催化剂企业检維修承包商安全管理探讨与实践

介绍中国石化催化剂有限公司检维修承包商安全管理中存在的问题,探讨提升检维修承包商安全管理的措施。该管理措施具有在催化剂等石油化工行业推广的价值,希望能对石油化工行业的发展起到积极的作用。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

石粉和脱硫石膏混合装置的设计与应用

利用双轴搅拌机的工作原理设计的石粉和脱硫石膏混合装置，将石粉和脱硫石膏混合成干湿均匀料加入水泥磨，既利用了石粉、节约了石子，又解决了水泥生产过程中脱硫石膏水分大、不便输送和难稳定入磨的问题，效果显著。     

高岭土性质对催化裂化催化剂性能的影响

采用X射线荧光分析仪、X射线衍射仪、N2物理吸附仪、场发射扫描电子显微镜等仪器表征了苏州、广西和美国佐治亚州3个产地的高岭土，并以此3种高岭土为原料制备了模型催化裂化（FCC）催化剂，在ACE评价装置上对比了模型催化剂的反应性能。结果表明:苏州及广西高岭土主要组分为高岭石，佐治亚高岭土主要组分为地开石及珍珠陶土；苏州高岭土呈片状，还含有少量棒状颗粒；广西高岭土呈多层片状，晶粒粒径较大；佐治亚高岭土呈薄片状，晶粒粒径较小；3种高岭土制备的模型催化剂反应活性、Na2O及RE2O3质量分数相近；广西高岭土制备的模型催化剂具有最大的孔体积和磨损指数，但比表面积最小，具有较强的重油转化能力，其目标产物（液化气+汽油）和副产物（干气+焦炭）收率都高于苏州、佐治亚高岭土制备的催化剂的。     

催化剂级配技术在加氢改质装置上的工业应用

基于柴油产品质量升级的需求,中国石化大连石油化工研究院(FRIPP)开发了FHIDW加氢改质技术及配套FF-46加氢精制催化剂、FC-14B加氢改质催化剂和FDW-3临氢降凝催化剂.该技术及催化剂级配体系在格尔木炼油厂0.8 Mt·a-1加氢改质装置上的工业应用情况表明,级配催化剂体系对原料适应性强,装置运转平稳,操作灵活性高,催化剂失活速率慢,产品分布合理且质量优异,在降低柴油产品凝点的同时可以明显改善其密度和十六烷值,解决了改造前装置生产重柴油密度偏低的问题,为炼油厂生产符合国V质量标准的柴油提供了技术保障.     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

1,4-丁二醇精制过程中延长高压加氢催化剂使用周期的研究

在1,4-丁二醇精制过程中使用的高压加氢催化剂,其设计使用周期为1年左右.在使用过程中,随着使用时间的增长会出现催化剂床层压差增大、反应活性下降、反应品质变差、色度增高等现象,影响产品质量及产量,需要及时更换新催化剂.分析了影响催化剂性能的因素,并提出了解决措施,应用后取得较好效果.