废润滑油分子蒸馏管线结垢原因分析及解决措施

上海宝钢废旧油处理有限公司利用薄膜蒸发和分子蒸馏工艺处理废润滑油,在生产过程中出现了再沸器和管线堵塞的问题,通过对垢样分析发现,废润滑油在高温(170～230℃)下发生分解、缩聚等反应,生成胶质、焦碳是引起管线结垢的主要原因。采用防垢剂,添加到2#线加工的原料油中,有效解决了管线结垢堵塞的难题。

稻谷燃料乙醇行业中应对蒸馏管道和阀门磨损方法的探讨

综述使用稻谷为原料后,蒸馏管道通过加长变径、增加短接等应对磨损,阀门通过增加旁路、加大开度、电机加变频等应对磨损。

降低海绵钛生产中“U”型炉蒸馏管道堵塞率研究

使用“U”型炉生产海绵钛时,Mg、MgCl_(2)蒸气在T型竖管处的冷凝堵塞将直接影响蒸馏生产稳定运行和海绵钛质量控制。本文根据冷凝物随蒸馏过程中蒸馏器压力、冷凝器温度变化时在冷凝器内的分布规律,剖析了T型竖管堵塞原因,结果表明:竖管堵塞频率主要受蒸气流动路径、冷凝器内温度分布条件影响,不适宜的工艺条件将导致Mg、MgCl_(2)蒸气在T型竖管处发生气固转化。通过优化真空管抽气方式、增大抽空管直径、优化冷凝器冷却水进出口位置及冷却器冷却制度,使企业生产中冷凝器T型竖管堵塞频次由3.6次/炉下降到0.6次/炉,降堵塞率效果显著。

不同酵母发酵的白兰地基酒在蒸馏前后的香气分析

本研究旨在探究以不同酵母(71B、KD、F33、K1、FC9DP、D254、FC9)酿造的新疆产区的白兰地基酒及其新蒸馏白兰地原酒在挥发性风味物质及香气特征的差异。通过对不同样品进行全二维气相色谱-飞行时间质谱分析结合感官定量描述分析。结果显示,添加酵母D254的基酒香气物质总量最高,果香、花香、木质香气特征更突出;在蒸馏后,添加酵母FC9和FC9DP的酒样香气属性更为丰富,其中花香、果香、木质香气属性突出,此外,FC9DP酒样香气化合物相对含量也最高。对比蒸馏前后的基酒,结果显示,除了酚类化合物及内酯类化合物,大部分香气化合物的相对含量皆在蒸馏后有所增加,其中FC9DP样品的酯类、醇类、酸类及萜烯类化合物增加最为明显。此外,经过蒸馏,基酒去除了生青味和酸味的不良气味特征,香气品质有所改善。该研究可为白兰地酿造工艺的进一步改进提供数据参考。

基于场协同理论的热空气吹掠型太阳能蒸馏器对流传热性能优化分析

以热空气吹掠型太阳能蒸馏器为研究对象,利用数值模拟结果和均匀设计法分析蒸馏器内流动与传热场协同角的变化规律和影响因素。结果表明,影响场协同角的主要因素是热空气进口速度,热空气进口温度和水温的影响不显著。在蒸馏水温30~70℃、进口空气温度40~90℃,进口空气速度为8 m/s时平均传热场协同角最小,为73.14°,传热系数最大,可达到同等条件下自然对流传热系数的4倍。

蒸汽蒸馏法对葡萄酒酒精度的快速测定及应用

为改善水浴加热蒸馏法的不足,提高葡萄酒酒精度检测效率,借助凯氏定氮仪,基于蒸汽蒸馏法测定葡萄酒酒精度,并进行精密度、回收率试验以及蒸汽蒸馏法和水浴蒸馏法的对比试验,并作测定方法不确定度分析和教学实验应用验证。结果表明,蒸汽蒸馏法对葡萄酒样品酒精度测试值的变异系数均小于水浴蒸馏法;蒸汽蒸馏法可在4 min之内结束蒸馏过程、检测时间缩短一半左右,标准品的乙醇浓度与酒精度测定结果在≤40%体积分数范围内线性关系良好,加标样品酒精度测试标准差0.13~0.45、加标回收率98.55%、RSD均值1.45%,操作简便高效,测试结果准确度高,可推广应用于生产检验或科研教学,并据此结果对葡萄酒酒精度快速测定自动蒸馏仪进行了初步设计与改进。

基于区块链的联邦蒸馏数据共享模型研究

零散、孤立的海量数据形成“数据孤岛”使得数据无法交互和连接,如何在保护原始数据隐私的前提下安全有效地共享数据中的知识信息已成为热点研究问题。基于以上内容,提出了一种基于区块链的联邦蒸馏数据共享模型(BFDS)。区别于中心化架构,采用区块链联合多参与方组建教师网络,实现分布式协同工作;通过交换蒸馏输出的方式,传递数据中的知识信息,联合训练轻量化模型;提出了一种多权重节点可信评估算法,调用智能合约分配权重并生成可溯源全局软标签,降低因参与方质量差异而产生的负向影响。实验结果表明,BFDS模型能联合多参与方安全可信共享数据知识,协同蒸馏训练模型,降低了模型的部署成本;所提出的多权重节点评估算法能有效减小低质量节点的负向影响,提高了全局软标签的质量与安全性。

不同蒸馏方式对岗松精油得油率与成分的影响

为探索蒸馏工艺对岗松(Baeckea frutescens)精油品质的影响,采用水中蒸馏、水上蒸馏、扩散蒸馏、复蒸蒸馏和同时萃取蒸馏5种蒸馏方式提取岗松枝叶精油,对精油得油率和成分进行分析。结果表明,复蒸蒸馏精油得油率最高。采用复蒸蒸馏获取岗松精油时,设置液料比8∶1,蒸馏2 h,得油率为1.101%;精油中,β-蒎烯、4-松油醇、1,8-桉叶素和芳樟醇含量均符合广西地方标准DB45/T 1064—2014对特征组分的要求。试验结果可为岗松精油工业化生产提供参考。

CheatKD:基于毒性神经元同化的知识蒸馏后门攻击方法

深度学习模型性能不断提升,但参数规模也越来越大,阻碍了其在边缘端设备的部署应用。为了解决这一问题,研究者提出了知识蒸馏(Knowledge Distillation,KD)技术,通过转移大型教师模型的“暗知识”快速生成高性能的小型学生模型,从而实现边缘端设备的轻量部署。然而,在实际场景中,许多教师模型是从公共平台下载的,缺乏必要的安全性审查,对知识蒸馏任务造成威胁。为此,我们首次提出针对特征KD的后门攻击方法CheatKD,其嵌入在教师模型中的后门,可以在KD过程中保留并转移至学生模型中,进而间接地使学生模型中毒。具体地,在训练教师模型的过程中,CheatKD初始化一个随机的触发器,并对其进行迭代优化,以控制教师模型中特定蒸馏层的部分神经元(即毒性神经元)的激活值,使其激活值趋于定值,以此实现毒性神经元同化操作,最终使教师模型中毒并携带后门。同时,该后门可以抵御知识蒸馏的过滤被传递到学生模型中。在4个数据集和6个模型组合的实验上,CheatKD取得了85%以上的平均攻击成功率,且对于多种蒸馏方法都具有较好的攻击泛用性。

基于CenterNet的多教师联合知识蒸馏

介绍了一种基于轻量化CenterNet的多教师联合知识蒸馏方案。所提方案能有效解决模型轻量化带来的性能恶化问题,可以显著缩小教师模型和学生模型之间的性能差距。将大规模复杂模型作为教师模型,指导训练轻量化学生模型。相比于模型的传统训练方案,使用所提知识蒸馏训练方案可以在相同的训练轮数后使轻量化模型达到更优的检测性能。主要贡献是提出了适用于CenterNet目标检测网络的新型知识蒸馏训练方案——多教师联合知识蒸馏。在后续实验中,进一步引入了蒸馏注意力机制,从而优化了多教师联合知识蒸馏的训练效果。在VOC2007数据集(Visual Object Classes 2007 Dataset)上,以MobileNetV2轻量化网络作为主干网络为例,相较于传统的CenterNet(主干网络为ResNet50),所提方案在参数量指标上压缩了74.7%,推理速度提升了70.5%,在平均精度上只有1.99的降低,取得了更好的“性能-速度”平衡。实验证明,同样经过100轮训练,使用多教师联合知识蒸馏训练方案的轻量化模型相较于普通训练方案,平均精度提升了11.30。

车联网中基于有向无环图区块链的个性化联邦互蒸馏学习方法

联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销,该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构,分别负责全局模型共享和本地模型训练。其次,设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型,教师模型的专业级网络结构可取得更高精度,学生模型的轻量级网络结构可降低通信开销,并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外,为了进一步提高模型精度,基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明,DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。

太阳能真空膜蒸馏和肥料汲取液正渗透处理反渗透浓水的节能性和经济性分析

针对太阳能真空膜蒸馏(Solar vacuum membrane distillation,SVMD)和肥料汲取液正渗透(Fertilizer draw forward osmosis,FDFO)系统处理反渗透(Reverse osmosis,RO)浓水的试验研究较多,而对其能耗和经济性分析的较少.通过对试验规模和工业规模条件下2种系统的膜通量、能耗和成本进行对比分析,结果表明,在试验规模条件下,将RO浓水浓缩4倍,无辅助热源SVMD系统的膜通量为2.46 kg/(m^(2)·h),比能耗为110.6 kWh/m^(3),单位水生产成本为96.6元/m^(3);有辅助热源SVMD系统的膜通量为3.75 kg/(m^(2)·h),比能耗为230.7 kWh/m^(3),单位产水成本为13.4元/m^(3);FDFO系统的膜通量为3.62 kg/(m^(2)·h),比能耗为20.44 kWh/m^(3),单位产水成本为26.8元/m^(3).在工业化规模条件下,设计产水量均为240 m^(3)/d时,SVMD系统比能耗为12.8 kWh/m^(3),单位产水成本为10.8元/m^(3);FDFO系统比能耗为12 kWh/m^(3),单位产水成本为9.38元/m^(3).可见生产规模越大,不同系统的产水成本越小,差别也越小.

属性蒸馏的零样本识别方法

零样本识别是计算机视觉领域最具挑战性的任务之一,其关键在于如何从已见类中学到稳定和可迁移的知识。为提高零样本识别的准确率,对零样本识别问题进行了系统研究,并利用知识蒸馏的思想,精心设计了一个简单有效的属性蒸馏分类器。它符合人类认识事物的过程,首先从Vision Transformer大模型中获得全面细致的视觉特征,再运用属性概念蒸馏出物体的属性知识,最后迁移到未见类识别任务中。公开数据集上的实验表明,该方法取得了具有竞争力的结果,其识别准确率虽略低于最新的属性引导算法,但优于其他传统方法,而且识别架构简单具有更快的处理速度。同时,研究也指出了减少属性描述的稀疏性,以及增加多视角高清图像,将有利于提高零样本识别方法的准确率。

从元代“汗酒”看中国蒸馏酒起源

元代的蒸馏酒虽有“汗酒”“烧酒”“重酿酒”等汉语名称,但一度流行的“阿剌吉酒”等音译名称,使得中国蒸馏酒起源成为颇具争议的国际性学术问题。本文在系统梳理史籍所载“汗酒”及其制备用具的基础上,结合考古发现的相关资料,通过“汗酒”名称和蒸馏器具渊源的探析,认为“汗酒”之名理应源自历史典故“汗出如浆”,而制备“汗酒”的酒铛实乃釜、甑等多件套甗式蒸馏器。尤其“酒铛”与古代蒸馏器实物的相互对应,有助于重新审视中国蒸馏酒、蒸馏器的起源及演化历程。

白居易诗酒中的蒸馏酒探微

含义隐晦的酿酒用语,可能是引发中国古代蒸馏酒源起争议的重要原因。本文以深谙酿酒之道的白居易诗酒作品为据,借助酿酒工艺学及蒸馏原理,以“知酒读诗”的方式展开讨论。白居易的酿酒之法涵盖了蒸馏工艺,醇浓清澈的酒中“沆瀣”“醍醐”当为蒸馏酒之俚语,而“干酿酒”之名又当源于固态酒醅的无水蒸馏工艺。在证实唐代蒸馏酒及酿酒蒸馏工艺演进特点的基础上,也揭示出酿酒工艺学对于释读诗酒作品的特殊意义。

基于区域掩码对比蒸馏的遥感图像目标检测

为解决遥感图像中存在背景干扰以及目标密集分布的问题,采用了一种以区域掩码对比蒸馏为基础的目标检测方法,旨在提高遥感图像目标检测性能.首先,通过对目标特征区域进行掩码操作,以区分前景和背景并捕捉目标的细节纹理,生成细致的特征掩码.其次,结合对比蒸馏算法,通过对教师网络和学生网络的区域掩码进行对比学习,使学生网络更加充分地吸收教师网络在目标特征纹理检测方面的知识.同时,在检测阶段引入了一种旋转定位损失算法,该算法通过量化真实边界框和预测边界框之间的格点向量差来进行损失估计,从而减小了预测边界框与真实边界框之间的旋转损失.结果表明,改进算法的均值平均精度在DOTA和HRSC2016数据集上分别较传统算法提高了3.57%和5.22%.

真空蒸馏法从镁渣中回收镁的研究

我国是镁生产大国,近些年每年产生超过450万t镁渣,对镁渣的研究表明,镁渣中可能存在单质状态的镁,对镁渣进行预分离选择镁单质含量高的镁渣,采用真空蒸馏的方式,选择700℃为试验温度、真空度维持在10 Pa以下,并通过合理的试验流程和试验装置,回收了部分单质镁,镁元素的回收率达到了37.35%,回收的镁含镁量99.51%。

超疏水蒸馏膜的功能改性研究进展

膜蒸馏技术因具有操作压力低、温差小、蒸馏液纯净、脱盐率高、可直接分离出结晶产物等优点而备受关注。但缺乏优异疏水性能的蒸馏膜是限制其应用的一个重要因素。迄今为止,科研人员在膜材料的疏水理论研究与超疏水蒸馏膜的功能改性方面开展了大量工作,研究者通过向膜面引入含硅或碳的纳米颗粒来提高膜面粗糙度,选用含氟的改性添加剂降低表面能,采用不同溶剂分散原材料并选择不同的成膜方式,使制备出的蒸馏膜疏水性能有了大幅度提高。本文归纳总结了近年来超疏水蒸馏膜功能改性方法的研究进展,并对改性效果进行了对比分析。分类研究结果表明,表面涂覆法适用于不同类型的基膜,可实现对膜骨架和膜表面的同时改性,既增大膜通量又提高膜的抗污染性能,操作简单,可以应用于大规模生产。与涂覆法相比,静电纺丝掺杂法改性的膜可以最大程度地保持稳定性,在提高耐透水性的同时可以减小改性物质对通量的影响,但其应用范围受到基膜的限制。化学沉积法可获得有梯度的沉积物或混合镀层,相比于涂覆法更容易控制涂层的组成和厚度,可进行更加精准的膜表面改性过程。等离子体等非传统方法多为几种方法的联用,从改性剂材料、操作过程、操作条件等方面均为蒸馏膜的改性开辟了新方向。本文分类分析了不同改性方法采用的疏水添加剂、分散剂、操作方法与操作条件,并对比了不同方法改性后的膜通量、孔隙率、脱盐率、过滤周期等指标,结合过滤方式评价了不同改性方法的优缺点,展望了超疏水改性蒸馏膜商业化应用面临的问题及发展前景,旨在为开发成本低廉、操作简单、膜通量高、抗污染能力强的超疏水蒸馏膜提供参考。

基于知识蒸馏的不平衡数据下入侵检测方法研究

基于深度学习的网络入侵检测模型面临模型结构复杂、部署效率低及流量数据类别不平衡的问题.针对这些问题,提出了1种结合知识蒸馏和类别权重焦点损失的网络入侵检测方法.该方法以精度高、参数量较多的入侵检测模型作为教师模型,与小型学生模型生成蒸馏损失;引入增加类别权重的焦点损失函数作为学生损失;结合蒸馏损失与学生损失生成总的损失函数优化学生模型.实验结果表明,该方法性能相较于非蒸馏模型在各项指标上均有一定提升.

结合非对称卷积与特征蒸馏的图像超分辨率重建网络

为了进一步提高单幅图像超分辨率(single image super-resolution,SISR)轻量化网络的图像重建效果,基于轻量化网络RFDN,提出一种结合非对称卷积与特征蒸馏的图像超分辨率重建网络(asymmetric convolution distillation network,ACDN)。首先利用非对称卷积构建特征提取模块,在残差块中并联2个不同卷积核的非对称卷积,增强网络对特征的提取能力;其次利用均衡注意力机制与非对称卷积改进特征蒸馏模块,强化网络对高频信息的获取;最后在重建模块中加入均衡注意力机制进一步提高网络的最终重建性能。实验结果表明:与RLFN、SMSR等先进轻量化网络相比,提出的ACDN网络能在5个标准数据集上重建出纹理细节更丰富的高质量图像,重建图像的峰值信噪比和结构相似性指标均有提升,并在网络模型的参数量和性能上达到了更好的平衡。