铁盐与铝盐对腈纶废水生化出水混凝特性的对比

针对腈纶废水生化单元出水,对比研究了Al2(SO4)3和Fe2(SO4)3在不同絮凝剂投量和p H时的混凝处理效果,并利用紫外-可见分光光度法(UV-Vis)、三维荧光光谱(EEM)、凝胶渗透色谱(HPSEC)等对混凝特性进行了初步探讨。研究显示,2种混凝剂在投量为63.5 mg/L时可获得30%以上的COD去除率,且最佳p H为中性附近。当投量小于32 mg/L时,Al2(SO4)3较Fe2(SO4)3具有更高的COD去除率,进一步增大混凝剂的投量很难提高Al2(SO4)3对COD的去除率,而Fe2(SO4)3则在有限范围内能持续提高COD去除率。EEM光谱分析显示,与Al2(SO4)3相比,Fe2(SO4)3对有机物具有更广的处理范围和更好的去除效果。HPSEC分析表明,Fe2(SO4)3相对于Al2(SO4)3在去除重均分子量为2 776、1 856和1 325 Da的有机物组分方面具有优势。铁盐或铝盐混凝是深度净化腈纶废水生化单元出水的可行方案之一。     

我国腈纶废水物化预处理方法的研究进展

结合我国腈纶废水的特征,系统归纳了近年来我国腈纶废水常用物化预处理方法的研究进展。物化预处理方法包括内电解法、混凝法、Fenton氧化法、电解法、臭氧氧化法、光催化氧化法、微波法等。这些方法普遍存在高成本、高能耗、实际运行费用大等问题。对未来物化预处理方法的研究方向提出了建议。最后指出,腈纶废水的处理应朝着节能高效和资源化的方向发展,推动我国腈纶废水处理技术的不断进步和完善。     

尿素基纤维的制备及对水中Cu2+和Cd2+的吸附

以棉纤维为原料,经氯化和取代反应,制得尿素基纤维并用于水中Cu^2＋和Cd^2＋的吸附,考察了各种因素对吸附效果的影响。尿素基纤维对Cu^2＋和Cd^2＋的吸附可用Langmuir等温吸附方程描述,吸附过程可看成单层吸附。较佳吸附条件：重金属离子溶液pH为5,流量为7mL／min。用过的尿素基纤维经2mol／L的盐酸洗脱再生后,对Cu^2＋的吸附、解吸、再吸附的性能良好,可重复使用。     

有无隔膜槽中成对电解脱色活性艳蓝性能比较

分别采用有/无隔膜电解槽,以活性炭纤维(ACF)为阳极和阴极,研究了不同电流密度下蒽醌染料活性艳蓝KN-R的电化学脱色。在染料脱除量、电耗、脱除当量等方面比较了两种电解槽的脱色性能。结果表明,1.0～1.5 mA/cm2时,两种电解槽中均发生阳极电氧化和阴极电还原同时进行的成对电解脱色,无隔膜槽脱色性能优于隔膜槽。     

活性炭纤维对氯仿气体动态吸附的研究

为了探讨活性炭纤维(ACF)对氯仿有机废气的动态吸附,考察氯仿气体流速、浓度、温度、ACF再生次数对吸附效率的影响以及滤速和压降的关系。结果表明:低浓度、低流速、低温度均有利于吸附。ACF对氯仿的吸附以物理吸附为主。提高氯仿气体滤速,气体压降增大。     

负载稀土元素活性碳纤维在微型反应器中净化NO废气

以NH3为还原剂,以活性碳纤维（ACF）、HNO,浸渍的ACF、负载CuO的ACF和负载La2O3的ACF为催化剂,在微型反应器中考察各种催化剂对NO催化还原的活性,并进行了差热-热重、扫描电镜分析。实验结果表明,ACF负载La能有效地改善催化剂的活性,且催化活性中心为非晶态的氧化物;当ACF负载20％的La2O3时具有最好的低温活性,NO的去除率最高可达92％以上。     

聚丙烯中空纤维膜萃取水溶液中铜离子的研究

研究了聚丙烯中空纤维膜萃取二(2-乙基己基)膦酸(D2EHPA)水溶液中铜离子的工艺条件.结果表明,两相流速、膜面积对萃取率基本无影响;而水溶液的pH值和有机相初始铜离子浓度的改变使萃取率在40%-99%之间变化.整个萃取过程的传质阻力主要来源于D2EHPA和 Cu2 的界面配位络合反应阻力,铜浓度比较高时,传质阻力与铜浓度无关;而当铜浓度降低时,传质阻力随着铜浓度的降低而增大.     

活性碳纤维在环境保护中的应用

由于活性碳纤维的吸附面积大,可以作为固相微萃取的纤维用于对环境污染物质的分析检测,包括含硫和含氯的一些有机化合物.同时,活性碳纤维具有良好的导电性能,可以作为电极,能有效地去除环境中城市污水、燃料废水和腐植酸的污染.     

利用等离子技术治理再生纤维汽车内衬生产过程中的烟气

利用等离子技术,治理树脂聚合法生产再生纤维汽车内饰材料过程中产生的烟气,对等离子净化装置的结构参数、操作参数进行了优化,并对等离子体净化机理进行了分析。利用等离子技术,能够处理常规工艺设备无法治理的极微细可吸入颗粒物和气溶胶烟气;并可同时净化可吸入颗粒物和气态污染物。该设备结构简单、运行费用极低,可在产生烟气的很多行业和领域推广应用。     

基于EMD-HHT可定位长输天然气管道第三方破坏事件监测技术

为适应目前管道安全监测需要,满足对扰动信号分类监测的实际需求,提出1种基于希尔伯变换和经验模态分解(EMD-HHT)的信号特征提取技术,利用基于φ-OTDR分布式光纤传感系统采集振动信号,通过EMD+HHT区分算法对管道沿线振动事件进行分解并提取6个典型特征向量,各特征事件数据经过EMD后选取IMF3为最终提取特征向量的原始数据,BP神经元网络可有效识别机械破坏、敲击破坏、车辆经过、人工挖掘、动力干扰5种事件。研究结果表明：在长输管道信号识别中,BP神经网络对5类事件平均识别率高达98.6%,该技术分类识别5类事件扰动信号,能够达到较高准确性,并且误报率平均在1.3%,能较好满足现场安全实时监测需求。研究结果对长输油气管道附近第三方破坏扰动信号分类监测具有一定参考意义。