Phillips环管淤浆法聚乙烯生产工艺及其催化剂研究进展

来源 :精细石油化工进展 | 被引量 : 0次 | 上传用户:tytytytytytytytytyty
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前,聚乙烯(PE)的主要生产工艺有淤浆、气相和溶液3种,其中,Phillips Mar TECHTM的高级双回路(ADL)工艺是广泛使用的环管淤浆主流工艺之一,使用该工艺可以生产出单峰、双峰和多峰的高密度PE产品.ADL工艺中催化剂的活性中心主要包括铬系、Ziegler-Natta和茂金属,这3种催化剂的聚合机制不同,可以生产不同分子量分布的PE产品,有些特定等级产品可应用于特定领域.文章简要概述了Phillips高密度聚乙烯环管淤浆聚合工艺技术,总结了该工艺的进展及改进,对该工艺中使用的催化剂进行了综述,并对我国聚乙烯淤浆工艺及催化剂的研究趋势提出了建议.
其他文献
小口径管道在船舶、石油化工等工业领域具有广泛应用,其内部状态对设备的安全运行具有重要影响,管道自适应内检测机器人是对管道内部状态检测的有效方法。通过Solidworks建立轮式管道内检机器人仿真模型,对其适应管径变化及转弯的能力进行分析。通过ADAMS方法对内检机器人进行模拟计算,依据实际工况进行条件约束,对机器人的爬行运动学及动力学进行仿真分析。结果表明,所设计小口径管道内检测机器人具有一定范围的管道变径及转弯自适应能力,可适应95mm到105mm之间的管道直径变化,可顺利通过的管道最小转弯半径为200
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。
为解决传统谱聚类算法在应用于大规模数据上时,复杂度较高且资源占用较大,导致算法聚类效果不好甚至无法聚类的问题,提出基于并行框架和采样相结合的改进谱聚类算法,算法在自适应相似矩阵计算基础上,通过数据分块和单向节点并行,提高算法相似矩阵的计算效率,通过Nyström加权抽样逼近,减少拉普拉斯矩阵特征向量的计算复杂度,最后通过KD树结构避免k-mean聚类过程的距离计算,从而提高了聚类效率。仿真实验结果表明,文中算法在取得与传统算法相近的聚类性能的同时,取得更好的加速比,验证了算法对大规模集的良好适应性。