渗透汽化汽油脱硫技术研究进展

随着环保法规的日益严格,世界各国对清洁汽油中硫含量做出了严格的规定,汽油的低硫化甚至无硫化已成为一种必然趋势,汽油的深度脱硫技术已成为各石油公司和相关研究者的研究热点。渗透汽化是一种新型高效的膜分离技术,其在汽油深度脱硫技术方面具有独特优势。介绍了渗透汽化汽油脱硫技术的基本原理、工艺特点及国内外有关研究进展情况。     

基于粗糙集的载体桩质量核心影响因素分析

针对载体桩质量不容易控制的特点,在剖析载体桩承载机理的基础上,分析了影响载体桩质量的各因素,并引入粗糙集理论,建立了影响因素约简模型。以邯郸地区载体桩工程为例,通过模型约简得出最小的影响因素集,从而确立了影响载体桩质量的核心影响因素,为载体桩的质量预测和控制提供理论依据。结果显示该方法克服了目前人们以主观和定性分析为主的缺点,可信度较高。     

烧结烟气COx的生成机理及减排措施

铁矿烧结烟气是钢铁领域污染负荷最为严重的环节.目前,研究者在颗粒物、SOx、NOx治理方面已取得了很大的成效,但烧结烟气中还含有一定的COx(7％～ 10％的CO2、0.4％～1％的CO),其对人类健康和社会环境具有严重的影响,也是未来烧结烟气治理的关注点.本研究在分析烧结烟气COx生成机理的基础上,从源头减量、过程控...     

聚乙二醇对酚酞基聚芳醚酮多孔膜的影响

以新型耐高温工程塑料酚酞基聚芳醚酮(PEK-C)为膜材料,N,N-二甲基乙酰胺(DMAc)为溶剂,研究了添加剂聚乙二醇(PEG)对铸膜液体系热力学性质和凝胶速率的影响,并考察了其浓度及分子量对成膜结构与性能的影响,对PEG系列添加剂在PEK-C/DMAc铸膜液体系中的作用规律进行了探讨。     

聚丙烯酸-聚乙烯醇共混膜分离甲醇-碳酸二甲酯共沸体系

采用涂敷法制备了聚丙烯酸(PAA)-聚乙烯醇(PVA)共混膜,将其用于渗透汽化法分离甲醇(MeOH)-碳酸二甲酯(DMC)共沸物,考察了共混比例、热处理条件对甲醇分离性能的影响. 渗透汽化实验结果表明,随着热处理时间延长或热处理温度提高,分离因子先升高后降低,而渗透通量则逐渐减小;随着共混膜中PAA/PVA比例增加,分离因子先升高后降低,而渗透通量先减小后增大;当PAA/PVA质量比为7/3、热处理时间为60 min、热处理温度为150℃时,选择性最佳,在料液组成为70%(w) MeOH-30%(w) DMC及70℃的操作温度下,甲醇的分离因子为9.5(透过侧MeOH浓度为95.5%, w),渗透通量为360 g/(m2×h).     

基于多因素的建筑安全GA-BP神经网络事故预测模型研究

传统的建筑安全事故预测模型一般是在历史事故的相关数据上建立的预测模型,但是它们普遍没有分析事故的成因.而本文建立的结合事故成因分析的BP神经网络预测模型是先分析近十来年的建筑安全事故成因,并采用专家评分法对事故成因指标进行量化处理,将量化处理后的因素指标作为网络的输入,将事故的死亡人数作为网络的输出,建立基于多因素的B...     

造纸过程“三环节”能量系统及诊断案例分析

本文介绍了造纸厂的能量系统“三环节”能量模型的建立方法,阐述了基于此方法的造纸过程能量系统分析诊断步骤,并以一具体的造纸厂为对象进行了案例分析,对其能量系统的转换和传输环节、利用环节和回收环节的用能问题进行了研究,提出了解决方案。结果表明,用此技术能够有效地为造纸厂能量系统进行诊断,并能节约能源,创造经济效益。     

PEA型聚氨酯膜的制备及渗透汽化苯/环己烷的分离性能

通过溶液聚合的方法,以聚己二酸乙二醇酯(PEA)为软段,不同的二胺、二酐为扩链剂,制备了七种不同硬段结构和含量的聚氨酯膜,并对其结构和热性质进行了表征。考察了不同硬段结构与其渗透汽化苯/环己烷分离性能之间的关系。结果表明,PEA型聚氨酯膜可以有效分离苯/环己烷混合物中的苯,其中以二胺基二苯甲烷(MDA)扩链的聚氨酯膜综合渗透汽化分离性能最佳,对于苯/环己烷(50/50)体系,40℃时硬段含量为21.5%的膜渗透通量为26.35 kg.μm/m2.h,分离因子为6.29。而硬段含量为28.4%的膜渗透通量为9.52 kg.μm/m2.h,分离因子为13.21。     

软体微手鲁棒非线性控制设计

软体驱动器是构建智能软体机器人的基石。然而,由于软体驱动器具有非线性、耦合和不确定性等复杂的特性,如何对其进行有效建模与控制是目前极需解决的难题。以一种由三支单腔双向弯曲软驱动器构成的软体微手为研究对象,对其进行了鲁棒非线性控制设计研究。首先,进行了鲁棒非线性控制系统的总体结构设计分析。其次,对如何设计算子控制器、跟踪控制器、算子观测器实现其对软体微手的弯曲角度和力进行控制进行了分析和讨论。接着,分析和研究了鲁棒稳定和跟踪条件。最后,通过基于实验数据的仿真验证了所提方案的可行性和有效性。     

基于机器学习的箱纸板质量预测模型构建及比较

箱纸板生产涉及一系列复杂工艺流程,且由于缺乏关键质量的在线监测手段,进而导致质量管控困难。为此,本研究尝试基于机器学习方法建立可在线监测箱纸板质量的预测模型,也称软测量模型,以促进上述问题的有效解决。本研究采用箱纸板企业实际数据,训练并比较了随机森林（RF）、梯度提升回归（GBR）、K近邻回归（KNN）及偏最小二乘回归（PLS）在多项质量指标上的预测表现。结果表明,不同质量指标本身很大程度上影响了预测精度的上限,而不同算法对理论上限的逼近程度有显著差异。复杂、非线性的集成模型（RF、GBR）相较于简单模型（KNN、PLS）有更好的表现。