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。     

酸清洗隔断连续流动分析法测定水中总余氯

设计试剂配方和反应模块,采用酸清洗隔断连续流动分析测定水中总余氯,通过优化试验条件,使方法在0 mg/L～2.00 mg/L范围内线性良好,相关系数> 0.999,方法检出限为0.014 mg/L。实际废水样品6次测定结果的RSD为2.2%～7.3%,加标回收率为96.8%～106%。用该方法和国标法同时测定实际废水样及标准溶液,两方法测定结果的相对偏差为1.2%～7.7%。     

热带海洋大气环境典型航空材料清洗效能研究

目前，市场上航空产品清洗剂种类繁多，质量参差不齐，且大部分控制剂仅进行过诸如清洗效率、腐蚀性、与非金属材料相容性、贮存稳定性、外观、闭口闪点、pH值、黏度、乳化性等实验室理化性能测试，而较为缺乏真实外界环境试验鉴定考核结果。尤其是对于南海、远海等恶劣环境条件地区，航空产品会遭受高温、高湿、高盐雾等恶劣环境因素的综合影响，未经实际试验而盲目选用不恰当的腐蚀控制方法，易导致航空产品出现“欠保障”或“过保障”问题，带来安全隐患，给机务维护工作带来极大不便。本文以典型航空材料铝合金为研究对象，选取国内市面上几款典型的清洗剂，以清水清洗为对照，对其在南海海洋大气环境下的清洗效果进行试验评价，探索不同清洗剂对民用航空器关键材料腐蚀损伤的影响。