论文部分内容阅读
介绍丹麦托普索湿接触法制硫酸(WSA)工艺的原理,针对生产运行过程中所出现的问题进行分析,通过改造解决了酸气带液、燃烧炉负荷低、酸气管线腐蚀、酸雾控制器(MCU)运行不正常、WSA冷凝器(06E005)玻璃管损坏等问题,为同类装置的运行提供经验。
WSA硫回收工艺运行总结与探讨
【摘 要】
：
介绍丹麦托普索湿接触法制硫酸(WSA)工艺的原理,针对生产运行过程中所出现的问题进行分析,通过改造解决了酸气带液、燃烧炉负荷低、酸气管线腐蚀、酸雾控制器(MCU)运行不正常、WSA冷凝器(06E005)玻璃管损坏等问题,为同类装置的运行提供经验。
【机 构】
：
河南能源化工集团鹤壁煤化工公司
【出 处】
：
氮肥与合成气
【发表日期】
：
2021年9期
其他文献
多元料浆气化装置碳洗塔出口煤气管线去火炬放空遥控阀(HV13005)出口与系统压力调节阀(PV13011)的入口通过缠绕垫法兰密封连接,此处容易发生泄漏。从泄漏产生的原因出发,分析该阀出口法兰密封发生泄漏后的工艺处理措施及注意事项,并介绍出口法兰泄漏后修复前的工艺处理措施、修复的工艺及技术装备、修复工作的内容及步骤、检查验收的方法及标准。
据统计,我国化工行业能源消费量达4.2亿t/a标煤,约占到全国消费总量的8.4%;化工行业二氧化碳排放量达到11亿t/a左右,约占全国排放总量的10%。氮肥、甲醇行业又是化工行业中的重点排放大户,73.7%的合成氨、77.3%的甲醇产能是以煤炭为原料生产的。生产1 t合成氨,煤头二氧化碳排放约为4.2 t、天然气头约为2.04 t;生产1 t甲醇,煤头二氧化碳排放约为3.1 t、天然气头约为0.58 t。2020年合成氨、甲醇行业二氧化碳总的排放量分别为2.19亿t和1.96亿t,占化工行业排放总量的19
现有的基于元路径的异质图嵌入模型通常假设给定的元路径是相互独立的,这种分别为每个元路径生成节点嵌入后再融合的方式只关注了每个元路径的局部结构,而忽略了元路径间的全局相关性,因此模型预测效果有限。针对以上问题,提出一种基于元路径的关系选择图神经网络(MRSGNN)。模型首先将异质图转化为基于元路径的多关系图,利用提出的关系选择图卷积层直接在多关系图上聚合邻居信息以建模元路径间的全局相关性,并结合关系选择模块对多关系下的邻居信息进一步筛选以区分各关系的重要性。在三个公开异质图数据集的节点分类任务上,MRSGN
针对惠州石化煤气化装置渣水系统渣脱水罐环管结垢现象,通过分析原料、结垢组成,对结垢的原理进行探讨,从原料选择、阻垢剂加入位置和加入量等方面进行优化,基本解决渣脱水罐环管结垢的问题,保证渣水系统的稳定运行。
随着第五代(5G)移动通信中对用户数据率,接入量和能效的不断增长的更高需求,非正交多址接入(NOMA)技术因其在频谱方面的优势而备受关注。为了提高NOMA系统的并发用户量以及降低系统能耗,面向单小区多用户混合NOMA(HNOMA)系统的上行功率最小化问题,研究了用户分组方案的优化,提出了联合功率分配的最优分组算法以及基于上行传输信道特性的启发式分组算法,以及组内的最优解调顺序。在功率控制中,基于最小数据率约束推导了组内最小功率的闭式解。仿真结果证明,所提出的优化方案在能耗和能效等方面均能达到较高的性能。
车牌信息识别包括图像预处理、车牌定位、字符分割、字符识别等步骤。在有雾霾、扬沙的恶劣天气状况下,由于户外能见度较差,造成采集的车牌图像模糊、颜色保真度差,降低了车牌检测和识别的准确性和可靠性。针对这一问题,本文利用图像饱和度估计介质传输的方法对图像去雾,同时使用白平衡的方法来进一步消除黄色或细粉尘对图像色彩造成的偏差。这种方法有效还原了车辆图像原本的信息特征,并且在去雾效率和计算复杂度两方面都表现
气化炉开车时,气化系统内的渣块会沉入降槽底,堵塞过滤机给料泵,造成过滤机给料泵不打量。为保持沉降槽出料稳定,在沉降槽底部加装沉降锁斗,可以避免大块渣堵塞过滤机给料泵。
为了提高蜡染纹样的分类准确率,提出一种改进的VGGNet分类模型,将最后池化层的输出进行全局平均池化后直接与分类神经元进行全连接。采用数据增强技术扩充训练集样本数量,提高模型的泛化能力,使用迁移学习方法将预先训练好的VGGNet参数作为初始化参数,提高模型训练的效率。实验结果表明,该方法能够有效提高蜡染纹样的分类准确率。
近年来,可见光通信的相关技术正在迅速发展,具有很大的发展前景。发光二极管(LED)是可见光通信(VLC)系统中非线性的主要来源,在进行LED非线性建模时,通常采用存储多项式的方法。但是基于存储多项式的方法在建模之后的预失真或者后失真中具有一定的局限性,如在深度学习训练中无法进行反向传播、精度过低无法满足要求。本文提出了一种基于深度学习的可见光通信非线性建模方法,该方法通过神经网络来拟合功率放大器的非线性模型。这种方法在非线性拟合的准确性、对记忆效应的刻画能力和可表示性方面都较传统方法有了很大的提升。
安全是铁路的生命线,目前铁路安全监察采用发牌制度,进行安全质量考核管理,实现管理人员发牌、定责、整改、销号的闭环管理。但是,安全检查发牌过程存在着问题定位不准、分类模糊等问题。针对上述问题,结合现有的人工智能文本分类技术,试图实现自动分类,提高分类准确率,具有现实意义。提出基于BERT与BiLSTM的铁路安监文本分类模型,在字向量训练阶段使用BERT模型代替传统的SkipGrams和CBOW模型,提升了字向量的表征能力进而提高了文本分类的准确率,与现有的基于词汇特征的TextCNN方法,基于深度学习的B