煤转化废弃物制备水煤浆成浆特性及优化配比专家系统的研究

发布时间：2020-06-07 19:32

【摘要】：煤转化废水是一种排放量大、组分复杂、可生化性较差的高浓度有机废水,若处理程度不够就排放,势必会给环境和人类健康带来较高的风险,故煤转化废水的处理一直是一项世界性的难题。化工污泥、高碳渣等煤转化固体废弃物也存在类似的问题。采用水煤浆技术协同处置固液废弃物,实现废弃物的无害化和资源化利用,近年来得到了广泛的关注。本文系统地探究了多种煤转化废弃物对水煤浆成浆性的影响机理,并开发了一款用于优化多种废水制浆配比的专家系统,研究结果对于煤转化废弃物的处理具有重要意义。将多种污泥、发酵药渣、高碳渣等固体废弃物与煤粉掺混制备水煤浆,考察了固废水煤浆的成浆性能,并与去离子水水煤浆进行比较。由于废弃物具有的吸水性强、孔隙发达的特点,废弃物的掺混增大了水煤浆的粘度,不利于成浆,且废弃物掺混量越大,成浆浓度下降越明显。三种废弃物水煤浆均表现出了剪切变稀的假塑性特征,拟合流变模型参数,发现废弃物水煤浆比去离子水水煤浆的流变指数n更小,说明废弃物的加入增强了水煤浆的假塑性,这有利于水煤浆的储存、运输和雾化。此外,污泥、药渣、高碳渣等固体废弃物能够提高水煤浆的稳定性,使析水率明显下降。将气化炉废水、二沉池废水这两种煤气化废水分别用于制备水煤浆,并与去离子水水煤浆进行比较,探究了三种水煤浆成浆性的差异,并采用zeta电位、接触角的手段分析煤表面特性,研究了其分散稳定的机理。两种废液均可以降低水煤浆的成浆浓度,且气化炉废水的影响更大。三种水煤浆均表现出一定的假塑性和触变性,且强弱关系为气化炉废水二沉池废水去离子水。废液的加入增强了水煤浆的稳定性,且气化炉废水的促进效果更好。探究了废水中氨氮、挥发酚类物质对水煤浆粘度的影响,氨氮的影响与溶液的pH值有关,而在废水有机质浓度范围内,酚类物质的影响较小。废液水煤浆的稳定性是溶液中氨氮、有机物共同作用的结果。氨氮的加入会影响煤表面的荷电情况,改变煤粒间的静电斥力。两亲有机分子则会增强煤的亲水性,增大水化膜厚度,进而减弱颗粒间的疏水作用,使颗粒间的“团聚”减弱。为了优化制备水煤浆时的废水配比,研究开发了“多种废水制备水煤浆智能化配置专家指导系统”软件,包含“系统介绍”、“数据管理”、“最佳配比”、“预测浓度”、“工艺流程”这五个栏目的内容及功能,以废水的成分(氨氮、COD、钠、钾、硫酸盐等)为输入因子,采用BP神经网络构建了废水煤浆成浆浓度预测模型,并采用穷举的方式实现了废水优化配比模型。此外,对开发的专家系统软件进行全面而细致地功能测试,保障软件的正常操作使用。
【图文】：

模型图,人工神经元,模型,感知机

图 1.3 人工神经元模型学家 McCulloch 与 Pitts 在论文《神经第一个神经网络模型，即 M-P 神经元[78]。1949 年，心理学家 Hebb 在《行为ebb 学习规则，奠定了神经网络学习的tron）、自适应线性神经网络（Adaline）个高潮期[76]。9 年，美国麻省理工学院的计算机科学研on》（感知机）一书中指出了感知机只适问题和多层网络问题却无能为力，对人断直接使得神经网络的研究进入了冰河期工学院的生物物理学家 Hopfield 提出了

神经网络结构

业论文经网络是一种用误差反向传播（BP）算法训练的多层前馈止应用最为广泛的神经网络[77]。它可以分为输入层、隐层图 1.4。理论证明，只需要一个包含足够神经元的隐层，任意精度逼近任意复杂度的连续函数[76]。BP 算法的工作习信号（x1, x2, x3, …, xn）提供给输入层的神经元，然后输出层，隐层可以只有单层，也可以有多层，主要负责数步处理得到结果（o1, …, oj）。然后，将实际输出与期望播至隐层神经元，按照隐层神经元的误差来对各层连接权正向传递与误差反向传播的交替循环进行，直到网络的误达到预设值。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TQ536

【相似文献】