时序约束NPE算法在化工过程故障检测中的应用

针对动态过程的故障检测问题,在邻域保持嵌入算法中改进邻域挑选,提出一种新的维度约简方法：时序约束邻域保持嵌入（time constrained neighborhood preserving embedding,TCNPE）算法。与邻域保持嵌入（neighborhood preserving embedding,NPE）算法只通过欧氏距离挑选邻域不同的是,TCNPE考虑到数据之间的时序相关性,在一定长度的时间窗之内采用k-近邻方法挑选邻域,并对时间窗内近邻与非近邻构造局部约束关系。首先,利用TCNPE提取数据特征,进行线性降维,然后构造T²和SPE统计量并利用密度估计（kernel density estimation,KDE）确定其控制限。最后,通过数值例子和TE过程（Tennessee-Eastman process）仿真来说明本文方法的有效性。     

时序约束NPE算法在化工过程故障检测中的应用

针对动态过程的故障检测问题,在邻域保持嵌入算法中改进邻域挑选,提出一种新的维度约简方法:时序约束邻域保持嵌入(time constrained neighborhood preserving embedding,TCNPE)算法。与邻域保持嵌入(neighborhood preserving embedding,NPE)算法只通过欧氏距离挑选邻域不同的是,TCNPE考虑到数据之间的时序相关性,在一定长度的时间窗之内采用k-近邻方法挑选邻域,并对时间窗内近邻与非近邻构造局部约束关系。首先,利用TCNPE提取数据特征,进行线性降维,然后构造T~2和SPE统计量并利用密度估计(kernel density estimation,KDE)确定其控制限。最后,通过数值例子和TE过程(Tennessee-Eastman process)仿真来说明本文方法的有效性。     

基于LSNPE算法的化工过程故障检测

复杂化工过程通常具有多个操作模态,而且采集的数据不服从单一的高斯或非高斯分布。针对化工过程的多模态和复杂数据分布问题,将局部标准化（local standardized,LS）策略应用于邻域保持嵌入（neighborhood preserving embedding,NPE）算法,提出了一种新的基于局部标准化邻域保持嵌入（local standardized neighborhood preserving embedding,LSNPE）算法的故障检测方法。首先,使用LSNPE算法提取高维数据的低维子流形,进行维数约减,同时保持邻域结构不变。其次,通过特征空间中样本的局部离群因子（local outlier factor,LOF）构造监控统计量并确定其控制限。相较于监控多模态化工过程的多模型策略,提出的LSNPE方法不需要过程先验知识的支持,只需建立一个全局的监控模型。最后,通过数值仿真及Tennessee Eastman（TE）过程仿真研究验证了本文提出方法的有效性。     

基于铁基质高效催化还原污水中硝酸盐氮的实验研究

污水厂排水中硝酸盐氮(\mathrm{N}{\mathrm{O}}_3^{–}-N)浓度偏高,难利用常规生物脱氮工艺实现\mathrm{N}{\mathrm{O}}_3^{–}-N的深度脱除。以铁基质高效催化脱氮载体为污水中\mathrm{N}{\mathrm{O}}_3^{–}-N的脱除材料,探究不同铁基质催化活性、pH和\mathrm{N}{\mathrm{O}}_3^{–}-N浓度等对污水中\mathrm{N}{\mathrm{O}}_3^{–}-N去除的影响及机制。研究结果表明：添加催化剂D的铁基质高效催化脱氮载体可脱除92.23%的\mathrm{N}{\mathrm{O}}_3^{–}-N,调节污水为酸性至中性条件时,其\mathrm{N}{\mathrm{O}}_3^{–}-N去除率均可达到92.09%以上,且氨氮(\mathrm{N}{\mathrm{H}}_4^{+}-N)积累量先升高后降低;当污水为碱性条件时,\mathrm{N}{\mathrm{O}}_3^{–}-N的去除率亦可达86.13%以上,且在碱性条件时无\mathrm{N}{\mathrm{H}}_4^{+}-N积累;原水中\mathrm{N}{\mathrm{O}}_3^{–}-N的浓度变化(20~70 mg·L^-1)对铁基质高效催化脱氮载体的脱氮性能影响较小,\mathrm{N}{\mathrm{O}}_3^{–}-N去除率均达到96.11%以上。与催化剂A、B和C相比,添加催化剂D的铁基质高效催化脱氮载体脱氮速率最快,\mathrm{N}{\mathrm{O}}_3^{–}-N降解反应过程符合一级反应动力学方程,反应速率常数k=0.0170 min^–1。     

Feammox系统内氮素转化途径的研究

铁氨氧化（anaerobic ammonium oxidation coupled to Fe(Ⅲ) reduction，Feammox）是指在厌氧条件下，氨氮氧化耦合三价铁还原的一种新型污水生物脱氮工艺。为确定Feammox反应系统中存在的氮转化的途径，在厌氧条件下接种普通活性污泥驯化培养Feammox，探究了不同途径对氨氮转化的贡献率并进行了相关性分析。研究结果表明：在厌氧间歇反应器ASBR中，经过120 d的富集培养，\mathrm{N}{\mathrm{H}}_{\mathrm{4}}^{+}-\mathrm{N}最大去除率达53.8%，最大去除量约26.9 mg/L，其中Feammox反应途径对\mathrm{N}{\mathrm{H}}_{\mathrm{4}}^{+}-\mathrm{N}去除的贡献率为57.7%，厌氧氨氧化(Anammox)约占42.3%。在典型周期分析发现，在0~7 h内对\mathrm{N}{\mathrm{H}}_{\mathrm{4}}^{+}-\mathrm{N}去除量为14.74 mg/L，Anammox反应速率较快，起主导作用；7~24 h 对\mathrm{N}{\mathrm{H}}_{\mathrm{4}}^{+}-\mathrm{N}去除量为12.16 mg/L，以Feammox反应为主；在整个运行周期内铁盐反硝化（nitrate-dependent Fe(Ⅱ) oxidizing，NDFO）去除\mathrm{N}{\mathrm{O}}_{\mathrm{3}}^{-}-\mathrm{N}约5 mg/L。由相关性分析可得，\mathrm{N}{\mathrm{H}}_{\mathrm{4}}^{+}-\mathrm{N}浓度与Fe(Ⅲ)、\mathrm{N}{\mathrm{O}}_{\mathrm{2}}^{-}-\mathrm{N}浓度呈显著性正相关（P_Fe<0.05、P_{\mathrm{N}{\mathrm{O}}_{\mathrm{2}}}<0.01），而\mathrm{N}{\mathrm{O}}_{\mathrm{3}}^{-}-\mathrm{N}与Fe(Ⅲ)呈负相关（P<0.5）。实验结果表明在Feammox、Anammox以及NDFO共同作用下，该系统实现了污水自养型脱氮。     

含非对称Gemini离子液体二元混合体系的体积和黏度性质

在温度分别为293.15、303.15、313.15、323.15和333.15 K及大气压下,系统测定了非对称Gemini离子液体,1-(3-(三甲基铵)丙-1-基)-3-甲基咪唑双氰胺盐([N₁₁₁C₃MIM][N(CN)₂]₂),分别与乙腈(MeCN)、甲醇(MeOH)、乙醇(EtOH)所组成的二元混合物的密度和黏度。由密度和黏度值分别计算了二元混合物的超额摩尔体积(V_{\mathrm{m}}^{\mathrm{E}})和超额黏度(Δη)。V_{\mathrm{m}}^{\mathrm{E}}和Δη随组成的变化关系由Redlich-Kister方程进行了回归,得到方程参数。结果表明,V_{\mathrm{m}}^{\mathrm{E}}和Δη值与理想溶液间为负偏差,且存在最小值,说明二元体系中[N₁₁₁C₃MIM][N(CN)₂]₂和溶剂分子间相互作用力更强,同时与所研究分子的大小和形状的差异有关。同时,V_{\mathrm{m}}^{\mathrm{E}}和Δη随温度的变化关系表明,温度对研究混合物中的分子间相互作用有很大影响。     

基于双子空间并行回归的化工过程质量相关故障检测方法

邻域保持嵌入(neighborhood preserving embedding, NPE)是一种常用的无监督学习方法,在故障检测领域得到了广泛应用。由于NPE提取的数据特征无法解释输入数据和输出数据之间的关系,因此在化工过程质量相关故障检测方面存在局限性。另外,NPE在提取数据流形结构时忽略了动态信息的表征。为了解决上述问题,基于NPE和慢特征分析(slow feature analysis,SFA)算法提出了一种名为双子空间并行回归(twin-space parallel regression,TSPR)的质量相关故障检测方法,该方法能够同时提取数据的流形特征和变化速度信息。首先,通过基于互信息的策略将原始过程空间分为序列相关子空间和序列无关子空间,以应对变量在时间序列相关性的差异。其次,在两个子空间中分别应用提出的邻域保持-慢特征嵌入算法(neighborhood preserving-slow feature embedding regression,NP-SFE)和NPE算法提取数据的有效结构特征,并同时用最小二乘回归在两个特征子空间中构建过程变量与质量变量的回归关系。随后,...     

碱式硫酸镁晶须的可控制备及不同离子的影响机制

以氯化镁、氢氧化钠和硫酸镁为原料,采用溶胶-凝胶-水热法制备了碱式硫酸镁（MHSH-512）晶须,研究了前驱物Mg(OH)₂、Mg²⁺和\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-}的浓度和杂质离子Cl^-对MHSH-512晶须的生长机制和微观形貌的影响。研究表明,溶胶-凝胶法得到的Mg(OH)₂在水热条件下的溶解再结晶过程中易形成结构单元[Mg(OH)₆]^4-。当c(Mg²⁺)/ c(\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-})为3时,几乎全部的[Mg(OH)₆]^4-可与\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-}形成晶核,并以b轴为主轴生长为MHSH-512一维晶须。大量Cl^-的存在可能阻碍OH^-与Mg²⁺相互作用,延缓[Mg(OH)₆]^4-生成,同时与\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-}在[Mg(OH)₆]^4-表面发生竞争吸附,导致晶须生长滞后,但对晶须的最终形貌和分散性没有实质影响。190℃下水热反应10 h制得的MHSH-512晶须结晶度高、长径比大（150～200）、表面光滑且分散性好,易于实现工业化生产,为青海盐湖镁资源的高值化利用提供了一条有效途径。     

基于可变价NiFe-LDH/rGO对磷酸根离子的特异性电控分离

磷是一种不可再生资源。为解决现有磷污染以及磷资源流失等问题,通过油浴与热化学还原相结合的方法,成功制备出一种NiFe-LDH/rGO电活性杂化膜材料。使用电化学方法,在氧化还原电位的控制下,Ni、Fe(Ⅱ/Ⅲ)双金属发生核外电子的跃迁,高价态的Ni、Fe(Ⅲ)与\mathrm{P}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{3}-}发生内球络合作用,实现\mathrm{P}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{3}-}的选择性置入-置出。实验获得270 mg·g^-1的高\mathrm{P}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{3}-}吸附容量及85%以上的再生效率。此外,该杂化膜材料在共存离子存在的复杂水体中,对\mathrm{P}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{3}-}具有优异的选择性,为磷石膏渗滤液以及各种含磷废水污染等问题的解决提供有效的理论技术支撑,具有广阔的应用前景。     

基于核熵独立成分分析的故障检测方法

传统核独立成分分析（KICA）依据特征值的大小进行降维,但是特征值大并不一定取得的信息熵贡献度也是最大的。针对这个问题,提出一种基于核熵独立成分分析（KEICA）的故障检测方法。将训练数据集投影在高维核空间,通过对数据信息熵的贡献大小选取核主成分,并建立独立成分分析（ICA）模型。对训练样本求{\mathit{I}}^{\mathrm{2}}和\mathrm{S}\mathrm{P}\mathrm{E}统计量,并利用核密度估计计算统计量的控制限。计算测试数据对训练数据的核矩阵,将其投影在ICA模型上并计算测试样本的统计量,统计量超出控制限的样本即可被识别为故障样本。将该方法用于非线性数值例子和Tennessee Eastman（TE）过程的故障检测,并与传统的核主成分分析（KPCA）、核熵成分分析（KECA）和KICA方法进行对比,表明KEICA的监测效果优于其他三种方法。     

Intrinsic kinetics and external diffusion of catalytic steam gasification of fine coal char particles under pressurized and fluidized conditions

Catalytic steam gasification of fine coal char particles was carried out using a self-made laboratory reactor to determine the intrinsic kinetics and external diffusion under varying pressures (0.1-0.5 MPa) and superficial gas flow velocities (GF Vs) of 13.8- 68.8 cm· s^-1. In order to estimate the in-situ gas release rate at a low GFV, the transported effect of effluent gas on the temporal gasification rate pattern was simulated by the Fluent computation and verified experimentally. The external mass transfer coefficients(kmam) and the effectiveness factors were determined at lower GF Vs, based on the intrinsic gasification rate obtained at a high GFV of 55.0 cm·s^-1. The kmamwas found to be almost invariable in a wider carbon conversion of 0.2-0.7. The variations of kmam at a median carbon conversion with GFV, temperature and pressure were found to follow a modified Chilton-Colburn correlation:Sh=0.311Re^2.83Sc1/3(P/P0)^-2.07 (0.04相似文献   

基于TGNPE算法的间歇过程故障诊断

间歇过程数据是由批次、变量和时间构成的三维数据,数据内包含了丰富的对过程监控有用的全局和局部结构信息,如何充分提取间歇过程的特征信息是故障诊断的关键。传统方法处理三维数据都是将其展开成二维数据,展开过程必然会导致数据内在结构破坏,并且通常只考虑了数据的全局信息或者只考虑了数据的局部信息,这就不能充分提取过程的有用信息导致诊断效果欠佳。针对以上问题,提出了张量全局-局部邻域保持嵌入(TGNPE)算法,首先用张量分解的方法直接对三维数据进行建模,而不对数据进行展开,这就有效地保存了数据的内部结构,再用邻域保持嵌入算法充分提取数据局部结构信息的同时兼顾数据的全局信息,这就实现了对数据特征信息更加充分地提取,用TGNPE算法检测到故障后用贡献图法诊断出故障变量。通过青霉素发酵过程验证了本文提出的算法对间歇过程数据信息提取更加充分,更利于故障诊断。     

基于核熵独立成分分析的故障检测方法

传统核独立成分分析（KICA）依据特征值的大小进行降维,但是特征值大并不一定取得的信息熵贡献度也是最大的。针对这个问题,提出一种基于核熵独立成分分析（KEICA）的故障检测方法。将训练数据集投影在高维核空间,通过对数据信息熵的贡献大小选取核主成分,并建立独立成分分析（ICA）模型。对训练样本求{\mathit{I}}^{\mathrm{2}}和\mathrm{S}\mathrm{P}\mathrm{E}统计量,并利用核密度估计计算统计量的控制限。计算测试数据对训练数据的核矩阵,将其投影在ICA模型上并计算测试样本的统计量,统计量超出控制限的样本即可被识别为故障样本。将该方法用于非线性数值例子和Tennessee Eastman（TE）过程的故障检测,并与传统的核主成分分析（KPCA）、核熵成分分析（KECA）和KICA方法进行对比,表明KEICA的监测效果优于其他三种方法。     

络合亚铁乙二醇-四丁基溴化铵低共熔溶剂协同吸收SO2和NO

低共熔溶剂广泛应用于很多领域，尤其在气体净化领域有很好的应用前景。为探究吸收容量大、再生能力较强的低共熔溶剂协同吸收烟气中SO₂和NO的性能，采用氯化亚铁（FeCl₂）、乙二醇（EG）与四丁基溴化铵（TBAB）制备络合亚铁乙二醇-四丁基溴化铵低共熔溶剂［Fe(Ⅱ)EG-TBAB DESs］，重点考察了温度、停留时间、氧气分压和FeCl₂浓度等因素对低共熔溶剂脱除烟气中SO₂和NO性能的影响。结果表明：在温度为50℃、氧气分压为5%、FeCl₂浓度为0.1mol/L的条件下，Fe(Ⅱ) EG-TBAB DESs能够协同高效吸收烟气中的SO₂和NO。烟气中H₂O和O₂存在的条件下，SO₂气体能够形成\mathrm{H}\mathrm{S}{\mathrm{O}}_{\mathrm{3}}^{-}和\mathrm{H}\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{-}，进一步促进Fe(Ⅱ) EG-TBAB低共熔溶剂吸收烟气中NO气体，生成Fe(Ⅱ)EG-TBAB(NO)。低共熔溶剂经6次吸收-脱附再生循环后其脱硫脱硝能力变化不大，仍保持较好的脱硫脱硝稳定性。     

基于二苯并-18-冠-6基体改性的K+选择性离子交换膜的制备及性能研究

基于18-冠-6醚环腔体可与K⁺形成1∶1型稳定的络合物,通过掺杂的方式将4,4'-二氨基-二苯并-18-冠-6（A18C6）引入离子交换膜基材料中并成膜,然后利用1,3,5-苯三甲酰氯（TMC）对A18C6分子进行交联固定,制得一系列改性阳离子交换膜。通过改变A18C6的含量和TMC的反应时间来调控阳离子交换膜的基体结构,系统考察了改性膜在K⁺/Mg²⁺、K⁺/Na⁺ 和K⁺/Li⁺的二元体系中对K⁺的电渗析选择性。研究结果表明,在电流密度为5.0 mA·cm^-2的条件下,最优膜M-A18C6-10%-T30在K⁺/Mg²⁺和K⁺/Li⁺体系中对K⁺的选择性（P_{\mathrm{M}{\mathrm{g}}^{\mathrm{2}+}}^{{\mathrm{K}}^{+}}=\mathrm{6.96},P_{\mathrm{L}{\mathrm{i}}^{+}}^{{\mathrm{K}}^{+}}=\mathrm{3.73}）高于商业的单价选择性阳离子交换膜CIMS（P_{\mathrm{M}{\mathrm{g}}^{\mathrm{2}+}}^{{\mathrm{K}}^{+}}=\mathrm{5.36}）。A18C6的掺杂引入不仅提高了膜基体的致密性（孔径筛分效应）,也为K⁺在膜基体中的传输提供了新的离子传输通道（离子-偶极作用）。     

线性温敏性聚合物嵌段调控的ReO4-智能离子印迹聚合物的设计制备及其吸附分离性能研究

首先采用可逆加成断裂聚合法(RAFT),合成了线性温敏性聚合物聚N,N-二乙基丙烯酰胺(PDEA),之后将其引入到以丙烯酸(AA)、丙烯酰胺(AM)、N,N-二乙基丙烯酰胺(DEA)为功能单体,ReO₄^-为模板离子,N,N-亚甲基双丙烯酰胺(NMBA)为交联剂,甲醇和水混合溶液(V_甲醇∶V_蒸馏水=3∶7)为溶剂的离子印迹聚合物制备体系,自组装完成后,用Vc-H₂O₂引发聚合,制备出一种线性温敏性聚合物嵌段调控的智能离子印迹聚合物——ReO₄^--IIP。用傅里叶变换红外光谱(FTIR)和扫描电子显微镜(SEM)对ReO₄^--IIP的结构和形貌进行了表征,以电感耦合等离子体发射光源(ICP-AES)为表征手段对ReO₄^--IIP的吸附分离性能进行了评价。结果表明：ReO₄^--IIP被成功...