水力旋流器流场特征和分级分离性能研究综述

水力旋流器利用颗粒-颗粒或颗粒-流体在旋流流场中运动行为差异实现分级分离过程,被广泛地应用于化工、冶金、矿物加工和环保等行业。在实际运行中,由于操作条件不合理或设备结构条件限制,使颗粒分级或固液分离性能无法满足应用需求,本文分析了水力旋流器的流场特征,并总结了影响旋流器分离性能的关键因素。水力旋流器内部呈现复杂的多相流场,颗粒性质、料液性质、进料条件等操作参数和旋流器的几何结构会影响水力旋流器的分离性能,实际应用中可以通过优化运行条件和旋流器的几何结构,提高旋流器的分级分离性能。     

水力旋流器的研究进展

主要介绍了水力旋流器的结构及工作原理以及其结构对操作参数影响的研究，分析了各参数对水力旋流器性能的影响，为水力旋流器的设计与制造提供参考。     

一种新型水力旋流器的机理研究及设计

介绍了水力旋流器的工作原理,分析了水力旋流器内部流场和旋流器内颗粒的运动状态,在此基础上提出一种新型的水力旋流器-宽域水力旋流器,可同时分离重质和轻质固体颗粒物.并给出了该水力旋流器的结构设计参数标准.     

操作参数对水力旋流器壁面磨损的影响研究

水力旋流器是利用离心力场加速其内部颗粒沉降和强化分离过程的分离设备。水力旋流器内的介质在离心力场作用下做强烈的旋转运动,对水力旋流器壁面造成冲击和摩擦,因此磨损问题是水力旋流器最主要的失效形式。针对水力旋流器壁面出现的严重磨损问题,采用数值模拟与实验相结合的方法,研究操作参数对水力旋流器壁面磨损规律。利用Fluent求解其内部流场和固体颗粒的运动特性。探究水力旋流器的操作参数进口速度和颗粒粒径对壁面磨损的影响规律。搭建了一套水力旋流器壁面磨损实验装置进行磨损实验,与数值模拟的结果作比较,实验规律与数值模拟相符。     

组合式水力旋流器操作参数对其分离性能的影响研究

依照水力旋流器组合化的发展趋势,提出了一种将两个水力旋流器进行串联的组合式水力旋流器结构,并对新结构开展实验研究,着重考察操作参数对组合式水力旋流器的性能影响,得到底流率、入口浓度和入口流量与分离效率和压力降的变化规律。     

超稠油采出污水常温旋流分离试验研究

超稠油采出污水由于具有密度大、悬浮物高、乳化严重等特点,目前常用的三段处理工艺即除油-混凝沉降(或气浮)-过滤已不能满足工艺要求.水力旋流器具有结构简单、分离时间短、没有运动部件等优点,在处理油田采出水领域得到越来越多的应用.通过对一定结构的水力旋流器进行研究,改变操作参数,得到了实验用的水力旋流器最佳入口流量和最佳溢流比,为以后工业应用打下基础.     

液液水力旋流器流场特性与分离特性研究(七)——操作参数对分离特性的影响

对液液水力旋流器主要操作参数 ,如流量、分流比、入口压力以及增压方式等分离特性的影响因素进行了分析 ,可为水力旋流器的现场应用提供有益的指导和参考     

液液水力旋流器流场特性与分离特性研究（七）——操作参数对分离特性 …

对液液水力旋流器主要操作参数,如流量,分流经,入口压力以及增压方式等分离特性的影响因素进行了分析,可为水力旋流器的现场应用提供有益的指导和参考。     

固-液微型水力旋流器的实验研究与数值模拟

采用正交试验和计算流体力学(CFD)的方法,对固-液微型水力旋流器进行了初步研究。实验采用的微米级固体颗粒分别为1250目和2500目的滑石粉颗粒。首先通过正交试验研究了微型旋流器处理量和进料浓度对两种粒径的滑石粉溶液的分离效率的影响,得到较优的分离操作条件。然后利用CFD的方法对微型水力旋流器的内部流场进行数值模拟,湍流相采用雷诺应力(RSM)模型,再加入离散颗粒进一步模拟微型水力旋流器内颗粒运动,其中离散相采用离散相(DPM)模型。最终得到水力旋流器的流场的压力和速度分布云图及固体颗粒运动轨迹,为进一步优化微型水力旋流器的结构参数提供了参考。     

水力旋流器研究现状及其在煤化工废水处理中的应用前景

水力旋流器是利用离心力场进行两相流体分离的设备,具有体积小、效率高、结构简单和安装便捷等特点,广泛应用于化工、石油及地下开采等工业领域。本工作主要介绍了旋流器的工作原理、理论研究和应用现状,从数值模拟、旋流器的结构参数、操作参数和物性参数及应用技术拓展等方面综述了水力旋流器的研究现状,并针对煤化工废水水质高乳化、高分散和高粘度等特点,综合分析了水力旋流器在煤化工废水预处理中的应用前景。旋流器模拟与实验相结合为目前研究的主要方向,深度分析了旋流器内两相流的运动状态,为旋流器结构改良提供理论依据,推动旋流器快速发展。旋流器结构改良设计和操作参数的优化均有一定局限性,油水物性是影响油水分离的决定性因素。因此,前期对含油废水进行预处理极为重要,可采用破乳剂或絮凝剂、超声或微波等方法改善含油废水的物性,对含油废水物性的研究和改善并结合数值模拟的应用将是未来提高水力旋流器分离效率的发展方向,旋流器在煤化工废水除油脱焦粉工艺中有很好的经济效益和广阔的应用前景。     

运用人工神经网络关联二元混合物中气液相平衡

In this paper, a back propagation artificial neural network （BP-ANN） model is presented for the simultaneous estimation of vapour liquid equilibria （VLE） of four binary systems viz chlorodifluoromethan-carbondioxide, trifluoromethan-carbondioxide, carbondisulfied-trifluoromethan and carbondisulfied-chlorodifluoromethan. VLE data of the systems were taken from the literature for wide ranges of temperature （222.04-343.23K） and pressure （0.105 to 7.46MPa）. BP-ANN trained by the Levenberg-Marquardt algorithm in the MATLAB neural network toolbox was used for building and optimizing the model. It is shown that the established model could estimate the VLE with satisfactory precision and accuracy for the four systems with the root mean square error in the range of 0.054-0.119. Predictions using BP-ANN were compared with the conventional Redlich-Kwang-Soave （RKS） equation of state, suggesting that BP-ANN has better ability in estimation as compared with the RKS equation （the root mean square error in the range of 0.115-0.1546）.     

Application of artificial neural networks to predict chemical desulfurization of Tabas coal

This paper presents a neural network model to predict the effects of operational parameters on the organic and inorganic sulfur removal from coal by sodium butoxide. The coal particle size, leaching temperature and time, sodium butoxide concentration and pre oxidation time by peroxyacetic acid (PAA) were used as inputs to the network. The outputs of the models were organic and inorganic sulfur reduction. Feed-forward artificial neural network with 5-7-10-1 arrangement, were capable to estimate organic and inorganic sulfur reduction, respectively. Simulated values obtained with neural network correspond closely to the experimental results. It was achieved quite satisfactory correlations of R² = 1 and 0.96 in training and testing stages for pyritic sulfur and R² = 1 and 0.97 in training and testing stages, respectively, for organic sulfur reduction prediction. The proposed neural network model accurately reproduces all the effects of operational variables and can be used in the simulation of Tabas coal desulfurization plant.     

基于神经网络的pH中和过程非线性预测控制

针对pH中和过程这一化工过程系统中的典型非线性对象特点，应用神经网络建模思想和模型预测控制方法，并结合Hammerstein模型特点，研究pH中和过程非线性系统的两种新型模型预测控制手段，分别建立基于神经网络的非线性预测控制系统整体求解策略和基于Hammerstein模型的两步法预测控制策略，并用MATLAB对其进行仿真。控制仿真结果表明，建立的神经网络预测控制策略和非线性Hammerstein模型预测控制均优于传统PID控制方法，具有良好的设定值跟踪效果和抗干扰控制响应，说明这两种控制策略是非线性过程的有效控制方法。     

基于BP神经网络的油气长输管道土壤腐蚀性预测

基于BP神经网络原理,综合考虑六类土壤腐蚀指标(土壤电阻率、土壤含水量、氧化还原电位、氯离子含量、硫酸根离子含量和p H值),建立了一种土壤腐蚀速率的预测方法。基于这种方法,依据某油田的现场土壤数据,借助MATLAB神经网络工具箱建立了这一地区的土壤腐蚀性预测的BP神经网络模型。训练和预测结果表明:训练的腐蚀速率最大误差为-1.5%,预测的腐蚀速率最大误差为8%。由此可见,基于BP神经网络的土壤腐蚀性预测方法具有较好的预测精度,对油气管道的安全运行具有重要的意义。     

基于TrueTime的网络化交流伺服系统仿真研究

用MATLAB的SIMULINK以及TrueTime工具箱建立以永磁同步电机（PMSM）为控制对象的网络化交流伺服系统的仿真模型．其中PMSM采用基于SVPWM的矢量控制策略,通过改变伺服系统中的网络参数研究不同网络时延及数据丢包对系统的影响．     

基于神经网络集的注射成型工艺参数多目标优化

以计算机辅助工程（CAE）数值仿真正交试验所得工艺参数与质量指标的数据作为训练样本,对经过优化的BP神经网络进行训练,得到工艺参数与制品质量指标之间的神经网络集近似计算代理模型,该模型快速准确,有明确的数学公式,可以利用遗传算法进行全局寻优,得到使多个质量指标综合最优的工艺参数组合。通过对比验证,这种多目标优化方法可以在正交试验结果数据较少的情况下较大程度地提高制品的多个质量指标。     

Modelling and control of different types of polymerization processes using neural networks technique: A review

Polymerization process can be classified as a nonlinear type process since it exhibits a dynamic behaviour throughout the process. Therefore, it is highly complicated to obtain an accurate mechanistic model from the nonlinear process. This predicament always been a “wall” to researchers to be able to devise an optimal process model and control scheme for such a system. Neural networks have succeeded the other modelling and control methods especially in coping with nonlinear process due to their very conciliate characteristics. These characteristics are further explained in this work. The predicament that is encountered by researchers nowadays is lack of data which consequently lead to an imprecise mechanistic model that scarcely conforms to the desired process. The implementations of the neural network model not only restrict to polymerization reactor but to other difficult‐to‐measure parameters such as polymer quality, polymer melts index and mixture of initiators. This work is aimed to manifest ascendancy of neural networks in modelling and control of polymerization process.     

人工神经网络在污水处理中的应用

文章对污水处理系统的特点进行了分析,并针对时变性、非线性、复杂性和不确定性的特点,提出应用人工智能技术对其进行智能控制是实现城市污水处理系统自动控制的重要方法。对人工神经网络控制特点进行了介绍,综述了国内外人工神经网络在污水处理不同领域中的应用研究,并结合国内外研究动态,简要分析了人工神经网络污水处理今后的发展方向。     

状态变量部分不可测的间歇反应器的智能建模

提出一种智能化的神经网络建模方法,建立状态变量部分不可测的间歇反应器模型。针对间歇反应是一个非线性、非稳态过程,根据化学反应的非线性分离特性,采用结构逼近式神经网络构建模型的拓扑结构。利用反应的先验知识优化网络结构,赋予网络节点实际的物理意义,并完善网络训练过程,使建模过程灰箱化;通过假想教师-人工免疫训练算法,解决不可测变量影响常规网络训练的问题;通过并行优化假想教师和网络权值,提高建模精度。以实际橡胶硫化促进剂制备的间歇缩合反应过程为实验对象,详细论述了建模和网络训练的过程,证明了方法的有效性。     

EXTENSION OF THE NEURAL NETWORKS OPERATING RANGE BY THE APPLICATION OF DIMENSIONLESS NUMBERS IN PREDICTION OF HEAT TRANSFER COEFFICIENTS

The paper presents a study aimed at extending the neural network mapping ability. In traditional modelling, operational process parameters (gas/material temperature, air velocity, etc.) are the inputs and outputs to and from the network. In this approach dimensionless numbers (Re, Ar, H/d) were used as inputs to predict the heat transfer coefficient in a fluidised bed drying process. To produce the data set necessary to train the networks, drying trials of different materials in a fluidised bed were carried out.

A series of simulations were performed and several neural networks structures were tested to find an optimal topology of the network. Training data set contained information only about two materials. The networks were tested using data obtained for the third product.

Performance of the network was satisfactory, however further improvement of mapping ability may be expected after filtration of the testing data.