对氨基苯酚生产工艺
    1.
    发明授权

    公开(公告)号:CN1328244C

    公开(公告)日:2007-07-25

    申请号:CN02112764.6

    申请日:2002-03-15

    IPC分类号: C07C215/76 C07C209/36

    摘要: 本发明涉及以对硝基苯酚为原料的对氨基苯酚生产工艺,以镍或铝等金属为催化剂进行催化加氢反应,反应后物料在泵增压下不断循环于反应釜与无机膜组件之间;循环物料反复通过无机膜过滤,其中的液相产品透过膜孔,收集后经常规处理后得对氨基苯酚(PAP)结晶产品;循环物流中的固相催化剂不断增浓,最后留在反应釜内被回收再使用。本发明使物料中微细悬浮态催化剂的分离回收工艺连续进行,过程简化,效率提高。

    一种模型预测控制性能评估与诊断方法

    公开(公告)号:CN104932488B

    公开(公告)日:2017-06-16

    申请号:CN201510375838.3

    申请日:2015-06-30

    IPC分类号: G05B23/02

    摘要: 本发明公开了一种模型预测控制性能评估与诊断方法,包括:计算系统实时性能值Ji及其平均形式Jnew;选取一段数据集作为历史性能基准值将Jnew与作比得到系统性能指标如果值接近1判定系统性能良好,如果值接近0则转到下一步;计算干扰误差e0(k)、预测误差e(k)、模型质量指标η,如果η值接近1则判定引起系统性能下降的原因是外部因素或控制器因素;否则判定系统模型失配转向下一步;检测信息序列e(k)的自相关性,如果e(k)存在自相关性则转到下一步,否则判定模型匹配度良好;最小的损失函数对应的n即为e(k)的阶级,当e(k)的阶级大于过程模型的阶级时则判定过程模型失配,否则判定干扰模型失配。本发明仅需闭环输入输出数据,就可对系统整体性能进行评估,可对系统性能恶化源进行定位。

    一种固体超强酸催化硝化制备三氟羧草醚的方法

    公开(公告)号:CN102093225A

    公开(公告)日:2011-06-15

    申请号:CN201010570384.2

    申请日:2010-12-02

    CPC分类号: Y02P20/584

    摘要: 一种固体超强酸催化硝化制备三氟羧草醚的方法,涉及一种硝基化合物的制备方法。本发明方法为二氯乙烷中,醋酸酐存在下,3-[2-氯-4-(三氟甲基)苯氧基]苯甲酸与发烟硝酸在固体超强酸催化下,于20-80℃反应1-20h,过滤回收固体超强酸催化剂,分层,干燥,蒸溶得到产品三氟羧草醚。本发明所用的固体超强酸是一种以金属氧化物为载体的负载型超强酸,载体是三氧化二铁、二氧化钛、二氧化锆。与传统的混酸硝化相比,本发明的方法具有收率高、选择性好、产品易于分离、催化剂可重复使用及环境污染小的优点,具有工业应用前景。

    一种预测控制模型性能下降的深度诊断方法

    公开(公告)号:CN104698976A

    公开(公告)日:2015-06-10

    申请号:CN201410811191.X

    申请日:2014-12-23

    IPC分类号: G05B19/406

    摘要: 本发明公开了一种预测控制模型性能下降的深度诊断方法,利用生产运行数据计算过程扰动信号,然后利用生产数据和预测控制器设计阶段的阶跃响应系数计算模型预测误差,通过二者构造的模型性能指标判断模型整体性能优劣。对于性能恶化的模型,进一步用逐一去除输入变量的方法计算新的模型性能指标,通过性能指标的变化情况判断去除的输入对应的子模型性能,从而实现对每一个子模型性能进行监控。本发明仅利用生产过程数据和设计数据,不仅能够对多变量预测控制模型整体性能给出评估,更能对所有输入对应的子模型性能进行评估,为工程师进行控制系统维护给出建议,能够大幅降低预测控制器维护成本。

    一种合成3,4-噻吩二甲醛的方法

    公开(公告)号:CN102558139B

    公开(公告)日:2013-12-25

    申请号:CN201110453755.3

    申请日:2011-12-30

    IPC分类号: C07D333/22

    摘要: 本发明公开了一种合成3,4-噻吩二甲醛的方法,所述方法是以3,4-二溴噻吩为原料,在催化剂的存在下合成3-甲氧基-4-溴噻吩,然后与由双(三氯甲基)碳酸酯和N,N-二甲基甲酰胺制备的Vilsmeier试剂在有机溶剂中反应即得目标化合物。本发明方法具有原料廉价易得、反应条件温和、操作简单安全等优点,具备工业化应用前景。

    一种预测控制模型性能下降的深度诊断方法

    公开(公告)号:CN104698976B

    公开(公告)日:2017-06-16

    申请号:CN201410811191.X

    申请日:2014-12-23

    IPC分类号: G05B19/406

    摘要: 本发明公开了一种预测控制模型性能下降的深度诊断方法,利用生产运行数据计算过程扰动信号,然后利用生产数据和预测控制器设计阶段的阶跃响应系数计算模型预测误差,通过二者构造的模型性能指标判断模型整体性能优劣。对于性能恶化的模型,进一步用逐一去除输入变量的方法计算新的模型性能指标,通过性能指标的变化情况判断去除的输入对应的子模型性能,从而实现对每一个子模型性能进行监控。本发明仅利用生产过程数据和设计数据,不仅能够对多变量预测控制模型整体性能给出评估,更能对所有输入对应的子模型性能进行评估,为工程师进行控制系统维护给出建议,能够大幅降低预测控制器维护成本。