数,μ为流出播放缓存的报文数,S为媒体流的报文长度,t为调整周期(通常为固定常数)。则B在点(B,λ,μ)的变化率可以表示为λ和μ的偏导数,如式(2)所示:

undefined (2)

记媒体流的流入和流出的调整量分别为ΔW和ΔV,则对于λ和μ所引起的缓存量的变化可以表示为:

undefined (3)

undefined (4)

式(3)中的ΔW代表了t周期内接收端接收到的最大报文数,ΔV代表了接收端播放的最大报文数。式(3)、式(4)表明播放缓存的稳定可以通过调节流入和流出缓存区的媒体流量来实现。但ΔW的调整与控制与发送端和网络状态有关,需要网络和终端的相应服务质量(QoS)保证机制实现,这将在另文中研究实现,本文不予讨论。本文提出的播放控制算法主要从速率调整角度考虑,因此,选择播放速率为调节对象,即通过速率的调整实现媒体流的内同步。

FGPSA的基本思想是通过周期性地动态调整播放速率的方法对播放缓存的占用量进行控制,使缓存稳定在给定的区域内。具体的说,就是将最小允许播放速率与最大允许播放速率之间的速率差值以及给定的稳定区域(即HL-LL)划分为若干小的等分间隔,并使速率跟随缓存区队列长度的变化而自适应调整。

1.2 FGPSA算法的实现

算法的目标是根据给定的缓存区域限制,对播放速率进行调整。具体地说,就是构造特定的播放速率调整控制序列μA,使得在此序列的控制下缓存占用量稳定在规定的区域内。

为实现上述控制目标,算法实现上采取以下方法:首先将μmax-μmin和HL-LL等分为N份,并记速率的等分间隔为调整量Δμ,缓存区的等分间隔为ΔL,为便于描述,将Δμ和ΔL用“1”来表示。这样,算法描述就简化为:当某一调整期内测得缓存区的队列长度为n个“1”时,对应选择m个速率调整量“1”,使缓存队列长度稳定在给定的[LL,HL]期望区内。这里将一个调整期内由m个速率调整量构成的序列称为附加调整序列ΔμA。接下来的工作是在控制精度允许的范围内构造控制序列μA。

FGPSA算法使用最小允许播放速率μmin为基本的播放速率,通过与附加控制序列叠加获得控制序列μA,如式(5)所示:

μundefined=μmin+Δμundefined (5)

式(5)中,μundefined为第k个元素,代表第k个调整周期的速率调整值,Δμundefined为附加调整序列ΔμA的第k个元素。μmin是最小允许播放速率,在调整周期内保持不变。

为了方便地计算附加调整序列ΔμA,需要构造一个调整矩阵M。调整矩阵M具有这样的特点:MN×N是一个N阶方阵,它的每一行都是FGPSA算法的一个附加调整序列;第i行所给出的附加调整序列包含(i-1)个“1”,且这些“1”均匀分布在行中,易知,如果使用此附加控制序列,就可以获得附加的(i-1)个速率调整量。表2给出了一个8阶的调整矩阵(矩阵生成算法见下节),表1中,矩阵的第4行包含3个“1”,因此,可以获得3个附加的速率调整量。

基于以上讨论,对FGPSA算法的工作流程描述如下。文中为了降低网络突发流量对缓存队列长度测量的影响,算法中采用指数加权滑动平均的方法对缓存区队列长度进行测量,其计算式如(6)所示。

undefined (6)

式(6)中,undefined为队列预测值,Lk为调整周期内队列长度的采样值。α为预测因子,仿真中取值0.6。

FGPSA算法的工作流程分为以下几步:

1) 根据控制精度要求对μmax-μmin和HL-LL进行N等分;

2) 根据控制精度要求构造T阶调整矩阵M;

3) 由式(6)计算当前队列长度;

4) 根据式(7),选取调整矩阵M的第j行为附加调整序列ΔμA。

undefined (7)

式(7)中, ·」表示取整运算,N为HL-LL的等分数。

5) 在得到μmin和ΔμA后,利用式(5)计算得出播放速率调整序列μA;

6) 在接下来的调整周期内,利用μA对播放速率进行实时调整。

1.3调整矩阵的生成

由FGPSA算法可知,调整矩阵M的每一行都是一个附加调整序列,故矩阵M第i行会有(i-1)个“1”。生成算法的任务是将这些“1”均匀地分布到矩阵的行中,本文使用递归算法生成矩阵,算法C语言的源程序如下:

2模拟实验与结果

为了验证FGPSA播放控制算法的控制效果,选用了校园网中的两个点(一个为媒体流发送端,一个为接收端)进行模拟测试。同时,为了使算法具有对比性,实验中对文献[3]的控制算法(记为RA-Y)也进行了模拟实验,文献[3]的速率调整策略如(8)式所示,式中TH为门限,实验中取值为1.2Mbytes,LB为队列长度。选择的两个点分别位于两个不同的子网内,中间通过多级交换和路由,因此具有一定的代表性。

实验参数设置为:播放缓存的容量L=2Mbytes,媒体流的发送速率为20帧/秒,缓存区的低门限LL=0.6Mbytes,高门限HL=1.4Mbytes,最大、最小允许播放速率分别为μmax=25,μmin=16.67,初始播放速度为μ(0)=0,调整周期T=0.5秒,等分间隔数N=8,播放程序在缓存到一半时开始播放,亦即播放控制算法开始进行调整。

图2为网络重载下运行100个调整周期后的结果。观察图2,在网络重载时,FGPSA的性能优于RA-Y,RA-Y的播放速率和缓存队列波动较大,原因在于算法采用单阈值且在队列长度超过阈值时使用最大速率的固定播放速率。而FGPSA由于使用更精细的速率调整方式,并且跟随队列变化而自适应调整,使得播放速率更平滑,表现出更好地播放效果。

3结论

实时流媒体的播放控制是保证流媒体播放质量的一项必要措施。本文根据媒体内同步的要求,提出了一种视频媒体流的动态播放算法。该方法是以缓存区占用为基础的,根据缓冲区的占用情况动态、精细地调整媒体的播放速率。模拟实验结果证明了所提算法能够有效提高缓存的稳定度,减少播放缓存因上溢或下溢而造成的播放跳跃或停顿,且播放速率更平滑,对播放质量有明显改善。

参考文献

[1] Emst Biersack, Werner Geyer. Synchronized Delivery and Play-Out of Distributed Stored Multimedia Streams[J].Multimedia Systems,1999,7(l):70-90.

[2] Thomas Vinod Johnson, Aidong Zhang. Dynamic Play-Out Scheduling Algorithms for Continuous Multimedia Streams[J].Multimedia Systems,1999,7(1):312-325.

粒度控制 篇4

关键词：微处理器；伪划分；溢出；替换；容量共享；压力均衡

中图分类号：TP302 文献标识码：A

A Capacity Sharing Mechanism Based on Fine-grained Pseudo-partitioning

between Private Caches for Chip Multiprocessors

HUANG An-wen，ZHANG Cheng-yi，SONG Chao，GUO Wei，LI Peng，ZHANG Min-xuan

（College of Computer， National Univ of Defense Technology， Changsha， Hunan 410073， China）

Abstract： A cache capacity sharing mechanism based on fine-grained pseudo-partitioning （CSFP） was proposed， which was aimed at the capacity miss problem confronted with the private caches in Chip Multiprocessors （CMP）. Each cache bank was equipped with a weighted saturation counter array， designed to collect and predict the memory demand diversity experienced by different threads at a fine granularity. The private region and shared region on each cache set were adjusted adaptively， and the partition decision was used to not only guide the replacement of the victim block， but also control the co-operation of spilling and receiving dynamically. An intelligent capacity sharing mechanism was adopted to correct the memory imbalance between different cores， which mitigated the capacity misses in CMP private cache effectively. Experimental results based on a cycle-accurate architecture simulator show that the CSFP mechanism can reduce the capacity misses of private caches in CMP significantly， so the average memory access latency of different programs can be reduced to some extent.

Key words： microprocessor chips；pseudo-partitioning；spilling；replacement；capacity sharing；pressure balance

多核处理器可以在本地私有Cache上复制相应的数据副本，具备以下性能优势：首先，数据的物理放置位置距离请求者处理器核较近，命中延迟较低；其次，不同处理器核上运行的程序间的存储访问不会造成彼此干扰，便于实现性能隔离.

然而，与多核共享Cache相比，私有Cache机制也有若干弊端.第一，多个程序间或者同一程序的多个线程间的访存需求经常呈现出非均衡现象^[1]，容易导致部分处理器核由于私有L2空间不能满足需求而发生容量失效，而其他处理器核的L2 Cache尚有未利用空间^[2]；第二，多个处理器核会对竞争访问的共享数据分别构造本地副本，片上Cache空间的整体有效利用率会进一步降低，容量失效问题更加突出，由此导致的片外存储访问开销不容忽视；第三，随着应用程序工作集规模的不断增大，单纯依靠本地私有Cache Bank的容量往往无法满足片上存储需求.因此，改善多核处理器私有Cache面临的容量失效问题对于提升访存系统性能至关重要.

1 问题来源与相关研究

多核处理器私有Cache间可以通过溢出协作机制（Cooperative Caching，CC）^[3]来实现核间容量共享，它的主要思想是：允许本地Cache将替换出来的数据块保存在其他处理器的Cache空间中，当再次访问该块时可以从远程L2 Cache获得数据，避免部分片外存储访问.传统溢出机制的不足之处在于^[3]：第一，溢出操作存在一定的盲目性，没有考虑多核上各线程对访存容量的需求差异.第二，依赖于集中式的一致性引擎来控制溢出操作，在大规模多核系统中应用时可扩展性欠佳.

与CC^[3]相比，动态溢出接收机制（Dynamic Spilling-Receiving，DSR）^[1]基于采样和Set-Dueling方法来挖掘处理器核间的粗粒度访存需求差异特性，能够根据应用程序动态变化特性来控制“溢出者”（Spiller）和“接收者”（Receiver）身份决策与转换.事实上，多核私有Cache环境中，在Cache Set层次存在明显的细粒度访存需求差异现象，常常出现某些Cache Set承载的访存压力较大，而位于其他远程处理器私有Cache上的同级Cache Set承载的访存压力较小[4-6].

Herrero等人^[7]提出了弹性协作缓存机制ECC （Elastic Cooperative Caching），从Cache Bank层次引入容量划分的思想，能够根据应用程序行为动态、自主地调整每个结点上的Cache空间划分，允许为重用性较高的线程构造较大的本地私有Cache，还允许从其他结点未使用的Cache容量中占用较大的共享空间.Fujieda等人^[8]则在ECC的基础上，提出为每个处理器核设计相应的命中频率计数器HFC（Hit Frequency Counter）来统计处理器核层次的粗粒度访存需求差异，考虑了各核在访问片上末级Cache时命中不同LRU栈时的权值情况，用以指导多核私有Cache之间的容量共享与划分决策.

可以看出，溢出机制和私有/共享空间划分思想为多核私有Cache的容量失效问题提供了新颖的解决思路.然而，CC机制^[3]在溢出操作时执行过程中存在盲目性，DSR机制^[1]则无法精确感知Set层次的访存差异情况；ECC机制^[7]和HFC机制^[8]则均是以处理器核为粒度来统计访存需求差异，不能充分挖掘核间访存需求在Cache Set层次的细粒度差异特性.

为此，本文针对多核处理器私有Cache结构面临的容量失效问题，提出一种基于细粒度伪划分的核间容量共享机制（A cache capacity sharing mechanism based on fine-grained pseudo-partitioning，CSFP）.CSFP通过为每个Set设置加权命中饱和计数器来统计和预测多核各线程间在Set层次的细粒度访存差异情况，并以此指导每个聚合Set上同级Set间的私有/共享容量分配，实现划分引导的替换与溢出决策，进一步改善多核处理器在实现核间容量共享时牺牲块替换、溢出和接收操作的智能性.

2 基于细粒度伪划分的容量共享机制

为便于后续描述，本文将各处理器核私有Cache Bank中具有相同索引值的Set称为同级Set（Peer Set）^[1]；在16个Cache Bank中，索引值相同的16个同级Set构成一个聚合Set（Aggregate Set）^[9].

CSFP从3个方面改善传统溢出与接收机制在实现私有Cache间容量借用时的性能：第一，从细粒度层次考虑了同一聚合Set上各个同级Set之间的访存压力横向非均衡分布问题，并且考虑了访存踪迹分布的LRU栈距离特性；第二，基于聚合Set中各个同级Set间的细粒度存储压力差异情况，对各同级Set进行分类并指导私有/共享空间划分决策；第三，通过牺牲块替换、溢出、接收的协同操作来实现Set层次的细粒度容量伪划分，控制各Set中本地块和溢出块的比例，改善核间容量共享机制的自适应性.

由于需要对访存压力细粒度表征和划分引导的替换-溢出决策机制提供硬件支撑，CSFP对Cache模块进行了相应扩展，其体系结构支撑和数据管理框架如图1所示.

首先，为每个Cache块增加了两个状态标识位：Spilled位和Singlet位，Spilled位用以标识数据块是本地块还是溢出块，Singlet位用来标识该数据块是否为片上唯一副本.其次，为每个Cache Set增加了一个8位的加权饱和计数器（Weighted Saturating Counter，WSC）、一个2位的压力状态表征标识域Pressure-State以及一个Private-Quota容量划分控制域.最后，为对溢出操作选择合适的目的地，和ECC^[7]类似，CSFP为每核设置一个4位的接收者指针Destination-Pointer.

从数据处理流程来看，CSFP需逐步完成以下工作：1）基于WSC的细粒度访存需求差异评估方法；2）访存需求差异感知的Set分类与自适应容量划分策略；3）划分引导的牺牲块选择与溢出决策机制.

2.1 基于WSC的细粒度访存需求差异评估方法

为评估多核处理器私有Cache间在Set层次的细粒度访存需求差异情况，CSFP从细粒度层次为每个Cache Set扩展了一个加权饱和计数器WSC^[10]. WSC[10]与HFC^[8]均可以用来评估核间访存需求差异，二者不同之处在于：HFC用于评估不同处理器核的Cache Bank间的访存压力情况，属于粗粒度的访存需求差异评估机制，而WSC用于评估同一聚合Set中各个同级Set间的访存需求差异，属于细粒度层次的访存压力感知机制.

WSC的计数值能够从细粒度层次直观反映当前Cache Set的存储压力特性：一方面，若处理器核在本地目标Set中的访问命中越频繁，则说明当前Cache Set中的数据块对片上末级Cache命中率的贡献越大.另一方面，从数据重用特性的角度考虑，WSC值越大，表明该Set中的数据块被频繁访问，或者访存序列经常命中LRU栈底部，数据重用时表现出的LRU栈距离较长^[8].

在WSC数值更新过程中，不但考虑了各Set上的访问命中频繁程度，还考虑了访存序列的LRU栈距离特性，根据数据块被命中时所处的LRU栈位置不同，在计数器值增加时分别赋予不同的权值^[10].对于N路组相联Cache而言，若命中当前Set的MRU块，则该Set对应的加权饱和计数器增加1，依次类推，命中LRU块时，该Set对应的WSC自加N.此外，由于CSPF允许牺牲块通过溢出操作保存在远程同级Cache Set中，如果命中远程溢出块，说明其数据重用性较高，因此在更新WSC时赋予更大的权值，数值为Cache组相联度的两倍.

2.2 访存需求差异感知的Set分类与容量划分决策WSC值差异情况可以反映同一聚合Set中隶属于不同处理器核的各个同级Set间的细粒度访存压力之间的横向差异.CSFP采用和FSB^[11]类似的方法，引入压力阈值调整参数a来区分聚合Set中各个同级Set间的访存压力差异特性.

引入压力阈值调整参数后，根据同一聚合Set内各个同级Cache Set上的压力最高值和最低值，通过计算可以获得相应的高压阈值和低压阈值，从而将同一聚合Set中各个同级Set分为高压、中压和低压三类[10-11]，即High-Utility， Median-Utility和Low-Utility.大于高压阈值的结点被分类为高压结点，小于低压阈值的结点被分类为低压结点，其他结点则属于中等压力结点.CSFP中的压力阈值计算、Set分类和划分决策依据如图2所示.

每隔一定指令间隔，CSFP会触发压力检测与Set分类操作.首先检查各聚合Set中压力计数器的最小值min和最大值max，计算高压和低压阈值，进行Set分类并更新相应的压力状态位，然后根据新的Set角色来确定每个Set上的重划分决策.为保证WSC能够动态感知程序在不同运行阶段的访存特性，每次划分操作结束以后，需通过移位操作将WSC计数值消减为原来的一半，在此基础上重新开始计数.

为从细粒度层次控制每个Set中的私有空间和虚拟共享空间的比例，CSFP为每个Set设置了一个Private-Quota计数器来动态控制本地处理器核在各个Set应该独占的私有Cache Way的配额.

对于High-Utility类型的Set而言，说明本地处理器核的数据重用率较高，访存序列LRU栈距离较长，因此在High-Utility类型的Cache Set中划分为私有Way的数量进行增加，降低容量失效发生的机率，同时避免其他处理器的溢出操作对High-Utility类型的Set造成过多影响.对于Low-Utility类型的Set而言，由于当前Cache Set为本地处理器核提供的命中较少，数据重用性相对较差，减少其中私有Way的数量不会引起显著的容量失效，可以提供更多的Way来接收其他同级Set逐出的牺牲块，因此在重划分时减少Low-Utility类型的Set中的私有Way的数量，增加其中共享Way的数量来为多核提供虚拟共享空间.对于Median-Utility类型的Set而言，则继续保持当前Set中的私有Way的数量不变.

为避免容量划分抖动对存储系统造成负面影响，CSFP在私有配额更新过程中保证每个Set中至少一半容量划分为本地私有空间，同时保证每个Set中至少一路作为共享空间.2.3 划分引导的替换-溢出协作机制

进行容量重划分的目的是为了指导数据替换时的牺牲块选择与溢出决策.当发生本地失效时或者需要接收其他远程结点的同级Set传来的溢出块时，CSFP需要在本地目标Set腾出一个Cache Slot来保存从内存或其他结点传来的数据块.此时，需要完成两个工作：1）选择哪个数据块作为逐出块（即牺牲块选择）；2）如何处理该逐出块（即溢出决策）.牺牲块选择和溢出决策过程分别如图3和图4所示.

CSFP在牺牲块选择过程中考虑了数据块和本地处理器核的亲和性，还考虑了片上数据副本的唯一性.从处理器核与本地Cache Bank中的数据亲和性来看，每个Set中的数据块可以分为本地数据块（即Native块）和被溢出的数据块（即Spilled块）两类：Native块是指由于本地处理器核访问过而在本地Cache Bank中保存的数据副本，通过将Spilled位设置为0来标识；Spilled块是指由于远程处理器核通过溢出操作放置在本地Cache中的数据块，通过将Spilled位设置为1来标识.类似地，若某个块的Singlet位为1，则说明该块属于片上唯一块；反之，若Singlet位为0，则说明该块在片上末级Cache中有多个副本.数据块Singlet位的置位和复位是通过侦听该块对应的目录位向量来实现的.

在牺牲块选择时，无论本地目标Set属于High-Utility，Median-Utility还是Low-Utility类型，均首先检查本地目标Set中是否存在无效块，如果有则直接将其作为空闲Slot来存放新来的数据.当不存在无效块时，则在牺牲块选择时会检查本地目标Set中的Native块的数量是否超过当前私有Way配额上限.如果超过则选择最近最久未使用的Native块作为牺牲块；若Native块数量未超过私有空间配额值，则选择最近最久未被访问过的Spilled块.至此，牺牲块选择过程结束.

当本地Cache失效时，完成牺牲块选择过程后，CSFP会进行溢出决策.若从本地Cache逐出的牺牲块属于片上唯一块（即Singlet状态位为1）且被本地处理器核访问过（即Spilled状态位为0），则允许对其进行溢出操作，将其发送至Destination Pointer指向的目标结点，由该结点上的同级Set作为接收者来提供Cache Slot.否则，将该牺牲块直接丢弃.至此，牺牲块溢出决策过程结束.

3 实验设计与结果分析

3.1 实验平台与参数设置

为评估CSFP机制对瓦片式多核处理器私有Cache结构的访存性能改善情况，本文采用周期精确的体系结构级全系统模拟器Simics-3.0.31^[12]作为实验平台，实现面向瓦片式多核处理器私有Cache结构和CSFP机制.目标机器参数设置见表1.

本文采用多线程测试程序包PARSEC^[13]中的13组测试程序作为工作负载对CSFP的性能进行评估，输入集规模为Medium.采用Magic Break指令^[12]跳过应用程序初始化阶段后，对Cache进行一定指令数目的Warm-Up（约500 M条指令，视不同应用程序访存密集程度有所差异）才开始收集性能统计信息，每个应用程序约统计2 Billion条指令.对于不足2 Billion条指令的应用程序，则当多线程应用程序从并行阶段ROI跳出时即停止收集统计数据. 和FSB机制^[11]类似，CSFP在进行Set分类和压力更新时采用20 M条指令周期间隔.此外，压力阈值调整参数a默认设置为0.3.

3.2 性能对比与分析

本文从L2 Cache失效率和平均存储访问延迟等方面对CSFP机制的性能情况进行了评估，并且与多核私有Cache结构和DSR机制进行了对比与分析.

3.2.1 L2 Cache失效率对比

图5说明了DSR， CSFP机制与原始私有Cache （Private）的L2失效率对比情况，其中Private结构的失效率结果规格化为1.实验发现，与私有Cache结构相比，CSFP可以将L2 Cache失效率平均降低13.56%，DSR机制则可以得到8.65%的平均L2 Cache失效率压缩.除raytrace和swaption应用程序外，其余11组应用程序的失效率均得到不同程度的压缩.对于ferret和streamcluster而言，CSFP可以将其L2失效率最高分别降低30.72%和31.02%.另一方面，由于blackscholes， bodytrack， raytrace和swaptions应用程序的工作集规模相对较小，它们对Cache资源的竞争并不强烈，因而表现出较低的Cache失效率，原始私有Cache结构已经能够较好地满足这些程序的容量需求，绝大部分存储访问可以在本地满足，所以引入容量共享机制后对这些程序失效率的压缩非常有限，对于raytrace和swaptions程序的L2失效率甚至分别出现了2.88%和3.76%的小幅负面影响.

3.2.2 平均存储访问延迟优化情况对比

平均存储访问时间（Average Memory Access Time，AMAT）能够直接反映处理器核从发出请求到返回数据所需的延迟，用其作为性能评价指标来衡量访存效率优化程度是可信的.图6以AMAT为指标，说明了DSR^[1]和CSFP机制对Private结构的访存性能提升对比情况，图中以Private为标准对AMAT进行了归一化.

与原始Private结构相比，CSFP则可以将13组多线程测试程序的AMAT平均降低12.23%，DSR则可以获得7.21%左右的性能优化.对于canneal， facesim， ferret， freqmine和streamcluster等应用程序而言，性能改善程度较为明显，而对于raytrace， swaptions和blackscholes等容量需求不强烈的测试程序而言，片上失效中本地私有Cache Bank能够较好地满足负载工作集需求，溢出操作对其性能提升非常有限，因此未能表现出较好的性能.

CSFP机制对访存系统性能提升主要源于两个方面：首先，利用细粒度伪划分方法来调节同一聚合Set中各个同级Set间的私有与共享配额，能够感知应用程序在不同运行阶段的访存特性动态变化情况，提高了溢出操作的自适应性；其次，通过牺牲块替换、溢出和接收操作之间的协作，能够动态控制各个Set中本地块和溢出块所占据的容量空间比例，一方面，访存压力较大的Set能够占用较多的本地容量，仅提供较少的容量作为共享空间，另一方面，访存压力较小的Set则只占用较少的本地私有容量，可以腾出更多共享空间来接收远程溢出块.

3.2.3 硬件实现开销

CSFP机制所需的硬件开销主要包括以下几个部分：首先，为每个Cache块增加了1位Spilled位和1位Singlet位.其次，为每个Cache Set增加了一个8位的加权饱和计数器WSC和一个2位的压力状态表征标识域，还有一个4位的容量划分控制变量（Private-Quota，PQ）.此外，CSFP为每个结点扩展了一个4位的溢出目标指针（Destination Pointer，DP）.CSFP机制的硬件开销如表3所示.每个结点上所有组件引入的额外硬件实现开销不足3 kB，与单个结点上的512 kB L2 Cache数据阵列相比，硬件开销相对很小.

4 结 论

本文针对多核处理器私有Cache环境下的容量失效问题，提出了一种基于细粒度伪划分的核间容量共享机制CSFP，根据核间访存压力差异特性来指导数据替换与溢出策略，在多核私有Cache间实现动态容量共享.

通过在全系统体系结构级模拟平台Simics上运行PARSEC测试程序发现，CSFP在瓦片式多核处理器环境下能够明显改善多核私有Cache空间的容量有效利用率，从而有效降低多线程应用程序的平均存储访问延迟.此外，CSFP机制仅需增加较少的体系结构支撑来实现核间细粒度访存压力感知和数据块状态标识，硬件开销相对较小.

参考文献

[1] QURESHI M K. Adaptive spill-receive for robust high-performance caching in CMPs [C]//Proceedings of the 15th International Symposium on High-Performance Computer Architecture. New York： IEEE， 2009： 45-54.

[2] HYUNJIN L， SANGYEUN C， CHILDERS B R. Cloudcache： expanding and shrinking private caches [C]//Proceedings of the IEEE 17th International Symposium on High Performance Computer Architecture. New York： IEEE， 2011： 219-230.

[3] CHANG J， SOHI G S. Cooperative caching for chip multiprocessors [C]//Proceedings of the 33rd Annual International Symposium on Computer Architecture. New York： IEEE， 2006： 264-276.

[4] DONGYUNAN Z， HONG J， SETH S C. Exploiting set-level non-uniformity of capacity demand to enhance CMP cooperative caching [C]//Proceedings of the 2010 IEEE International Symposium on Parallel & Distributed Processing. New York： IEEE， 2010： 1-10.

[5] ROLAN D， FRAGUELA B B， DOALLO R. Adaptive Set-granular cooperative caching [C]//Proceedings of the IEEE 18th International Symposium on High Performance Computer Architecture. New York： IEEE， 2012： 1-12.

[6] JIA X M， JIANG J， WANG Y W， et al. BP-NUCA： cache pressure-aware migration for high-performance caching in CMPs [J]. Computing and Informatics， 2011， 30（5）： 1037-1060.

[7] HERRERO E， GONZLEZ J， CANAL R， et al. Elastic cooperative caching： an autonomous dynamically adaptive memory hierarchy for chip multiprocessors [C]//Proceedings of the 37th Annual International Symposium on Computer Architecture. New York： IEEE， 2010： 419-428.

[8] FUJIEDA N， KISE K. A partitioning method of cooperative caching with hit frequency counters for many-core processors [C]//Proceedings of the 2nd International Conference on Networking and Computing. New York： IEEE， 2011： 160-165.

[9] HAMMOUD M， SANGYEUN C， MELHEM R. A Dynamic pressure-aware associative placement strategy for large scale chip multiprocessors [J]. Computer Architecture Letters， 2010， 9（1）： 29-32.

[10]HAMMOUD M. Hardware-oriented cache management for large-scale chip multiprocessors [D]. Pittsburgh： University of Pittsburgh， 2010.

[11]HAMMOUD M， CHO S， MELHEM R G. An intra-tile cache set balancing scheme [C]//Proceedings of the 9th International Conference on Parallel Architectures and Compilation Techniques. New York： IEEE， 2010： 549-550.

[12]MAGNUSSON P S， CHRISTENSSON M， ESKILSON J， et al. Simics： a full system simulation platform [J]. IEEE Computer， 2002， 35（2）： 50-58.

粒度控制 篇5

煤炭行业是我国的国民经济建设的主要行业之一, 煤炭经济的年收入在朝着一个稳步发展并且持续增长的局面, 对于社会主义的经济发展起着推动作用。可是煤炭毕竟是不可再生的能源, 在地球上煤炭的存储量是有限度的。在对煤炭进行开采的过程当中, 总是会存在例如顶底板、夹矸混入等等情况, 而且这个问题是没有办法回避的。不同的采煤工艺, 混杂进煤炭当中的顶、底板的数量也都不一样。结合在现在的情况下市场的发展现状, 因为受到金融危机的影响, 煤炭市场并不太好, 只有把原煤进行深加工, 开发出优质的喷吹煤、动力煤等等多种类的产品, 煤炭才能够保证不被打败, 才能够在市场当中继续发挥它的优势。

在煤炭的开采与洗选的过程当中, 有一项非常重要的指标, 那就是粒度, 粒度不但是检验煤炭是否合格的一个指标, 而且也是对其是否能够进行后续加工的一个重要性的影响因素, 也会对煤矿的连续性生产和安全性产生极大的影响。

1 粒度的相关概念

粒度的定义和表达的方式从大范围上来讲, 粒度指的是矿物被碾碎之后, 那些大大小小的颗粒所构成的形态, 但是也可以特指某一颗粒的大小。[1]颗粒的大小的表现形式, 可以分成以单颗粒为研究对象进行计算的单体概念, 也可以分成以粒群为研究对象进行计算的总体概念。单颗粒的尺寸和它在所规定的范围之内的用占据的线性尺寸进行表示的, 统称为颗粒的粒径。球形颗粒的粒径指的就是其的直径, 在一般的使用上, 都是把粒径和粒度的概念合二为一;不是球形的粒径的表示方式就是和它每一边都相切的矩形的长 (l) 、宽 (b) 、高 (h) 进行表示。在实际的生产操作过程当中, 一般都是和一些包含了不一样的粒径和形状特性的颗粒群进行交流工作。在对颗粒群的力度表示方法上, 所使用的方法是, 用一个规定好了直径的圆孔筛子对物料进行筛选的工作, 将筛选的颗粒检出来以后, 规定通过一定的百分率 (百分率在百分之八十到百分之一百之间不等, 根据用户自己的需求进行界定) , 得出的直径结果就是整个粒群的粒度了。

2 粒度控制对洗煤行业的重要性分析

在社会主义不断发展和深入的今天, 社会对能源的需求量也变的越来越大。但是地球上的能源储量是一个定值, 因此能源的使用压力在不断发展的经济之下压力倍增。在对煤炭进行利用的时候, 煤炭企业面临的问题也是非常的多, 主要的说就是煤炭当中含有太多的杂质, 使得煤炭的质量严重的下降。[2]所以, 煤炭洗选的技术在市场的发展空间是非常大的, 洗煤行业作为一个新兴行业, 在发展的过程中需要注意到的问题还有很多, 主要包括了以下的几个方面:

第一, 质量至上。之所以进行洗煤的工作, 就是为了能够提高煤炭产品的质量, 如果处理过了的煤炭质量没有达到相关的标准, 给企业造成的经济损失就是巨大的, 对于洗煤的持续性发展也是没有帮助的。因此, 从整个行业的发展角度进行分析, 煤炭的洗选加工需要将加快动力煤的洗选和提高精煤的冶炼作为最主要的发展目标, 这个就是整个行业当中对于技术操作的具体规范了。

第二, 技术的革新。为了将煤炭进行全面的改造, 改善煤炭的功效, 这才有了煤炭洗选加工工艺的出现, 在经过了不断的实践和经验总结之后, 得出一个新的成果。在洗煤行业的发展道路上不能够没有目标性, 需要考虑到长远的发展目标, 制定一个可行性的计划才能够保证洗煤行业的发展之路的顺畅, 在洗煤行业的发展道路之上, 技术也需要进行革新, 从多个方面将洗煤技术的整体水平进行提升。比如说:将技术的改造和整合的工作发展步伐加快、提升整体的生产和管理水平以及将选煤厂的整体水平进行提升。

第三, 系统的建立。洗煤这样一个兴起不久的行业, 不但要有新型的技术作为支撑, 还需要有整体的生产方案和设备才能够有保障作用, 才能够将大型设备的一体化进行推广, 以满足煤炭基地的生产需求。

第四, 对产权的保护。产权也是一项非常重要的财富, 知识产权就是企业的隐形资产, 对自主知识产业进行保护可以给企业带来更加丰厚的经济效益。洗煤这一产业在发展的道路上需要将知识产权的归属问题进行充分的考虑, 及早的提出产权保护, 以免被侵权[3]。

第五, 可持续发展操作。煤炭资源是不可再生的自然资源, 过渡的浪费不只会对企业的经济造成损失, 也会给大自然的资源带来不可复原的消耗, 在洗煤行业当中, 坚持可持续发展是一项新的也是必须的发展思路。通过经济的循环发展, 可以从最基本的方向, 来减少对环境和资源的压力, 将各方面的效益都进行提高。

3 煤炭粒度的分级性

在洗选煤的过程中, 要注意煤炭粒度的分级, 不同的煤炭粒度, 拥有不一样的煤炭价值, 市场上的需求也是不一样的, 不一样的煤炭粒度需要采用不一样的洗选方式。煤炭粒度的分级可以分成两个大的方面, 一是无烟煤、不粘煤、焦煤等等不同的粒度分级, 详见下表 (表1) 。

另一种是褐煤的粒度分级, 详见下表 (表2) .

了解了煤炭粒度的分级, 对于煤炭的洗选工作有很大的帮助, 这样才能够在实际的工作中对症下药, 选择最好的方式, 取得做好的效益。

在煤炭的洗选工作当中, 采用各种方法将煤炭当中的杂质进行清除, 在有些时候, 进行清除工作的过程中, 可能对于煤炭的粒度会有疏忽, 而遭成了煤炭粒度的清除。煤中的矿物质和有害物质的清除能够加强对煤炭的利用。对煤炭进行加工之后, 煤炭能够更好的用在冶金、发电、民用等等工作方面, 在对煤炭当中的杂质进行筛选之后, 也可以减少运费, 并降低对环境的污染, 将提高煤炭的热能利用率, 增加煤炭品种以及提高经济效益也都有着裨益。

4 结语

煤炭经济在国民经济建设的道路中的地位是非常重要的, 煤炭的生产和社会的现代化能源提供的水平之间有着直接的联系。煤炭行业的发展, 需要不断的引进新的发展技术, 洗选加工技术有其自身的独特优势, 其的发展前景也是非常好的, 在煤炭洗选的过程当中, 对颗粒的控制是非常重要的一项工作, 将各方面的问题都注意好了的话, 煤炭行业的发展会是非常好的。

参考文献

[1]潘永泰.煤炭洗选加工过程中有关粒度控制问题的探讨.选煤技术[J].2012 (19) :26-27.

[2]朱启军.浅谈煤炭洗选加工技术.科学与财富[J].2011 (08) :11-13.

粒度控制 篇6

1 访问控制模型概述

在文档管理信息系统当中,怎样确保信息被合法访问,而不是非法入侵,此时系统的安全的重要性就体现出来了[2]。其中ISO在网络安全标准(ISO749822)中定义了五个层次的安全服务:第一个层次是身份认证服务,第二个层次是访问控制服务,第三个层次是数据保密服务[3],第四个层次是数据完整性服务,第五个层次是不可否认服务。其中在访问控制的研究领域取得了很多成果,人们提出了许多访问控制模型,自主访问控制模型(DAC):是目前很多访问系统中实现最多的控制机制。强制访问控制模型(MAC):是一种系统强制主体服从的访问控制策略。其中基于角色的访问控制模型(RBAC)在权限控制中被广泛使用。

2 RDPU模型的建模

2.1 RDPU模型的思想

RBAC访问控制模型是权限控制中使用是最广泛的,其核心部分是角色,权限是用户授予角色后才能得到,这大大简化了对用户授权的复杂度。但在RBAC模型当中也存在着不足,随着角色细化程度越来越高,相应的其授权复杂度也会增加;权限分配一般情况下只有管理员这个角色来完成,导致管理员的工作负担较重,角色权限的变化也不够灵活;在RBAC模型中控制粒度只能是相对粗的而非细微和精确的访问控制。

根据RBAC模型的不足,提出基于多角色、多种控制粒度的结构的RDPU模型,力求得到一个授权复杂度较低、细控粒度的控制模型。

2.2 RDPU的模型概述[6,7]

RDPU模型如图3.1,在此模型中,定义以下的概念:

1)用户(Users)可访问系统中的数据或者可用数据来表示其他资源,用U表示。 U[r] 是角色r分配的集合,U[d] 是部门d分配的集合,U[p] 是岗位p分配的集合,U[u] 是分配给用户u的集合。

2)部门(Departments)是用户所在的部门,用D表示。例如:人力资源部门,营销部门,技术开发部门等。 D[u] 是分给用户的所有部门。

3)角色(Roles)是一个任务中的工作者或者用户的资格,代表着保障和权利,用R表示。例如管理员等。 R[u] 是用户全部角色的集合。

4)岗位(Positions)是用户行政单位,用P表示。例如科长,主任,院长等。 P[u] 是分配给用户u的所有岗位集合。

5)权限(Authorization)是文档管理系统当中的许可,用A表示。 A[rdpu]= A[r] ∧ A[d] ∧ A[p] ∧ A[u] ,A[r] 是表示给角色r的权限集合,A[d] 是表示给部门d的权限集合,A[p] 是表示给岗位p的权限集合,A[u] 是表示给用户u的权限集合。 (6)对象(O)是被控制的,用O表示。

7)操作(OP)是用户对对象的操作,用OP表示。OP[rdpu]是给rdpu的操作,例如增加角色,删除角色,修改角色,查询事物等。

8)状态(State)是指在不同阶段中对象的变化,用S表示。S[o] 是对象O的状态集合。

9)约束(Constraint)由不同的约束条件组成的集合,每个约束条件可作用于上述的各个元素,这些元素的可接受性由这些条件决定,用C表示。

10)四层权限控制模型可表示为RDPU = R ∨ D ∨ P ∨ U ,它用来表示R,D,P,U的并集。 RDPU[u] 是用户的RDPU集合。

11)用户分配可表示为UA ⊆ U × RDPU ,是用户到RDPU的多对多关系的集合。

12)权限分配可表示为AA ⊆ A × RDPU ,是权限到RDPU的多对多关系的集合。

13)管理角色(MR),是用来完成UA和AA的角色。它是RDPU的子集。即:

14) MRH ⊆ MR × MR表示管理角色的偏序关系,即为管理角色层次关系,记为“ ≥ ”,它代表了管理角色中的一种继承关系。

2.3 约束的描述

先对一些记号给予说明,U[rdpu] :rdpu是分配的用户集合,E代表角色互斥,U[mr] 代表管理角色mr用户集合。

描述1:RDPU模型当中,R、D、P、U之间不存在角色互斥关系。

以下给出证明。

由概念知道,

而角色互斥的概念为

若R,D,P,U之间存在互斥,则按互斥的概念,则有:

由(1)式和(2)式看出存在矛盾,故R,D,P,U之间没有互斥关系。

描述2:R,D,P,U各层之间存在角色互斥的关系。

即:

描述3:管理角色(MR)的约束关系。

描述4:R,D,P,U之间的约束关系有优先级别。

描述5:存在对象状态约束关系。

2.4 规则描述[4,5]

在RDPU模型中,需要遵守如下规则:

规则1:一致性所遵循的规则,分给用户的RDPU集合的充要条件是用户属于该rdpu。

规则2:分配所遵循的规则,某种权限只有属于rdpu的用户集合才能拥有。

如果u ∈ U[rdpu] ,由描述4 可知, (∃a:A)(a ∈ A[u]) 故A[u]≠ ∅

规则3:认证权限所遵循的规则,只有AA分配到的权限,属于rdpu的用户才能执行

规则4:层次操作所遵循的规则,有对象的操作形成层次关系,这些对象的操作之间有继承关系。

2.4 RDPU模型的优点[8]

RDPU模型主要是对RBAC模型的不足做出了如下改进:

1)加入了多用户,角色以及类型增多并且角色的细化越来越细。

2)不同角色拥有不同权限,不同权限决定其不同的可以执行的操作,在管理角色继承和操作继承关系中,通过继承,避免重复定义角色和操作,管理角色关系的引入,实现了对角色的权限进行控制。

3)RDPU中的优先级约束原则,大幅度降低了多角色下授权复杂度。

4)加入了对象状态的约束条件,以此来适应对象状态的权限要求。

5)采用细微控制粒度,达到精确的访问控制要求。

3.5 RDPU的授权描述

RDPU模型描述了(U,R,D,P,O,OP,S,A)之间的关系,模型通过用户分配(UA)和权限分配(AA),按约束条件C,来实现用户U和对象O之间的访问控制。

分配好角色的用户和获得其对应的权限,按照优先约束原则,用户即可得到对于一个对象的访问权限。

3 RDPU的实现

通过文档管理数据库表的具体设计,建立各个部门的表,由各个角色之间的联系形成新的表,RDPU具体用户分配和权限分配,得到访问控制表,就可以将系统中的权限描述为信息存储表示。根据操作对象的不同的权限建立不同的权值,则RDPU、对象和权限之间就建立了访问控制关系。这样就能得到既灵活而又安全的文档管理权限控制系统。

4 总结

文中通过概述现今流行的访问控制模型,在其缺点的基础上提出RDPU模型,使得访问控制对对象即灵活安全又能达到细微精确的访问控制要求,RDPU之间的优先级约束原则,降低了多角色情况下的授权复杂度,使得访问控制更加的精确和明了。

参考文献

[1]李琳.基于B/S架构的文档管理系统的设计与实现[D].南京:南京理工大学,2007.(下转第70页)

[2]陈宏麟.企业文档管理系统的研究与开发[D].南京:南京理工大学,2008.

[3]庄严.密级电子文档管理系统设计与实现[D].成都:电子科技大学,2013.

[4]米庆龙.企业文档管理系统的分析与设计[D].厦门:厦门大学,2013.

[5]曹庆贺.基于.NET的电子文档管理系统的设计与实现[D].济南:山东大学,2012.

[6]Kenneth H Rosen.Discrete Mathematics and Its Applica tions[M],袁崇义,译.北京:机械工业出版社,2011.

[7]王珊,萨师煊.数据库系统概论[M].4版.北京:高等教育出版社,2006.

粒度控制 篇7

钢材加热时, 其奥氏体实际晶粒尺寸直接影响着冷却后钢材的组织和性能。一般地, 若奥氏体晶粒尺寸过大, 则冷却后的钢组织就会变得粗大, 同时还会使钢的塑性和韧性降低。因此, 在热处理时应严格控制奥氏体晶粒大小, 以获得良好的综合性能。

2 晶粒度对钢材性能影响

细化晶粒已成为强化金属材料的重要手段之一。经此类处理后可使钢的断裂韧性大幅度提高。将40Cr Ni2Si2Mo VA钢的奥氏体晶粒度由5~6级细化到10~12级时, 其KIc值可由1.382k Pa·m1/2 (138.2×10-2N/cm3/2) 提高到2.607k Pa·m1/2 (260.7×10-2N/cm3/2) , 极大地提高了钢的断裂韧度。40Cr Ni2Si2Mo VA钢高温淬火后的断裂韧度提高到每平方米91.2 MPa。但是由于晶粒粗大, 冲击韧性明显下降。

3 试验过程

3.1 试验用料

在Φ700mm的40Cr Ni2Si2Mo VA钢棒冒口端取试验用料, 化学成分的质量分数见表1。

3.2 试验方法及过程

3.2.1 冲击韧性试验

从试验用料中任选32件冲击性韧性试样, 并将其中30件分成15组, 进行标准热处理。在处理时, 试件的处理温度依次从420℃到700℃, 每间隔20℃, 保温4h, 进行回火处理, 炉冷。

3.2.2 晶粒度腐蚀试验

待各组均完成冲击试验后, 取出一个试件, 使用比例为4:1的饱和苦味酸和洗洁精混合液, 擦拭10min腐蚀晶粒度, 并根据试样的清晰度判断其晶粒的清晰度。

3.2.3 微观断口形貌分析试验

在420~500℃、500~600℃、600℃三个回火温度范围内选取两个断口试样, 并选出一个未进行重新回火的试样, 通过扫描电镜观察冲击韧性试样的微观断口形貌。 (见图1)

3.2.4 研究最佳腐蚀方法试验

完成晶粒试样标准热处理后, 再进行560℃保温4h回火处理, 并依次进行浸泡和擦拭等腐蚀试验, 选择最佳腐蚀方法和腐蚀时段。

3.3 试验结果

3.3.1 冲击韧性试验结果

对15组冲击试样。完成标准性热处理后, 从420℃到700℃, 按照每隔20℃, 保温4h炉冷的方式进行冲击韧性测试, 测试结果详见表2。表中显示, 300M钢的回火温度在500℃以下时, 其冲击韧性与温度呈负相关关系, 在500-560℃时, 其冲击韧性与温度呈负相关关系, 在560-600℃范围内时二者重新呈现负相关关系, 当回火温度高于600℃时, 二者呈正相关关系。

(单位:AK J/cm2)

3.3.2 晶粒度腐蚀试验结果

从15组冲击试样中各选一个, 使用饱和苦味酸+洗洁精 (4:1) 擦拭腐蚀晶粒度, 擦拭时间为10min, 观察各回火温度下各组典型晶粒样貌, 并拍摄腐蚀后的晶粒照片, 一组拍摄两张。对比各回火温度试样, 确定其晶粒度清晰程度系数, 并对比晶粒度显示效果, 详见表3、4。当回火温度低于480℃时, 晶粒度最不清晰, 温度持续升高, 晶粒度越来越清晰, 升至560℃时, 晶粒度最清晰。此后, 回火温度持续升高, 晶粒度清晰程度逐渐下降, 但总体仍较为清晰。

3.3.3 微观断口形貌研究结果

取300℃、440℃、520℃、540℃、560℃、660℃、680℃回火的冲击试样断口, 并在扫描电镜下进行观察, 其中, 300℃、440℃回火试样显微断口形貌是韧窝;520℃、540℃回火试样显微断口形貌为韧窝+准解理;560℃回火试样为准解理+沿晶;660℃、680℃回火试样为沿晶形貌。

3.3.4 最佳腐蚀方法试验结果

选出560℃时的回火试样, 将其浸泡在饱和苦味酸水溶液+少量洗洁精中, 时间以5min为宜。取出试样后发现, 其晶界变得不清晰。而将其将其放于饱和苦味酸水溶液+洗洁精 (比例4:1) 中浸泡5min, 再擦拭10min后, 其晶界变得清晰。

4 分析与讨论

4.1 回火温度与冲击韧性的关系

通过分析其回火转变特点可知, 40Cr Ni2Si2Mo VA钢在500℃、600℃附近回火时, 其冲击韧度较低, 出现回火脆性现象。

4.2 晶粒度清晰程度与微观断口形貌的关系

通过观察不同温度下回火试样得出围观断口形貌可知, 在560℃以上回火的试样的晶粒度比较清晰, 其微观断口呈现出沿晶状态, 而440℃回火的试样的晶粒度不清晰, 其微观断口呈现出韧窝形态。实验证实, 300M钢的晶粒度清晰程度与微观断口形貌有明显的关系。

4.3 晶粒度清晰程度与回火温度的关系4 0 Cr Ni2Si2Mo VA钢材料纯洁度很高, 当其回火温度超出5 4 0℃时, 其晶粒度腐蚀较为清晰。

5 结论

40Cr Ni2Si2Mo VA钢的晶粒度清晰程度与回火温度密切相关, 且与腐蚀时间、腐蚀液的配比比例以及腐蚀方式有一定的关系。要想使其晶粒度达到最佳状态, 则可以在晶粒度腐蚀之前进行560℃×4h (或3h、2h、1h) 补充回火处理, 并使用饱和苦味酸溶液+洗洁精 (4:1) 进行擦拭, 擦拭时间一般为10min。通过对40Cr Ni2Si2Mo VA钢的不同处理制度的试验, 寻求出了理想的热处理制度和腐蚀方式, 改变钢的组织结构和细化晶粒尺寸, 从而提高钢的强度和韧性等综合机械性能。

摘要：随着科技的进步与发展, 以改变合金成分提高超高强度钢的强度和韧性已经很困难。本文以40Cr Ni2Si2Mo VA钢为例, 探讨了通过控制晶粒度尺寸提高钢强度和韧性的方法。

关键词：钢材,晶粒度,冲击韧性,回火温度

参考文献

[1]许昌继.高强度及超高强度钢[M].北京:机械工业出版社, 1985:10-33.

[2]章守华.合金钢[M].北京:冶金工业出版社, 1980:240-245.

粒度控制 篇8

中国药典规定粒度及其分布的测定方法有: 显微镜法,筛分法,光学法,电阻法等[2]。光散射法测定粒度是近几年发展起来且被广泛应用的新方法,是运用粒子被光束照射时向各个方向散射和光发生衍射的特征,散射光的角度与颗粒的直径成反比关系,而散射光强角度的增加呈对数规律衰减,通过接受散射光能量的分布,基于Fraunhofer衍射和Mie散射理论对这些信号进行数学处理,即可得到粒度分布。颗粒越小,衍射角越大,因此它更适合小颗粒的测定。本法具有操作简便,速度快,测定准确的特点[3]。

本研究参考有关资料[4],经过反复摸索,建立光散射法测定硝苯地平原料药的粒度,该方法操作简便,准确快速,适用于药品生产中原料药粒度分布的测定。

1实验

1. 1仪器

LS - C( 111) 激光粒度分析仪,珠海欧美克; SCF - 106循环进样系统,珠海欧美克; MS303S电子天平,梅特勒托利多; SCQ - 5201C超声波清洗仪,上海声彦超声波仪器有限公司。

1. 2药品及试剂

硝苯地平原料药( 批号: 140407,纯度: 99. 5% ) ,陕西西岳制药有限公司; 吐温80为分析纯; 水为纯化水。

2结果与讨论

2. 1干法测定

由于干法测定快速简便,因此我们首先考察干法测定的可行性。设计由不同实验人员,在不同时间对6份样品进行平行测定,以考察方法的精密度,由3个不同实验人员在不同时间,测定同一样品的6份样品,测定结果的RSD均大于5. 0% , 说明干法测定的精密度较差,不能准确测定本品粒度分布,因此我们考虑采用湿法进行筛选。

2. 2湿法测定

2. 2. 1分散介质种类的筛选

由于水作分散介质较为简单,因此首选水进行研究。对6份样品进行测定,考察方法的精密度,结果见表1。

由表1可知: 用水作为分散介质,6份精密度样品的D( 0. 1) 、D( 0. 5) 、D( 0. 9) 值相对标准偏差值均大于5% ,说明精密度较差,可能是因为本品在水中没有完全分散,因此我们考虑加入表面活性剂防止粒子聚集,首选吐温80。

2. 2. 2表面活性剂用量的确定

为考察吐温80是否可以作为本品的分散介质,我们分别0. 05% 、0. 1% 、0. 2% 吐温80水溶液作为分散介质,分别于0、 5、10、15 min对样品进行粒度分布测定,结果见表2 ~ 表4。

由表2 ~ 表4可知: 吐温80浓度在0. 05% ~ 0. 2% 之间时, ( 0. 1) 、D( 0. 5) 、D( 0. 9) 值无明显差异,同时样品在分散介质中15 min内测定结果的RSD均在5% 以下,说明测定过程较稳定。考虑到表面活性剂浓度越高对样品的溶解性越高,我们为了更加准确的得到样品的粒度分布真值,选用含0. 05% 吐温80水溶液作为样品测定的分散介质。

2. 2. 3样品超声时间的确定

由于湿法测定粒度分布的前提是使样品能够在分散介质中均匀分散,因此我们使用超声分散的方式,并对超声时间进行了考察,具体为: 取样品0. 4 g,用30 m L 0. 05% 吐温80水溶液超声分散,加入400 m L纯化水作为分散介质。共8份样品, 分为4组,每组分别超声2 min、5 min、10 min、15 min进行测定。实验结果显示超声时间对测定结果无明显影响,因此,选择最短的超声分散时间2 min。

2. 2. 4样品浓度的确定

由于样品浓度影响测定时的遮光比,可能对测定结果产生影响,我们对样品浓度进行了考察,具体为: 分别取样品0. 2 g、0. 4 g、0. 6 g各2份,用30 m L 0. 05% 吐温80水溶液超声分散,加入400 m L纯化水作为分散介质。实验结果发现: 三个浓度样品的D( 0. 1) 、D( 0. 5) 、D( 0. 9) 无明显差别,粒度分布结果受样品量影响较小。

综上所述,我们选择最优的实验方法: 取样品0. 4 g,用30 m L 0. 05% 吐温80的水溶液超声分散2 min,加入400 m L纯化水作为分散介质,湿法测定,计算D ( 0. 1 ) 、D ( 0. 5 ) 、 D( 0. 9) 值。

2. 3检测方法学验证

2. 3. 1溶液稳定性试验

我们考察了同一样品在循环系统内及样品在室温放置下的稳定性。具体为: 配制一份样品溶液,加入激光粒度分析仪中,连续测定进入系统后5 min、30 min、45 min、60 min的样品粒度分布。另取一份样品溶液,于室温0 h、0. 5 h、1 h、2 h进行测定。实验结果见表5、表6。

由表5、表6可知: 样品在循环系统内循环60 min和在室温2 h内粒度分布稳定,满足检测要求。

2. 3. 2中间精密度

为考察方法的中间精密度,由A、B、C三位不同实验人员在不同时间测定样品的粒度分布,实验结果见表7。

由表7可知: 不同分析人员在不同时间测定本品的粒度分布,D( 0. 1) 、D( 0. 5) 、D( 0. 9) 值的RSD均小于5% ,说明本方法中间精密度好。

3结论

激光散射法具有粒径测定范围广,结果重现性好等特点。 已有研究证实其用于控制乳糖的粒度,比传统的筛分法更好[5]。目前我国尚未见硝苯地平原料药粒度测定的文献报道, 因此,为了对硝苯地平原料药进行质量控制,我们采用激光粒度仪湿法测定其粒度及粒度分布,通过介质浓度的考察,样品用量的考察、超声时间考察、溶液稳定性及精密度实验。结果表明,本方法操作简单,可以快速、准确、科学地测定硝苯地平的粒度分布。为硝苯地平原料药的质量控制提供了实验依据与检测方法。

摘要：硝苯地平是临床常用的心血管系统药物,属于高渗透性,低溶解性药物,溶解性对体内吸收影响较大,需要考察其粒度对产品质量的影响。如果不同批次间粒度有差异,可能导致溶出的不一致,进而可能造成在体内吸收的不一致,对药效性及安全性都有直接的影响。因此,需要对其粒度及粒度分布进行控制,达到用药标准。为此,本研究参考有关资料,经过反复摸索,建立光散射法测定本品的粒度,该方法操作简便,准确快速。

关键词：硝苯地平,粒度,粒度分布,方法学

参考文献

[1]顾天华.二氢吡啶类钙通道阻滞剂的药物动力学与药效动力学[J].新药与临床,1993,12(1):37-40.

[2]中华人民共和国药典.2010年版二部附录ⅨE[S].北京:中国医药科技出版社,2010:405-406.

[3]陈祝康,陈桂量,李慧义.药物及其制剂粒度测定法探讨[J].中国药品标准,2012,13(6):405.

[4]吴芸,孙小路.光散射法测定阿维A原料药粒度[J].中国药房,2013,24(17):1606-1608.

原生煤粉粒度特性的研究 篇9

1 样品制备获取及测试

该研究所采用煤样数据均为采自山东兖州矿业集团下属济二、济三矿其中各2个工作面的生产记录,极具客观性和代表性。其小筛分试验是从煤样中取原生煤粉5 kg,每次筛分时间均设定为5 min;对每个原生煤粉煤样均按照20,40,60,80,120,200目的泰勒标准检验筛,并依据《煤粉筛分试验方法》(MT/T58—1993)对所采集的样品采用XSB-88型顶击式振筛机进行,其主要技术参数见表1。分别称取各粒度级煤粉,试验结果见表2。

2 粒度特性分析

根据表2可知,各煤样点的原生煤粉在各个粒度级间的分布并不均匀,多富集于+0.125 mm较粗粒度级。

为便于统计分析,普遍采用粒度特性方程来表述散状物料粒度特性,最常用的粒度特性方程有Gaudin-Schuhmann和Rosin-Rammler方程等,它们是根据筛分试验数据,用数学方法加以归纳、整理,建立起正确反映颗粒大小分布规律的数学模型[7,8,9]。其中,Rosin-Rammler方程是Rosin与Rammler等人通过对煤粉、水泥等物料粉碎实验概率和统计理论的研究,总结归纳出用指数函数表示粒度分布的关系式。该方程式为:

R=100e-bxk (1)

式中,R为筛上物累积产率,即大于筛孔孔径x物料的累积产率,%;x为筛孔孔径,μm;e为自然对数底;k为与物料性质相关的系数;b为粒度模数,是与产物粒度大小有关的系数。

对式(1)取对数进行线性化处理,可简化为:

lg[ln(100/R)]=klgx+lgb (2)

显然,若以筛孔孔径x的对数值lgx为横坐标,以筛上物累积产率R的双对数值lg[ln(100/R)]为纵坐标来绘制煤粉的粒度分布图,所得煤粉粒度特征点应呈一直线分布。将表2的数据进行处理,计算筛上物累计产率,而后分别取对数后可绘制相应的R-R粒度特性曲线(图1)。从图1可以看出,各工作面原生煤粉的粒度分布特征点都明显地近似在一条直线上分布,由此说明各工作面原生煤粉的粒度分布均符合Rosin-Rammler分布。其显著性分析见表3。

进而采用最小二乘法对直线进行拟合,可得参数k和b的值(表4,表中最后一行d表示煤粉产品的平均粒度,由各粒度级的产率加权平均后得到)。

注:R2均大于Rundefined(Rundefined=0.806 8)

从表4和图1可以看出,原生煤粉的Rosin-Rammler方程中反映产品粒度大小的参数b随着反映物料性质的参数k的增大而变小,即k变大时,直线变陡,b变小;反之,k变小时,直线变缓,b变大。以k为纵坐标,d为横坐标,将表4中数据绘制成散点图2,从图2可看出反映物料性质的参数k与平均粒度d之间存在显著的线性关系:d=0.13553+0.04664k。其显著性分析参见表5。

3 结语

(1)各个工作面的原生煤粉的粒度特性均符合Rosin-Rammler方程粒度特性方程:R=100e-bxk。通过小筛分试验,即可对工作的原生煤粉的粒度特性作出准确的预测。

(2)对于原生煤粉来说,Rosin-Rammler方程粒度特性方程的参数b随参数k的增大而减小,即k变大时,直线变陡,b变小;k变小时,直线变缓,b变大。平均粒度d与参数k间的关系之间存在显著的线性关系:d=0.13553+0.04664k。

①了解原生煤粉粒度特性,可以较好地把握原煤的粒度特性,为下一步加工利用提供依据;②对符合Rosin-Rammler粒度特性方程的参数间及其与平均粒度d的关系的认识,能更好地实现对生产环节的优化控制,获取合适的产品粒度,从而为后续工序提供最佳作业条件。

参考文献

[1]焦红光,丁连征,陈清如.细粒煤高梯度磁选脱硫技术的发展与思考[J].中国矿业,2007,16(6):79-81.

[2]J,Cowburn,etal.Improving the recovery of coarse coal particles ina Jameson cell[J].Minerals Engineering,2006,19(6~8):609-618.

[3]熊建军,梁春成,邢洪波.影响空气重介流化床干法选煤分选效果的因素探讨[J].选煤技术,2003(6):99-101.

[4]姜秀民,邱健荣.煤粉颗粒粒度对煤质分析特性与燃烧特性的影响[J].煤炭学报,1999,24(6):643-647.

[5]李永华,董建勋,冯兆兴,等.不同粒度煤粉颗粒元素含量变化特性研究[J].中国电机工程学报,2007,27(23):7-11.

[6]P.Gonz偄lez-Tello,F.Camacho,J.M.Vicaria,ect.A modifiedNukiyama-Tanasawa distribution function and a Rosin-Rammlermodel for the particle-size-distribution analysis[J].Powder tech-nology,2008,186(3):278-281.

[7]刘烔天,樊民强.试验研究方法[M].徐州:中国矿业大学出版社,2006.

[8]陆厚根.粉体技术导论[M].上海:同济大学出版社,1998.