羟基磷灰石吸附处理含铀废水的研究

利用水热法合成羟基磷灰石，以其去除废水中的铀，研究了羟基磷灰石吸附去除铀的影响因素。试验结果表明，羟基磷灰石对铀的去除率高达95%。pH值、温度、吸附剂的用量和反应时间都会影响其吸附量。去除率与作用时间、羟基磷灰石用量呈正相关，酸性至中性介质有利于对铀的吸附，60 min后吸附反应基本达到平衡。     

合成碳羟基磷灰石对铀的吸附规律

采用自制的碳羟基磷灰石（CHAP）作为铀的吸附剂进行吸附实验,研究了不同pH值、反应时间、吸附剂用量、铀初始浓度等条件对吸附性能的影响。并探讨了吸附动力学行为。结果表明：在室温下pH值为5．5、吸附时间为60min、CHAP用量为4g／L,对初始浓度为40mg／L的铀废水进行吸附,去除率高达98．8％,理论最大吸附容量为15．38mg／g,吸附反应符合Langmuir和Freundlich方程。CHAP对铀的吸附动力学行为符合一级动力学方程、Elovich方程、双常数方程和抛物线扩散方程。     

造纸黑液混凝处理中助凝剂的替代性研究

造纸黑液的处理常采用聚合氯化铝（PAC）作混凝剂、聚丙烯酰胺（PAM）作助凝剂。但是PAM价格很高，本文目的在于寻求一种PAM替代物。通过混凝实验比较，采用粉煤灰或高岭土作为助凝剂可以与PAM作为助凝剂达到相当的污染物去除效果。采用粉煤灰或高岭土作为助凝剂可以大大降低生产运行成本。     

碳羟基磷灰石对废水中Cd2+的吸附

利用废弃蛋壳制备碳羟基磷灰石,并利用其吸附废水中的Cd2 .考察了Cd2 初始浓度、pH值、吸附时间、吸附剂用量以及温度等因素对吸附效果的影响,结果表明:当废水中Cd2 初始浓度为30 mg/L、pH=7、吸附时间35 m in、温度35℃时,碳羟基磷灰石对Cd2 去除率高达99.9%.吸附实验还表明该吸附符合Freundlich方程.     

城市有机垃圾厌氧消化痕量激活剂的促进作用及产能研究

城市有机垃圾厌氧消化处理相对其它处理方法而言是一种具有广阔应用前景的垃圾资源化方法，它能充分利用其含有的生物质能．本文研究了痕量金属Fe、Co、Ni对产甲烷菌的激活作用．以有机生活垃圾为基质，进行干式中温厌氧消化，对比研究结果表明：在其他条件相同的情况下，投加痕量金属离子比不投加的系统产气量增加了43.4％，生物气的甲烷含量提高了5.1％，COD去除率提高了10.2％．同时，它还有利于缩短停留时间并减小消化反应器的体积．     

在线检测在污水处理厂中的应用研究

本文介绍了污水处理厂在线检测的特性及其应用，在某一污水处理厂的应用结果表明，在线检测用于污水处理厂优化设计，能显著地节省工程投资及运行费用，提高运行的可靠性。     

碳羟基磷灰石处理有机废水的研究

采用自制的碳羟基磷灰石（CHAP）作为吸附剂处理制药有机废水，分别考察了pH值、作用时间、吸附剂用量、温度等因素对色度和COD去除效果的影响。实验结果表明：在常温、pH为6、吸附时间为60min、CHAP用量为18mg／L的条件下，对有机废水的色度和COD去除率分别达到84％、81．5％，吸附容量达72．89mg／g。CHAP吸附有机废水中的COD机理符合Langrnuir方程，吸附反应快速、自发地进行，属于吸热反应。     

改进直接优化法在污水管网设计中的应用

通过同时进行流速和坡度控制来优化求解管段水力参数,并根据系统提供的动态信息对可行方案进行决策.与传统的直接优化法相比,改进法适用性强、操作简单,计算结果更经济.     

基于最小二乘法的自动钻铆工时预测研究

为了提高企业的管理效率,降低生产成本,需要对工时信息进行准确的掌握,并实时通过工时管理系统进行更新。针对过去工时管理并没有统一的概念,且多依靠经验进行预测等问题,提出了基于最小二乘法对工时进行预测。通过对采集到的历史数据进行分析和挖掘,求解出相应工时预测模型,并以自动钻铆工序的工时为例进行预测说明。针对自动钻铆过程中影响因素众多、影响因子之间关系复杂、影响因子单位不统一等特点,对样本数据中不同单位的工时数据进行了归一化处理,建立了基于最小二乘法的工时预测模型,解决了工时预测靠经验判断、工时管理低效的问题。分析了基于最小二乘法的预测误差,并与根据经验判断允许的误差进行了对比,证明了预测的有效性,这为后续工时管理系统的开发提供了理论支撑依据。     

电池装备多学科协同设计的数据管理方法

针对太阳能电池装备多学科协同设计过程中数据管理效率低下、数据交互困难、数据冗余等问题,文中提出了基于ECA规则的动态数据管理方法。该数据管理过程中利用电池装备多学科协同设计过程的数据有机械、电气、化学、物理等多学科数据的特点,通过对设计对象类进行扩展的方法建立了太阳能电池装备多学科协同设计的数据管理模型。同时,采用这样的数据管理方式为改善电池装备的协同设计水平提供了支持。通过实例验证了该数据管理方法大大地提高了企业的数据管理水平。