Parameters optimization for direct contact membrane distillation based on orthogonal experiment

Parameter optimization integrating operation parameters and structure parameters for the purpose of high permeate flux,high productivity and low exergy consumption of direct contact membrane distillation (DCMD) process was conducted based on Taguchi experimental design. L16(45) orthogonal experiments were carried out with feed inlet temperature,permeate stream inlet temperature,flow rate,module packing density and length-diameter ratio as optimization parameters and with permeate flux,water productivity per unit volume of module and water production per unit exergy loss separately as optimization objectives. By using range analysis method,the dominance degree of the various influencing factors for the three objectives was analyzed and the optimum condition was obtained for the three objectives separately. Furthermore,the multi-objectives optimization was performed based on a weight grade method. The combined optimum conditions are feed inlet temperature 75℃,packing density 30% ,length-diameter ratio 10,permeate stream inlet temperature 30 ℃ and flow rate 25 L/h,which is in order of their dominance degree,and the validity of the optimization scheme was confirmed.

基于反向知识蒸馏的工件异常检测算法研究

工件异常检测是工业生产中极其关键的一环,由于异常样本数量少,随机性大,有监督学习不能完全学习到所有的异常类型,存在模型稳定性差的问题,针对上述问题,研究了一种基于反向知识蒸馏的无监督工件异常检测算法,利用ResNet网络结构设计的教师模型和学生模型作为主干网络,教师模型真实地提取图像特征,学生模型根据先验知识重构图像,采取逆向结构扩大异常状况的特异性;中间加入记忆模块和掩码注意力模块,提取出样本的多维特征信息,避免遗漏图像中的细节信息;记忆模块之后添加的掩码注意力机制,将图像的多维度、多层次特征整合起来,进一步提升了检测的精确度。在两个公开工业异常检测数据集上进行实验的结果表明,所提算法能有效地定位细小异常,且相比普通知识蒸馏算法AUC提升了5%~7%。

基于多级残差信息蒸馏的真实图像去噪方法

深度神经网络对真实图像有较强的去噪能力,可以学习含噪图像和干净图像之间复杂的非线性映射关系。然而,过多的卷积操作导致计算成本增加并占据大量内存,限制了去噪技术在低运算能力设备中的应用,现有去噪算法容易损坏细节信息,恢复图像存在边缘过度平滑、纹理缺失、含有残留噪声等问题。针对这些问题,构造一种多级残差信息蒸馏模块。通过对特征通道进行分割,保留部分特征用于后续多级融合,并进一步通过深度提取单元提取细化后的特征信息;引入对比度感知通道注意力机制对不同通道的特征分配权重;使用多级跳跃连接充分融合不同阶段提取到的上下文信息。构建1个轻量级的多级残差信息蒸馏网络,采用块间复杂度低的编码-解码结构,编码部分为含噪图像特征提取模块,解码部分为干净图像恢复模块。为了加快训练速度,采用混合图像尺寸的渐进式训练方法。实验结果表明,该方法在SSID和DND真实图像数据集上的峰值信噪比分别为39.43 dB和39.49 dB,与其他网络相比提升了0.17~15.77 dB和0.02~7.06 dB,而模型参数量仅为6.92×106,所提模型在提高去噪性能的同时具有较少的参数量。

气隙式膜蒸馏技术研究现状和应用

在低碳经济的发展背景下,膜蒸馏技术作为一种兼具优异分离性能和节能潜力的新型分离技术而备受重视。气隙式膜蒸馏作为一种高热效率的膜蒸馏形式,其节能优势更为显著。本文总结了国内外与气隙式膜蒸馏技术相关的研究进展,从传质传热模型、数值模拟和膜组件结构几个方面指出了膜蒸馏技术的主要研究方向。重点介绍了膜蒸馏过程优化的研究和技术应用现状。膜蒸馏过程优化包括通过膜组件结构设计优化、使用改性膜、外加物理场等方式以提高膜通量或减小膜污染。在应用方面,气隙式膜蒸馏技术主要应用于海水淡化、高浓度工业废水处理和浓缩加工等领域。

应用热电蒸馏系统生产蒸馏水的试验研究

【目的】为了解决实验室制取蒸馏水的高能耗和低效率问题,设计了一种基于热电模块(thermoelectric module, TEM)生产蒸馏水的蒸馏装置。【方法】首先选取自来水作为蒸馏目标进行试验分析;然后利用TEM实现蒸发和冷凝过程的结合,进而降低蒸馏的能耗;最后考察了在不同电压和温差下TEM的热力学特性对系统能效比(coefficient of performance, COP)及比能耗的影响。【结果】当循环水的流速为36 L/h、温差为24.4℃、电压为13 V时,蒸馏水的产量最大,为400.2 mL/h,系统的能效比最大,为2.25,蒸馏水的比能耗最低,为0.63 kW·h/L。【结论】本研究结果可为水蒸馏过程中降低能耗和提高产量提供参考。

基于密集残差连接U型网络的噪声图像超分辨率重建

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。

好奇心蒸馏双Q网络移动机器人路径规划方法

针对移动机器人的路径规划中DQN算法存在过估计、样本利用率低、奖励稀疏等,从而影响机器人获取最优路径的问题,提出基于好奇心蒸馏模块竞争架构的双Q网络(curiosity distillation module dueling deep double Q-network prioritized experience replay,CDM-D3QN-PER)方法。该方法以D3QN为基础,在输入端添加长短时记忆网络(long short term memory,LSTM)处理雷达和相机的信息,降低过估计的影响,获得更有利的环境信息;采用优先经验回放机制(prioritized experience replay,PER)作为采样方法,使样本得到充分利用,提高样本利用率;引入好奇心蒸馏模块(curiosity distillation module,CDM),缓解奖励稀疏的问题。通过仿真实验与DQN、DDQN、D3QN相比,CDM-D3QN-PER算法训练的机器人到达目标点的次数明显增加,为DQN算法的3倍。该算法使奖励值得到提升,加快了收敛速度,能够在复杂的未知环境中获得最优路径。

高效单图像超分辨率重建:深监督对称蒸馏网络

过去几十年,卷积神经网络(Convolutional Neural Networks,CNNs)在单图像超分辨率(Single Image Super-Resolution,SISR)方面取得了明显的进展.现在大部分基于CNNs的方法都致力于构造新的架构去提升重建性能,这通常依赖大量计算和存储成本,难以应用于移动设备.提出了一种新颖的基于深监督对称蒸馏网络的高效单图像超分辨率重建方法(Deeply-Supervised Symmetry Distillation Network,DSSD),通过构造高频特征递归模块(High-frequency Feature Recursive Module,HFRM)和对称退化模块(Symmetry Degradation Module,SDM)缓解教师网络中提取高分辨率(High-Resolution,HR)高频信息不够准确这一问题.为了约束教师网络中提取的高频特征,采用深监督方法使教师网络蒸馏的知识与学生网络互补.在DIV2K数据集上的实验表明,DSSD有效增强了单图像超分辨率(SISR)的性能,HFRM和SDM的引入能够有效帮助DSSD提取更多图像高频细节.

基于轻量级注意力模块的多人姿态估计

为了提高人体姿态估计的检测精度,特别是中小尺寸人体关键点的检测精度,同时针对模块集成造成网络参数量和浮点计算量大幅度增加的问题,以HRNet(high-resolution Net)为基本网络架构,提出了一种基于轻量级注意力模块的分阶段网络(Coarse-Refine Net,CRNet),采用知识蒸馏方法,利用同构的高精度网络作为教师网络,利用关键点的真值和教师网络的输出结果共同训练学生网络(CRNet)。通过在2017COCOval集上进行训练和测试,CRNet获得了78.2的得分(%),比HRNet基准模型提高了1.5%。对于中小尺寸人体关键点的检测,CRNet获得了74.8的得分(%),比HRNet基准模型提高了1.6%。在相似的网络结构下,CRNet相比于HRNet,网络参数量仅增加了0.1M(0.3%),浮点计算量仅增加了0.1G(0.6%)。与现阶段的最新方法相比,CRNet获得了更高的检测精度,同时基本没有增加网络参数量和浮点计算量。

多分支残差特征蒸馏网络的图像超分辨重建

近年来基于深度卷积神经网络的单幅图像超分辨率技术取得了很大进展.但特征提取方式单一,模型参数量大很难在移动端部署.为了解决这些问题,本文提出了一种多分支残差特征蒸馏算法.首先,通过多分支残差模块进行深层特征提取;其次,结合卷积、通道自适应激活函数和瓶颈注意力模块进行特征蒸馏及融合,减少平坦区域的大量冗余参数,在保证性能的同时降低模型复杂度;最后通过亚像素卷积层进行图像重建,得到最终的超分辨率图像.实验结果表明该算法在模型复杂度和性能上达到更好的平衡.与IMDN(Information Multi-distillation Network)相比,该算法的PSNR和SSIM分别有0.06~0.26dB与0.001~0.006的提升;在2倍超分重建结果中,与千万级参数量模型DBPN(Deep Back-Projection Networks)相比,本文算法参数量是其1/15,PSNR基本相同,SSIM提高0.001.

CDM催化精馏模块在MTBE技术中降低MSBE含量的工业应用

CDM催化精馏模块具有优异的“催化反应”和“组分分离”双重功能,可应用于甲基叔丁基醚(MTBE)、轻汽油醚化、甲缩醛及叔丁醇脱水、汽油加氢脱硫、聚甲氧基二甲醚和马来酸二甲(乙)酯等工艺。主要介绍CDM催化精馏模块产品特点,甲基仲丁基醚(MSBE)产生原因、解决方法和催化精馏模块在降低MTBE产品中MSBE含量的工业应用情况。

PVDF疏水中空纤维膜与组件对真空膜蒸馏性能的影响

利用高孔隙率的聚偏氟乙烯(PVDF)中空纤维疏水膜进行真空膜蒸馏(VMD)脱盐实验。在真空度0.095MPa,盐水温度60℃,流速1.5kg/min的条件下,着重研究了中空纤维膜内径、壁厚,组件长度、装填纤维数目等结构参数对VMD性能的影响。结果表明:组件长度或装填纤维数目增加,组件产水通量明显降低而总产水通量明显提高;中空纤维膜内径对VMD产水通量影响较小,而膜壁厚增加使通量明显降低;用内径1.0mm壁厚0.1mm的膜制成的长度21cm装填纤维50根的膜组件,产水通量达到21.8kg/(m2.h)。VMD过程产水的电导率保持在4μS/cm以内,脱盐率达99.99%,受膜、组件结构及操作条件影响很小。

用于膜蒸馏的中空纤维膜组件优化

Membrane distillation was investigated by using a hollow fiber module, and the permeate flux were monitored as the feed temperature, feed flow rate, feed concentration, cooling temperature, and cooling water flow rate were varied. A mathematical model of the permeate flux was developed and validated on the experimental data. Agreement between experimental and predicted values was obtained. The parameters of hollow fiber module were studied. The diameter, length and thickness of hollow fiber membranes have optimal values in order to get biggest permeate flux and /or production rate, and each optimal value is related with other

新型气隙式膜蒸馏组件脱盐过程

利用基于聚丙烯中空纤维膜和聚丙烯中空纤维换热管的新型能量回收式膜组件(AGMD-HF),以70 g·L-1的氯化钠溶液为研究对象,考察了膜组件长度和膜孔径大小对膜组件脱盐性能的影响。为直接衡量操作条件、组件参数以及温差、浓差极化现象对传质系数的影响,引入总传质系数,并研究进料温度和膜孔径对总传质系数的影响。实验结果表明,总传质系数随着温度的升高、膜孔径的增大而增大,提高膜孔径可有效提高总传质系数,同时可有效提高通量和造水比。通量随组件长度的增大而减小,而造水比增大,因此在应用过程中可综合考虑通量和造水比以便选择合适的组件长度。

新型气隙式膜蒸馏组件盐水浓缩的试验研究

利用新型气隙式膜蒸馏组件对氯化钠溶液进行膜蒸馏试验研究。考察了进料温度、流速、浓度对膜通量、造水比和截留率的影响。结果表明,膜通量和造水比随着进料温度T3升高而增大,随着进料浓度的增加而减小;料液流量增加时膜通量增大,造水比降低;试验过程中截留率基本保持不变,稳定在99.8%以上。当料液浓度为3.0%,进料温度T1为30.0℃,T3为95.0℃、流量为7.0 L/h时,膜通量为4.1 L/(m2·h),造水比为7.0,截留率可达99.8%,经过60 d浓缩试验后,膜通量、造水比和截留率均保持稳定。

用缠绕式膜组件强化传递过程的研究

用中空纤维膜实验研究了缠绕式膜组件对膜分离传递过程的促进作用 ,并从理论上分析了缠绕式膜组件对膜两侧对流传递过程的影响 .膜蒸馏实验结果表明 ,相对于普通的中空纤维膜组件 ,这种膜组件可提高渗透通量 5 0

气隙式膜蒸馏技术研究进展

介绍了当前气隙式膜蒸馏技术的最新研究进展,着重对气隙式膜蒸馏使用的膜材料和膜组件、太阳能气隙式膜蒸馏系统以及计算机模拟技术辅助气隙式膜蒸馏过程进行了介绍。列举了气隙式膜蒸馏在不同领域的应用现状。认为气隙式膜蒸馏具有热效率高和技术适应性较强等优势,但同时存在膜通量较低的问题。可以从设计新型膜组件、回收产水中的潜热、提升热效率、结合太阳能集热器及太阳能光伏发电模块等方面进行改进,有望在不久的将来使气隙式膜蒸馏过程成功放大并实现其工业化应用。

新型卷式气隙式膜蒸馏组件制备及脱盐过程

气隙式膜蒸馏具有热效率高和技术适应性强等优势,但其特有的气隙层也会使得传质阻力增加,导致过程膜通量较低.真空膜蒸馏则由于渗透侧为负压环境而具有较大的膜通量.结合聚四氟乙烯(PTFE)平板膜和改性后的聚偏氟乙烯(PVDF)中空纤维换热管的性能特点设计出一种新型卷式气隙式膜蒸馏(SW-AGMD)组件,并在料液的渗透侧引入负压环境,以质量分数3.5%,的氯化钠溶液为研究对象,系统考察了膜组件参数和实验操作条件对膜组件脱盐产水性能的影响.实验结果表明:提高膜孔径可有效提高膜通量和造水比;组件有效长度增加,膜通量减小而造水比增加;进料流量、热料液和冷料液进料温度的改变对组件膜通量和造水比的影响显著;渗透侧真空度在一定范围(0~0.04,MPa)内升高,膜通量和造水比均随之增大,超过这一范围后,继续增大真空度,膜通量仍增大,造水比则出现下降趋势.实验过程中产水电导率始终保持在30,μs/cm以下,得到的最大膜通量和造水比分别为16.38,kg/(m^2·h)和3.22,远高于同类型的其他气隙式膜组件.

旋转切向入流对膜蒸馏通量的影响

研究了三向旋转切向入流对膜蒸馏的通量的影响,其中讨论了喷嘴形状、进水管与所在圆周中心距离、喷嘴前端距膜面距离、喷嘴与热容腔半径方向之间夹角、喷嘴与进水管之间夹角等膜组件结构参数对膜通量的影响.实验结果发现,可以通过调节这些参数来改变膜通量.

PVDF中空纤维膜组件特性参数对淡化浓盐水VMD性能的影响

研究聚偏氟乙烯中空纤维膜组件性能参数(高径比、装填封率)对淡化浓盐水真空膜蒸馏(VMD)性能的影响,获得适用于淡化浓盐水VMD过程膜组件制备的优化参数.小试实验研究了膜组件高径比为分别为25∶2、15∶1、35∶2、20∶1、45∶2及装填封率分别为1%、5%、10%条件下的淡化浓盐水真空膜蒸馏性能.在真空膜蒸馏中试试验中,研究膜组件高径比分别为10∶3、70∶9、10∶1,装填封率分别为7.11%、9.48%、14.22%条件下的膜蒸馏性能.结果表明,在同等条件下高径比或装填封率越小时,膜蒸馏的渗透通量越大.淡化浓盐水VMD过程产品水脱盐率均在99.9%以上.