一种白炭黑硅羟基的测定方法
    4.
    发明公开

    公开(公告)号:CN115127955A

    公开(公告)日:2022-09-30

    申请号:CN202210625773.3

    申请日:2022-06-02

    IPC分类号: G01N5/02

    摘要: 本发明提出了一种白炭黑硅羟基的测定方法,该方法包括如下步骤:1、称取一定质量的白炭黑并将其平铺在坩埚中;2、将坩埚置于可以进行程序升温控制的气氛炉中,在设定温度下采用氮气吹扫白炭黑一定时间;3、将气氛炉的吹扫气切换为氨气,于一定条件下对白炭黑进行氨吸附处置;4、重新将气氛切回氮气,在设定条件下对白炭黑的物理吸附氨进行脱附处置;5、取出样品坩埚并称量质量,按公式计算所测白炭黑的硅羟基含量。本发明提出的白炭黑硅羟基含量测定方法具有操作简单,结果准确,抗干扰能力强,重复性好,且需要的样品量较少的优点,十分适合小批量白炭黑样品的检测。

    一种回收风机叶片的低温热转化装置及方法

    公开(公告)号:CN117086082A

    公开(公告)日:2023-11-21

    申请号:CN202311116017.9

    申请日:2023-08-31

    IPC分类号: B09B3/40 B09B5/00

    摘要: 本发明提出了一种回收风机叶片的低温热转化装置及方法,属于风机叶片回收领域,该装置包括进料口、烟气出口、回转炉排、风箱、刮渣链板、纤维出口、加热管、排渣螺旋、检修炉门。所述进料口布置在炉顶左侧,烟气出口布置在炉顶右侧,进料口正对回转炉排左端,回转炉排上方布置加热管,回转炉排中间空隙布置风箱,回转炉排下方布置刮渣链板,刮渣链板右侧设有纤维出口,炉膛两侧设有检修炉门。本发明采用回转式的炉排设计,原料无需进行破碎,避免破碎过程纤维结构被破坏,同时采用加热管和风箱控制炉内温度,避免高温毁坏纤维,可实现风机叶片纤维的高质量回收。

    一种多级催化热解装置及方法
    6.
    发明公开

    公开(公告)号:CN116218552A

    公开(公告)日:2023-06-06

    申请号:CN202310024485.7

    申请日:2023-01-09

    IPC分类号: C10B47/02 C10B53/02 C10B53/07

    摘要: 本发明公开一种多级催化热解装置及方法,所述多级催化热解装置采用了具有内核发热层与外围催化层的催化球、作为缩口的气体通道、螺旋热解反应器以及多级催化反应器。原料进入后受微波加热以及螺旋叶片的翻动,急剧升温发生热解,迅速产生大量热解气,受到螺旋叶片的挤压,快速穿过透气隔板进入气体导向筒;热解气穿过缩口状的气体通道进行加速,随后均匀进入多级催化反应器;多级催化反应器内的每一级催化区的催化球通过吸收预定频率的微波,维持所需的不同催化温度;热解气依次穿过不同催化区的催化球的外层孔道,发生连续的催化反应,最终通过进一步的分离与冷凝获得目标产物。本装置能同时使不同催化过程均实现最佳工况。

    一种基于时序数列分析耦合神经网络预测的不良数据辨识方法

    公开(公告)号:CN114757413A

    公开(公告)日:2022-07-15

    申请号:CN202210376902.X

    申请日:2022-04-11

    摘要: 本发明提出了一种基于时序数列分析耦合神经网络预测的不良数据辨识方法,主要步骤包括:获取原始数据,原始数据进行无量纲化处理,对原始样本参数序列进行平稳性测试,若不平稳则对序列进行差分处理并再次测试直至差分序列平稳,建立序列的差分自回归移动平均模型,计算模型残差,将残差值大于预设值归类至不良样本集。建立BP神经网络模型,通过神经网络模型对不良样本集进行循环测试,最终获得不良数据集。本发明通过耦合时序数列分析和神经网络模型,利用时序数列分析初步获得不良数据,然后利用神经网络模型进行检验验证,非常适合处理具有参数多、波动大等特点的脱硝系统数据,辨识精度和准确性高,可广泛用于烟气脱硝领域不良数据的辨识。

    基于优化BP神经网络的SCR脱硝系统不良数据辨识方法

    公开(公告)号:CN112016249A

    公开(公告)日:2020-12-01

    申请号:CN202010898287.X

    申请日:2020-08-31

    摘要: 本发明公开了一种基于优化BP神经网络的SCR脱硝系统不良数据辨识方法,包括以下步骤:(1)获取原始数据,对数据进行无量纲化预处理;(2)构建BP神经网络,利用遗传算法优化神经网络参数;(3)训练神经网络,随机选取样本进行预测,计算相对误差并依此鉴别不良样本;(4)重复执行步骤(2)和(3)构建不良样本集;(5)统计不良样本在不良样本集中出现频次,依频次大小初步确定不良样本;(6)剔除不良样本并重新构建神经网络,对剔除的不良样本进行预测,根据相对误差对不良样本进行检验和校正。本发明利用遗传算法对网络参数进行全局优化,提升预测精度,可防止神经网络陷入局部最优,提升鉴别的准确性和精度。

    一种生物质催化热解制备烷氧基酚的方法

    公开(公告)号:CN111978160A

    公开(公告)日:2020-11-24

    申请号:CN202010679790.6

    申请日:2020-07-15

    摘要: 本发明属于生物质能的利用领域,具体涉及一种利用氮掺杂活性炭催化生物质热解制备烷氧基酚的方法。本发明是以氨水物理活化法制备的生物质基活性炭为催化剂,以二氢蒽、四氢萘等富氢化合物为供氢剂,以生物质为原料,将上述催化剂、供氢剂与生物质机械混合后在无氧或缺氧条件下于300~400℃下进行快速热解,热解时间不超过60 s,对热解气进行冷凝即可得到富含烷氧基酚的液体产物。此外,该催化剂性能稳定,可经分离回收后多次循环使用。