气化炉炉渣特性分析及制备微晶玻璃可行性研究

以不同炉型的4种气化炉炉渣为研究对象,采用XRF、XRD、SEM-EDS、ICP等手段对其化学组成、晶相结构、形貌特征、熔融温度、重金属含量及其浸出毒性等进行分析。结果表明,4种气化炉炉渣的主要成分均为SiO₂、Al₂O₃、CaO、Fe₂O₃以及残余炭,物相结构以玻璃体为主,具备制备微晶玻璃的化学基础;熔融温度均在1 150～1 335℃之间,低于常见的高温熔融温度,因此以气化炉炉渣制备微晶玻璃在工程上是可行的;重金属元素及其浸出毒性分析表明气化炉渣不具有浸出毒性,由其制备的微晶玻璃产品不需考虑危险属性。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题，提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先，针对数据来源多，且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题，利用基于自适应回归算法实现多时间尺度的数据清洗；其次，建立基于模糊神经网络算法的二氧化硫质量浓度预测模型，提取再生烟气产排过程中的动态特性；然后，提出基于动态惯性权重和学习因子机制的自适应粒子群算法，平衡全局探索能力及局部开发能力，实现再生烟气二氧化硫质量浓度的预测；最后，利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测，解决了现场多时间尺度数据难以建模的问题。