污泥的超临界水氧化动力学研究

在间歇式反应器中研究了城市污泥的超临界水氧化反应,反应温度为400～450℃、压力为24～28MPa、反应时间为40～515s.结果表明:污泥的有机物去除率可达99 9%以上;在420℃、反应时间为155s时,污泥氧化后残余固体物的体积仅为脱水污泥的4%,反应后剩余收集液的COD小于10mg·L-1.以幂函数方程描述了氧化剂过量时污泥超临界水氧化的反应动力学规律,污泥和氧化剂的反应级数分别为1和0;速率常数与温度的关系符合Arrhenius公式,随反应时间增加、温度升高,有机物的去除率显著增加;速率常数随压力升高而增加,但速率常数的增幅随压力的升高而减小,反应活化体积不是常数.在24MPa时,反应活化能和频率因子分别为(39 11±2 216)kJ·mol-1和(45 2±17 2)s-1,模型计算值与实验值的误差在±8%以内.     

差分进化算法应用于图像恢复

针对传统的图像恢复方法存在的缺陷和不足,提出了一种基于差分进化算法的图像恢复方法。该方法的思路是,利用差分进化算法简单、通用和鲁棒性强等优点提高求解效率,优化图像恢复效果。通过将差分进化算法应用于图像恢复,并把恢复后的图像与使用遗传算法恢复的图像进行对比分析,实验表明了差分进化算法的稳定性、图像的清晰性明显优于遗传算法,基于差分进化的图像恢复具有良好的性能和显著的效果,因此差分进化算法比遗传算法更适用于图像恢复问题。     

基于差分进化算法的神经网络优化设计

【目的】研究解决传统神经网络手动设计网络结构的局限性,并探究差分进化算法对神经网络优化的有效性。【方法】提出了一种基于差分进化算法的多层前馈神经网络的优化设计方案,用以同时完成神经网络的权值空间和网络结构空间的搜索,给出不同场景下的最优网络结构。该算法采用（1+1）-ES二元进化策略,使用一种新的网络结构交叉和变异方法,通过双种群结构共同进化及自适应变异率等策略加快网络结构的搜索以及算法的收敛。【结果】在预测、分类等问题中,基于差分进化算法的神经网络优化设计能够较好地搜索到最优的神经网络结构,并与传统的BP神经网络以及经典的预测分类算法进行比较,实验结果具有较强的鲁棒性。【结论】基于差分进化算法的神经网络优化设计是解决网络结构寻优问题的有效方法。     

基于组合三角变异差分进化算法的化工参数辨识

针对传统方法在解决化工参数辨识问题中易陷入局部最优、导致求解精度不足的问题,提出了一种组合三角变异差分进化(CTMDE)算法,融入了组合三角高斯变异策略和DE/current-to-pbest/1变异策略.其中,组合三角高斯变异策略引入了组合权重来适应性利用较优个体、一般个体、当前个体的信息,维持种群多样性;而DE/current-to-pbest/1变异策略能够利用种群中的较优个体来指导搜索,对解空间的开采能力较强.两者结合使得算法在加快收敛速度的同时降低陷入局部最优的可能性.在12个基准测试函数上,将CTMDE算法与其他新近DE算法进行比较,并将CTMDE算法应用于甲醇转化为烃类物质的参数辨识问题.实验结果表明:CTMDE算法具有较好的寻优性能,且在化工参数辨识问题上具有较好的求解效果.     

基于并行协同演化的差分进化算法

针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,引入协同演化的思想提出了一个基于并行协同演化的差分进化算法,并设计了相应的变异算子和自适应交叉算子。仿真验证结果表明:同遗传算法、标准差分进化算法相比,所提算法在搜索速度和寻优能力方面都具有一定的优势。     

基于量子差分进化算法的神经网络优化方法

一般的神经网络的结构是固定的,在实际应用中容易造成冗余连接和高计算成本。该文采用了协同量子差分进化算法(cooperative quantum differential evolution algo-rithm,CQGADE)以同时优化神经网络的结构和参数,即采用量子遗传算法(quantum genetic algorithm,QGA)来优化神经网络的结构和隐层节点数,采用差分算法来优化神经网络的权值。训练后的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制可以提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子和蒸汽透平流量具有更好的预测精度和鲁棒性。     

含油废水的超临界水氧化反应机理及动力学特性

针对传统的处理方法不能有效地去除油田开采废水中化学需氧量(COD)的缺点,引入超临界水氧化法作为含油废水的深度处理技术,研究了含油废水在超临界水中的氧化降解过程,并用自由基反应机理解释了超临界水氧化反应的机理.实验结果表明:超临界水氧化法是一种高效快速的有机废物处理技术,COD的去除率近90%;反应温度、停留时间是影响废水COD去除率的主要因素,随着反应温度、停留时间的增加,废水COD去除率显著增大;氧化反应对废水的反应级数为1.62,对氧为0.22,反应活化能和频率因子分别为(92.2±9.9)kJ.mol-1和(3.53±3.33)×103,所建立的反应动力学模型与实验结果的偏差在±10%之内.此外,在分析综述基础上指出了超临界水氧化处理过程存在的问题及可能的解决方法.     

基于自适应差分进化算法的间歇反应动态优化求解

为了求解间歇反应动态优化问题,提出了一种自适应差分进化算法(Self-Adaptive Differential Evolution,SADE)。在SADE算法中,每个个体都拥有自己的控制参数。该算法在对原优化问题进行差分进化搜优的同时,以权重大小来评价各个控制参数的优劣,并以加权控制参数作为控制参数的进化方向,实现其自适应调整。结果表明SADE算法收敛速度快、求解精度高。将SADE算法应用于两个典型的间歇反应动态优化问题中,取得了较好的优化效果;同时,分析了时间离散度对优化结果的影响。     

动态随机选择的差分进化算法研究

如何有效地均衡可行区域与不可行区域的搜索是约束优化中的关键问题。为使进化算法获得可行的全局最优解,分析了在进化过程中如何对待好的不可行解的问题,通过分析随机排序中比较概率对可行解最终位置的影响,提出一种动态随机选择策略,并以多个体差分进化为框架实现了相应算法。实验对比分析结果说明了这一策略的有效性。     

基于退火加速的差分进化算法改进及应用

差分进化算法(DE)是一种简单有效的启发式全局搜索技术,为解决DE算法运行过程中存在的算法收敛早熟、收敛速度慢和求解精度不高等问题,提出了一种基于退火加速的差分进化算法.该方法在传统DE算法基础上,以退火概率来增强算法的局部开发能力,并利用Hooke-Jeeves算法加快收敛速度,在充分发挥Hooke-Jeeves算法局部探测能力的同时保持了DE算法的全局性能.仿真结果表明,该算法比基本DE算法收敛速度快、精度高,是一种有效的全局优化算法.     

苯酚在超(亚)临界水中的不完全氧化反应

利用间歇式反应装置研究苯酚超(亚)临界水氧化反应,以n(H2O2)n∶(苯酚)=3.6∶1投入反应,初步探讨了不同的温度、压力条件对反应中间产物的影响.气质谱联用仪分析结果显示:不完全氧化的主要产物包括乙醇、丙酮、呋喃,氯乙烯等;随着温度、压力的升高,中间产物的成分、含量随之变化.产生的中间产物还可以进一步回收利用.     

超临界水氧化法处理硫化铵废水

超临界水氧化法可以快速处理硫化铵废水,其反应产物包括S2O32-、SO32-和SO42-。S2-的去除速率随反应时间、温度、压力、氧气浓度的增大而升高。     

超临界水氧化反应机理的研究进展及其应用

超临界水氧化法是一种有效处理有机废水的方法。文章在总结超临界水的性质和优点的基础上,着重介绍了最新的超临界水氧化反应机理、应用状况及其存在的问题,同时展望了这种新兴技术的应用前景。     

基于差分进化算法的辅助燃油系统燃油转输参数优化

为了选取和优化辅助燃油系统燃油转输参数,通过对差分进化算法进行改进,发展了辅助燃油系统燃油转输参数优化计算方法,对燃油转输参数方案进行了优化计算分析。结果表明:发展的改进差分进化算法对燃油转输参数方案的优化问题求解有效;与给定的燃油转输策略的计算结果相比,燃油转输参数优化方案可以保证双发运行情况下和单发运行情况下的性能最优。     

基于K-means的改进差分进化聚类算法

K-means聚类算法简单,收敛速度快,但是聚类算法的结果很容易受到初始聚类种群的影响,往往导致局部最优。差分进化算法具有很强的全局收敛能力和鲁棒性,但其收敛速度较慢。为此,将K-means聚类算法和差分进化算法相结合,提出一种基于K-means的改进差分进化聚类算法。该算法设置在一定范围内随迭代次数动态增加的交叉算子,以使算法在迭代过程中先进行全局搜索,再进行局部搜索,这样有助于平衡算法的全局寻优和局部搜索能力,并且加快了算法的收敛速度。最后,通过实验测试了算法的有效性。     

超临界水氧化处理油田含油污泥

利用一套自设的简便实用的超临界水氧化实验装置,对运用超临界水氧化法处理油田含油污泥进行了实验研究,实验中使用过氧化氢（H₂O₂）做氧化剂,考察了反应停留时间、反应温度、反应压力和pH值等工艺参数对含油污泥中原油去除率的影响。实验结果表明,超临界水中的氧化反应能有效去除含油污泥中的原油,去除率可达95%,反应停留时间、反应温度、反应压力是影响含油污泥中原油去除率的重要因素,随反应温度、反应停留时间和反应压力的增加,含油污泥中的原油去除率增加,pH值对去除率也有影响,但不大。对指导油田生产具有一定的实用价值。     

基于改进差分进化算法的RBF神经网络优化方法

提出了一种新的RBF神经网络训练方法——改进差分进化算法,并用改进差分进化优化的神经网络对非线性系统进行逼近.采用改进差分进化算法对RBF神经网络的中心值、宽度和权值进行了优化.仿真实验结果表明,改进的差分进化算法具有比遗传算法更强的非线性系统逼近能力.     

水分胁迫对澳洲坚果叶绿素a荧光参数的影响

利用植物效能分析仪 ,研究水分胁迫对澳洲坚果叶绿素 a荧光动力学参数的影响 .结果表明 ,水分胁迫下澳洲坚果叶绿素 a荧光动力学参数中 ,可变荧光 (Fv)下降 ,光系统 (PS )原初光能转换效率 (Fv/ Fm)和 PS 的潜在活性 (Fv/ Fo)降低 .Fv,Fv/ Fm 和 Fv/ Fo在水分胁迫各处理的变化趋势为 N>L>M>CK,且不同品种间值的大小也存在一定差异 .随着水分胁迫强度的加剧 ,Fv,Fv/ Fm 和 Fv/ Fo值也明显变小 .