二乙氨基羟苯甲酰基苯甲酸己酯结晶速率的影响因素

考察了油脂种类、溶解方式、储存条件及乳化剂对当前使用最广泛的防晒剂二乙氨基羟苯甲酰基苯甲酸己酯（DHHB）的溶解度及结晶情况的影响。在肉豆蔻酸异丙酯（IPM）、辛酸/癸酸三甘油酯（318）、碳酸二乙基己酯（DEC）、C12-15醇苯甲酸酯（TN）、碳酸二辛酯（CC）、异壬酸异壬酯（ININ）、苯甲酸苯乙酯（226）7种油脂中，分子结构中含有苯环数目较多的226对DHHB的相容性最佳，超声溶解后25℃下放置28d时的溶解度为241.08 g/L；加热溶解25℃放置1～28 d时DHHB在各油脂中的溶解度下降率比超声溶解溶解度下降率降低10%以上，其中，在226中的溶解度下降率降低了35.72%；乳化剂的加入可明显减缓DHHB在CC中的溶解度下降率，其中，加入Span20后溶解度下降率降低了20.07%，加入Span80后溶解度下降率降低了21.27%。     

HIsmelt熔融还原工艺的发展及展望

在我国“双碳”目标的提出下，钢铁企业的节能减排迫在眉睫，非高炉炼铁工艺因在环保与节能上具有一定优势，在近些年得到迅速发展。其中，HIsmelt熔融还原工艺是主要的非高炉炼铁工艺之一。介绍了HIsmelt工艺的发展背景，主要阐述了工艺流程、冶炼特点，以及现有工艺技术创新，同时对该工艺未来发展进行了展望。HIsmelt工艺具有原料操作灵活性高、设备投资低、铁水质量高、总能耗低等优点，我国引进工艺后在矿粉预热预还原工艺、炉缸耐材寿命、煤气利用、喷吹优化、出铁优化等方面具有突破性创新。在此基础上，提出应加强HIsmelt工艺冶炼特殊矿种的理论研究，从而实现对特殊矿种的冶炼；建议与电炉生产相结合，有望实现新的非高炉-电炉冶炼体系；提出与氢冶金技术相结合，进一步提高还原效率和降低CO₂排放，其具体操作可行性还有待进一步实验研究。     

GC-Orbitrap MS非靶向筛查进口儿童纺织品中未知化学危害物

本文基于气相色谱-轨道阱高分辨质谱(GC-Orbitrap MS)建立了进口儿童纺织品中潜在化学危害物质的非靶向分析方法。通过综合评分和保留指数初步鉴定，化学电离模式确定分子式，质谱碎片离子比对区分同分异构体，化学标准品验证等4个步骤开展未知物的定性分析。在40件进口儿童纺织品中共鉴定出48种物质，包括21种酯、8种酮、6种胺、4种醚、3种醇、3种酚以及3种其他类物质；对鉴定的物质进行统计和半定量分析，其中，邻苯二甲酸二丁酯、2,4-甲苯二异氰酸酯、棕榈酸异丙酯和1,2,4-丁三醇的检出率最高。综合考虑检出率、毒性和响应强度，进一步过滤和筛选鉴定出的物质，排查儿童纺织品中具有较高风险的化学物质。该方法为筛查纺织品等产品中潜在的化学物质提供了新途径，对开展产品化学风险监测以及促进产品质量安全具有积极作用。     

基于EEMD和机器学习的烧结矿FeO成分长短期综合预报

炼铁讲“七分原料，三分操作”,烧结矿是高炉炼铁的主要原料，FeO成分是影响烧结矿还原性、强度和粒度的重要指标，也是影响高炉铁水产量和燃料比的重要因素。因此，及时精确地掌握烧结矿FeO含量对于指导高炉炼铁的顺利生产具有显著作用。针对烧结矿FeO成分检测结果延时、精度差的问题，提出并建立一种集合经验模式分解EEMD和机器学习的FeO成分长短期综合预报模型。针对烧结数据进行探索性分析，挖掘了烧结数据存在的特性，有根据地采用箱线图和滑动窗口处理数据，保证了数据价值，为建模夯实了数据基础。综合模型包含2个模块。长期预报模型应用EEMD分解波动型FeO成分数据，降低输入数据的复杂性，以双向长短期记忆神经网络Bi-LSTM进行3 h内FeO成分的提前预报；短期预报模块融合EEMD、特征选择和提取方法构造衍生特征，增强模型对于输入和目标数据的学习能力，以极限树ET对下1 h的FeO成分进行预报。在未知烧结数据测试集的验证下发现，EEMD辅助机器学习建模能够大幅提升FeO成分预报精度和稳定性，EEMD-Bi-LSTM和EEMD-ET模型的平均绝对百分比误差M_APE为1%左右、均方误...     

二乙氨基羟苯甲酰基苯甲酸己酯结晶速率的影响因素

主要研究了当前使用最广泛的防晒剂二乙氨基羟苯甲酰基苯甲酸己酯（DHHB）在不同油脂中的溶解度变化，在所研究的七种油脂中发现分子结构中含有苯环数目较多的苯甲酸苯乙酯（226）油脂对DHHB防晒剂的相容性最大，超声溶解后常温25℃条件下放置28d时的溶解度为0.241 g/mL;以加热溶解和超声溶解两种方式, 考察了不同溶解方式对防晒剂重结晶的影响，发现加热溶解28d时的下降率比超声溶解的降低10%以上，其中在226油脂中溶解度下降率降低了高达35.67%，在TN油脂里下降率降低了12.65%；在不同储存温度（4℃、25℃）条件下防晒剂储存4周的溶解度变化，发现低温更容易促进防晒剂结晶。通过加入乳化剂司盘20、司盘80发现乳化剂的加入能明显减缓DHHB在油脂碳酸二辛酯（CC）中的溶解度下降率，加入司盘20后下降率降低了20.05%，加入司盘80后下降率降低了21.28%。通过观察防晒剂结晶行为，并对重结晶物质进行XRD检测，探究以上条件对DHHB结晶析出的影响，为解决后期开发防晒产品时的DHHB的应用问题提供指导意义。     

高炉炼铁智能化的研究现状与展望

在环保与去产能化的双重影响下，中国钢铁开始向高质、智能、绿色的生产模式转变，传统的高能耗、高污染的高炉冶炼理念已不再适用于“十四五”规划的发展方向。随着大数据与人工智能技术的兴起，新一代钢铁工业在智能制造的推动下向着绿色制造迈进，通过分析钢铁企业多年积累的数据而建立各种预测模型已成为一种大趋势。本文首先以高炉智能化转型作为研究背景，通过由简入繁的方式介绍了当前高炉冶炼指标预测模型及冶炼过程监测系统。然后，分析了数据处理与专家决策优化策略的重要性，并简要阐述了当前各企业高炉大数据云平台的搭建情况。最后，对高炉智能化转型作出了相应的结论与展望。     

高炉喷吹富氢煤造气工艺的(火用)分析

针对高炉喷吹富氢煤造气新工艺，在采用热质平衡数学模型获得系统整体物质流的基础上，利用■分析理论建立了相应的■流分析数学模型，评价其能量利用情况。对传统高炉和两种工况条件下喷吹富氢煤造气高炉系统的■流分布以及■损失、热力学完善度、■效率等主要■指标进行计算和进一步分析。结果表明，与传统高炉物料结果相比，新工艺两种工况下条件下的矿石用量、鼓风量、渣量和炉顶煤气产生量等资源消耗、副产品降低幅度较为明显；技术经济指标中，喷吹富氢煤造气高炉工况1号和工况2号的焦比分别降低了9.2%和22.3%;尽管煤比升高了18.6%和26.1%,但系统整体燃料比仍降低1.1%和8.2%。高炉喷吹富氢煤气新工艺的■能结构不同于传统高炉，■收入来自于高炉单元的焦炭和造气炉单元的煤，同时增加了造气炉单元焦炉煤气和工业氧的■投入。虽然新工艺两种工况下总■投入较传统高炉分别升高了5.4%和5.1%,但外供煤气可利用的质量较高，■收益较高。新工艺总■损失明显降低，较传统高炉降低了16.5%和21.7%,热力学完善度由传统高炉的82.0%上升到了85.6%和86.5%,能量利用质量得到了提高。此外，新工艺■效率也有所升高，...     

考虑节理影响的岩体基本质量指标定量评价

岩体完整性系数K_v是确定岩体基本质量指标BQ的主要参数，目前国家标准只考虑节理数量而未反映节理倾角和填充物对K_v影响。通过对含不同节理面的花岗岩岩样的纵波波速测试，探讨节理数量、倾角、填充物对岩体纵波波速的影响规律。考虑节理倾角、填充物的影响，提出了一种定量计算K_v的评价方法。将K_v视为正态分布随机变量，以90%的保证率估算K_v值，获得与Jv的对应关系，结果与国家标准推荐值非常接近。从岩体力学强度评价角度，计算验证了该方法在实际岩体评价中的适用性。提出方法可为岩体基本质量指标BQ的定量评价提供参考。     

基于深度学习的烧结返矿量组合预报模型研究

返矿量是影响烧结矿质量和炼铁成本的重要因素。针对该数据难以在短时间内获得且相关预测研究较少的问题，本文提出了一种应用深度学习算法构建的烧结返矿量组合预报模型。该模型首先将烧结实际生产流程大数据与数据预处理技术相结合，建立模型基础数据集；然后将烧结流程中存在的滞后性与时域神经网络相结合，实现模型的提前预报功能；同时将皮尔逊相关性分析和PCA技术制定的烧结配料规则与深度森林相结合，实现模型的实时监测功能。预测结果分析表明：该模型整体误差范围(返矿量在15 t/h内)命中率能够达到90%以上，并展示出良好的提前预报和实时监测效果，能够达到预测返矿趋势与数量的目标。     

基于RFE-DNN的烧结矿性能预警模型

针对某钢厂铁前数据库中烧结物料的预警空值与预警模型不完善问题，提出了一种烧结矿性能预警模型。将传统烧结工艺理论与大数据技术相结合，对原厂烧结生产数据进行预处理并搭建相应的烧结数据仓库，运用RFE(递归特征消除)对生产参数进行特征选择、重要性排序与相关性分析，然后运用DNN算法构建烧结矿化学成分与质量指标的预测模型，预测V₂O₅、CaO/SiO₂、TFe和FeO的R²分别达到0.965 8、0.824 7、0.846 2和0.871 1,预测筛分指数和转鼓指数的R²分别达到0.899和0.875,满足预测精度需求，并将预测结果结合预警区间对烧结矿性能进行预警。