共溶剂-SC CO_2中固体溶解度的小波神经网络关联与预测

为了更好地关联和预测共溶剂-超临界(SC)CO2中固体的溶解度,本文采用经局部动量法和自适应理论优化的小波神经网络模型(WNN),分别以共溶剂的溶剂参数α、β、π*和溶解度参数δd、δp、δh为影响因素,关联了4种共溶剂-SC CO2体系中萘普生的溶解度,以预测其在乙醇-SC CO2中的溶解度.其关联误差AARD分别为1.94%和2.12%;其预测误差AARD分别为8.14%和30.32%.以上结果表明共溶剂的溶剂参数α、β、π*是共溶剂-SC CO2中固体溶解度的主要影响因素;优化的WNN模型能较好地关联和预测共溶剂-SC CO2中固体的溶解度.     

用MATLAB软件预测固体在超临界流体中的溶解度

使用MATLAB软件工具箱建立预测萘在超临界CO2流体中溶解度的模型,模拟结果表明,在一定范围内,它具有优于状态方程和经验方程的预测能力,精度较高,方法合理可行。由于人工神经网络建模的计算量大,且多以矩阵为计算单元,计算机语言难以实现。而利用MATLAB软件中的人工神经网络工具箱,建立模型方便、快捷。     

超临界CO2流体中空化泡动力学过程分析

考察各参数影响超临界CO2流体中超声空化动力学过程的规律.应用非线性Rayleigh-Plesset方程模拟空化泡运动过程,利用Matlab软件编程求数值解,结果:空化泡初始半径或超声波频率增大,空化变易,强度变弱;超声波的声压幅值增大.空化变易,强度变强;超临界CO2流体的压力的增大,空化变难,强度变弱;温度不会影响空化的难易程度,只是随着温度升高,强度变强.     

乙醇、异丙醇在超临界二氧化碳中的溶解度及其模型

采用固定体积可视观察法,测定温度313 K～393 K范围内,不同压力下乙醇和异丙醇在超临界CO2中的的溶解度,并应用Chrastil半经验溶解度模型关联这些溶解度.实验结果表明,在相同温度下,随着CO2密度的升高,溶质在气相中的溶解度也升高.且得到了相应于该系统的溶解度方程参数,与实验数据几乎一致.     

超临界CO2萃取中的计算机在线检测和绘制图谱技术

本文介绍了超临界CO2萃取在线检测过程中数据传输、采集设计思路和绘制图谱技术.     

超临界二氧化碳与异丁醇二元体系气液相互溶解度模型的研究

采用可变体积可视观察法测量装置,测定CO_2与异丁醇在40℃-80℃温度范围和不同压力下的平衡数据。研究高压状态下CO_2在液相中的溶解度和异丁醇在气相中的溶解度模型,以改进亨利定律和Chrastil半经验溶解度方程,提出适合于高压下CO_2与异丁醇二元体系的相互溶解度模型,其中CO_2在液相中的溶解度可用4次多项式模型关联,其形式为:P_(CO_2)=A+B_1·x~(CO_2)+B_2·x_(CO_2)~2+B_3·x_(CO_2)~3+B_4·x_(CO_2)~4。异丁醇在CO_2中的溶解度可用改进的Chrastil半经验溶解度方程模拟,其形式为C=p~k·exp(α/T)+b。结果:所提出的气相溶解度方程和液相溶解度方程与试验数据非常吻合,拟合相关系数和精度较高。     

响应曲面分析法对青藤碱超临界CO2流体萃取条件的优化

以青风藤药材为原料,在单因素实验研究的基础上,采用Box-Behnken响应曲面分析法对影响青风藤药材中青藤碱超临界CO2萃取得率的关键因素:萃取时间、压力、温度进行了优化,旨在为青藤碱新型、绿色提取分离方法作探讨.根据统计模型进行了工艺参数的优选,以得率为指标,优化后所得青藤碱超临界CO2萃取工艺条件为:萃取压力为27.63 MPa,萃取温度为50.68℃,萃取时间为120.24 mim.该条件下得率为1.372%.验证试验证实了该方程的预测值与试验值之间具有较好的拟合度.     

Li2CO3/YSZ电极制备方法对CO2传感器性能的影响

借助X射线衍射和扫描电镜,研究烧结、熔融和承载三种典型Li2CO3/YSZ敏感电极制作方法对CO2传感器性能的影响.结果表明,三种方法均能制备出致密的Li2CO3/YSZ敏感电极薄膜,并在实验条件(500℃,CO2浓度范围(318～576800) ×10-6)下对待测气体中的CO2具有准确的响应;熔融法制作的电极薄膜颗粒较其他两种方法大,且由于电极体系中涉及Li2ZrO3和Li2CO3的相互转化反应,使得传感器长时间稳定性受到影响.     

电化学CO2气体传感器的制备及评价

采用空心氧化铝陶瓷管作为衬底,制备了以NASICON材料为固体电解质,Li2CO3-BaCO3二元碳酸共晶混合物为辅助电极的固体电解质的管式CO2传感器,对传感器电极材料进行分析表征并对传感器性能进行了测试。结果表明元件均对CO2气体具有良好的线性响应。当工作电压为6V时,加热温度约为550℃左右时,元件表现出很好的灵敏度特性,其灵敏度值能与由能斯特方程得到的理论值较好的符合。     

土壤微生物对大气CO2浓度升高的响应研究

土壤微生物对大气CO2浓度升高的响应是全面评价大气CO2浓度变化对陆地生态系统影响的关键。文章简要回顾了人工控制微域生态环境CO2浓度增高的研究技术及其发展,并着重介绍了新兴的FACE(Free-air CO2enrichm ent,开放式空气CO2浓度增高)研究手段,进而从土壤微生物区系和生物量、微生物呼吸和酶活性、菌根菌侵染和根瘤共生、土壤硝化和反硝化四个方面综述了大气CO2浓度升高影响土壤微生物的试验报道结果,最后结合新兴的土壤微生物分子生态学研究手段论述了该领域今后应关注开展的主要方向。     

优化变结构径向基函数网络研究及其在MDEA水溶液CO2吸收能力预测中的应用

CO_2排放导致的全球气候变化日益受到关注,通过技术手段解决温室效益被广泛讨论。MDEA溶液吸收烟气中CO_2是1种传统有效的减排技术。因此,在工程设计、操作和优化中,MDEA溶液在不同条件下CO_2吸收能力的预测至关重要。本文提出新型可逆跳跃马尔可夫-蒙特卡洛法优化的变结构径向基函数网络模型。并用该模型关联文献中的CO_2-MDEA-H_2O体系在压力0.1～4559.5 kPa和温度298～393 K之间的气液平衡数据。经随机抽取的8组数据验证,模型推算结果与实验数据十分接近.该模型精度可满足工程设计要求。     

人工神经网络技术在超临界流体密度预测中的应用

超临界流体的性质常与其密度相关。因此,如何精确计算超临界流体在不同操作条件下的密度值,对于超临界流体过程的研究和设计均十分重要。本文尝试采用人工神经网络技术来预测计算超临界流体的密度。网络结构为3层BP网,经优化中间隐藏层单元数为6。通过训练和学习,在压力6MPa-8MPa、温度300K-320K范围内,神经网络预测的密度值,其相对误差<0.35％。比P-B状态方程计算的结果精确。     

二氧化碳与2-丁醇二元体系在高压下的亨利系数和偏摩尔体积性质计算

利用固定体积可视高压釜测量出的在323K~353K温度范围内的CO2与2-丁醇二元体系在高压下的汽液相平衡数据,根据Krichevsky-Kasarnovsky方程建立了CO2在液相中的溶解度模型,得到了该二元体系在高压下的亨利系数和CO2在无限稀释溶液中的偏摩尔体积等性质。同时根据偏摩尔体积性质和Peng-Robinson状态方程及Van der Waals-2混合规则来计算该体系在平衡状态下的气、液相的偏摩尔体积。结果表明CO2在2-丁醇中的亨利系数和CO2在无限稀释溶液中的偏摩尔体积均为温度的函数,CO2在2-丁醇中的亨利系数随温度的升高而降低。CO2在无限稀释溶液中的偏摩尔体积∞1V在研究温度下均为负值,其中随温度升高,其绝对值下降。在平衡状态下的气、液相的偏摩尔体积计算结果表明:平衡状态下,液相中CO2与2-丁醇的偏摩尔体积均为正值。气相中不同温度下CO2的偏摩尔体积均为负值,且其绝对值随着压力的增加而越来越大,2-丁醇的偏摩尔体积均为正值。此研究为该体系超临界萃取条件的确立和指导工业化生产提供了理论依据。     

二氧化硅表面稠密的二氧化碳分子动力学模拟

采用分子动力学的方法研究二氧化硅表面二氧化碳的结构和扩散性质。二氧化碳在二氧化硅固体表面形成高密度层;而在远离固体表面处,流体的密度分布类似于宏观二氧化碳,取向分布比较随机。受固体表面的影响,二氧化碳的C-C径向分布函数第一峰的高度比宏观二氧化碳高。二氧化碳的密度分布和自由能分布有一明显的"镜面对称"的结构,高密度区域对应自由能的深阱。二氧化硅中的二氧化碳的自扩散行为是各向异性的,z方向的扩散由于固体面的作用明显受阻。由取向相关函数积分得到的二氧化硅表面流体的取向相关时间比宏观流体大的多,二氧化碳分子在固体表面再定位比较缓慢。     

Theoretical analysis on expansion mechanism in carbon dioxide expander

The expansion mechanism inside carbon dioxide expander is analyzed theoretically in this paper.The mechanism analysis of metastable equilibrium indicates that there is a potential barrier during phase change process.That is to say energy is required to overcome the potential barrier when the new interface is formed from primary phase.The superheat of liquid is the impetus of phase change and has an exponential decrease with the increase of the saturated temperature of fluid.The analysis also indicates that ...     

Phase equilibria prediction of solid solute in supercritical carbon dioxide with and without a cosolvent: The use of artificial neural network

In this study, a back-propagation multi-layer neural network was developed to predict the solubility of solid solute in supercritical carbon dioxide with and without cosolvent. The solubility of anthracene in CO₂ with cosolvents, acetone, ethanol and cyclohexane were employed as model systems to investigate the supercritical carbon dioxide behaviour in ternary systems over a wide range of temperatures. The back-propagation neural network operated in a supervised learning mode. A number of networks were trained and tested with different network parameters using training and testing data sets. To establish the network applicability, a validating data set was used and the predictability of the network was statistically evaluated. Statistical estimations showed that the neural network predictions had an excellent agreement with experimental data. The calculated average relative deviation (ARD) and the root mean squared error (RMSD) for tested ANNs data points were 5.45% and 0.74%, respectively. A minimum number of data points have been employed to train the ANN. The predicted ARD and RMSD for the employed ternary systems were 7.83% and 0.07%, respectively. The results obtained in this work indicate that ANN is a superior technique with high level of accuracy for prediction of solubility of solid solute in ternary systems.