利用自养煤矸石砖技术治理铬渣初步研究

本研究通过焙烧试验 ,对利用自养煤矸石砖技术治理铬渣进行了初步研究。结果表明 ,在自养煤矸石砖的焙烧过程中 ,其中炭和自身热量能将铬渣中六价铬还原成 (三价铬 )。本研究确定了该铬渣治理方法工艺简单、成本低、解毒彻底、稳定性强 ,具有广泛的应用前景。     

用Ca（OH）_2－PDADMA－PAM法絮凝处理制革废水

提出了用于水处理的Ｃａ（ＯＨ）＿２－ＰＤＡＤＭＡ－ＰＡＭ新方法，采用核法对兰州制革厂综合废水进行絮凝处理的研究．实验结果表明，该法对污染物的去除率高，絮凝剂用量少，沉降速度快，产生的污泥量小，并对多种水质的处理具有适用性．     

铬渣烧结矿炼制含铬生铁工业化生产试验研究

采用铬渣烧结矿作为熔剂,在３０ｍ＾３小高炉上进行了冶炼含铬生铁的工业化生产试验,铬河中六价铬的还原率接近１００％,总铬的金属化还原率大于９４％,平均每吨产品铁吃渣量为２．２９８ｔ,最高达２．７８５ｔ。炼制含铬最大于１０％铁含铬生铁,需同时配入铬铁矿增铬,保持１４８０Ｋ以上的炉温,控制较低的碱度,配入辅料降低炉渣溶点,可显著善炉渣的流动性,成功地实现渣,铁分离排放。监测了试验过程的二次污染,需控制高     

浅谈铬渣解毒技术

介绍了铬渣污染状况,对比分析了10余种铬渣解毒技术的优缺点,并且重点论述了旋风炉附烧铬渣工艺过程及其技术特性。研究表明,旋风炉附烧铬渣具有吃渣量大,解毒彻底等优点,是一种具有推广价值的新型铬渣解毒技术。      

乌昌地区废旧轮胎回收利用现状调查及分析

选取新疆经济发展最快的乌昌地区为靶区,以现场调查资料为基础,根据国内外废旧轮胎回收利用发展变化特点,对该区域的废旧轮胎现状进行了统计分析,并对乌昌地区废旧轮胎的产生量进行了预测。通过对乌昌地区废旧轮胎回收市场特点的调查研究,指出了乌昌地区废旧轮胎回收市场目前存在的问题,提出了相应的建议和措施。     

废印制线路板真空热解渣分选与组成分析的研究

在自行设计制备的真空热解炉中进行了废印制线路板的热解实验,得到固体、液体和气体产物。着重研究了热解固体渣中金属铜和非金属玻璃纤维的物理分选、热解固体渣分析及有氧煅烧对玻璃纤维纯度的影响。结果表明,物理分选效率很高,金属铜的回收率和纯度接近100%;热解固体渣含30.35%的铜、56.21%的玻璃纤维和13.45%的炭黑;有氧煅烧去除炭黑可得到高纯度的玻璃纤维。     

世界废弃印刷电路板的机械处理技术现状

电子废弃物中废印刷电路板的处置 ,一直是相当复杂的问题。根据废电路板中各种组分的结合方式 ,采用机械方法进行材料的分离 ,是经济适用并与环境相协调的处理手段。本文介绍了废电路板再利用技术中采用的各种机械设备 ,并总结了国外机械处置方法的实践进展。     

废印刷电路板的静电分选实验研究

金属与非金属材料的分离是回收利用废印刷电路板的关键环节。对废印刷电路板物料的静电分选进行了实验研究。实验以电压、辊筒转速、电晕电极与辊筒之间的距离、静电极位置、电晕电极位置、电晕电极数量等为考察因素,研究各因素对电选效果的影响规律。结果表明,影响金属与非金属材料分离的主要因素是电压、辊筒转速和电晕电极与辊筒之间的距离,对于-0.9 0.45mm的破碎物料,当电压为24kV,辊筒转速为15Hz(54.6r/min),电晕电极与辊筒之间的距离为5.2cm时,得到最大静电分选综合效率67.37%。     

某制革企业污染控制与环境管理中若干问题研究

通过对数家制革企业开展调查分析,探讨了制革企业在含铬、含硫废水分流处理和各生产环节臭气防治方面存在的若干技术与管理问题.首先,含铬废水和含硫废水收集与管理不规范统一致使后续废水预处理及生化处理受到影响;部分企业忽略了原皮存放及转运、皮革水场加工车间、污水处理设施等臭气产生环节的细节控制.最后提出针对性的对策与措施建议,包括统一规范含铬废水和含硫废水的收集与预处理范围,加强原皮仓库、水场和污水处理系统的恶臭全过程控制.     

Incorporation of neural network analysis into a technique for automatically sorting lightweight metal scrap generated by ELV shredder facilities

In an attempt to improve the technique of automatic sorting of lightweight metal scrap by sensing apparent density and three-dimensional shape, realized by the combination of a three-dimensional (3D) imaging camera and a meter to weigh a moving object on a conveyor belt, neural network analysis was integrated into the scrap identification algorithm, and its effect on the sorting accuracy of this technique was examined using approximately 1750 pieces of scrap sampled at three different end-of-life vehicle (ELV) shredder facilities. As a result, the newly developed algorithm, in which an unknown fragment is identified by passing through two discriminant analyses and one neural network analysis, was demonstrated to greatly decrease the time required for data analysis to prepare the identification algorithm without reducing the sorting accuracy. The average sorting accuracy for a mixture of three types of lightweight metal fragments was found to be 85%, based on the fact that the fist-sized fragments of cast aluminum, wrought aluminum, and magnesium sampled at the three ELV shredder facilities had similar apparent densities and 3D shapes. It was also suggested that still higher sorting performance is possible by repeating the procedure of modifying the database and re-learning of the neural network in the identification algorithm.