【摘 要】
：
基于传统静电除尘器一系列优良特点其已然成为目前净化领域发展的新趋势,但静电除尘器对于细微颗粒物的脱除及长时间运行后集尘极的清洗及防腐也是其另一大难题。本文发展了新型丝网静电除尘器。丝网在传统孔板电极外起到过滤作用,由于丝网金属丝较细在长时间运行下易被酸性或含水性粉尘腐蚀,因此实验室考虑将丝网电极表面镀一层聚四氟乙烯膜（PTFE）。本实验搭建简易丝网静电除尘设备以测量伏安特性及除尘效率,与传统线筒式
论文部分内容阅读
基于传统静电除尘器一系列优良特点其已然成为目前净化领域发展的新趋势,但静电除尘器对于细微颗粒物的脱除及长时间运行后集尘极的清洗及防腐也是其另一大难题。本文发展了新型丝网静电除尘器。丝网在传统孔板电极外起到过滤作用,由于丝网金属丝较细在长时间运行下易被酸性或含水性粉尘腐蚀,因此实验室考虑将丝网电极表面镀一层聚四氟乙烯膜（PTFE）。本实验搭建简易丝网静电除尘设备以测量伏安特性及除尘效率,与传统线筒式静电除器进行比对,试验丝网电极及其覆膜后对静电除尘器性能的影响,并确定最佳运行参数,以保证新型静电除尘设备高效的运行状态。研究表明:孔板外层的金属丝网放电后,电离气体产生的正电荷与向集尘极运动的负电荷中和,减弱了放电电流;丝网孔径越小,电流下降更明显;芒刺尖端放电极优于其它两种放电极形式,芒刺厚度和合理间距是提高芒刺放电极性能的关键因素;金属丝网可以起到二次过滤作用,相比线筒静电除尘器除尘效率有所提升;丝网密度越大,除尘效率越高;反方向进气时除尘效率优于正方向进气;不同丝网过滤面积之间的除尘效率影响不大;低比电阻粉尘更容易释放电荷,不利于粉尘捕集;相对湿度增大,起晕电压降低。丝网覆PTFE后放电电流相比未覆膜时有小幅度降低,下降不明显;覆膜后的丝网对粉尘的吸附性能减弱,除尘效率降低;同丝网密度下,覆膜后除尘效率均小幅降低;不同进气方向下的除尘效率相比未覆膜时更接近,差距减小;相同比电阻粉尘在腹膜后除尘效率也小幅降低;同相对湿度下,相比未覆膜时除尘效率降低。
其他文献
随着“碳中和”政策的颁布,在未来的很长一段时间内,生态环境建设以及减少碳排放量都将成为全社会的重要任务之一。而我国各地区存在社会经济发展不平衡,其“碳中和”水平和生态环境质量也存在显著差异。因此,通过区域生态环境质量的综合评价,有助于了解各地区生态环境质量现状和问题以及各地区的“碳中和”目标差距。本文根据“碳中和”战略下的实践需要,基于DPSIR概念模型构建了生态环境质量评估的指标体系,以我国30
金属支撑型固体氧化物燃料电池极具应用前景，但缺少高性价比制备技术。采用高效率、低成本大气等离子喷涂（APS）在金属基体上制备了氧化钇稳定氧化锆（YSZ）电解质，研究加热基体条件下沉积粒子形貌与涂层结构间的联系，并评估电解质的力学性能和电池性能。结果表明：加热后的基体上，YSZ沉积粒子铺展充分，片层内存在微裂纹，导致结构中除未结合区域外还存在垂直裂纹，涂层孔隙率为7.16%,YSZ纳米压痕硬度和弹性
红外成像是一种新兴的且应用前景广的技术,它是根据物体会辐射红外线然后利用成像设备计算物体与背景之间的温度差值来形成红外图像,在工业生产、军事领域、医学研究等方向具有广泛应用。相比较传统的可见光反射成像,其优势在于对夜间等环境可见光强度不足的情况下,也具有良好的成像效果。随着经济与城市道路的发展,私家车数量剧增,在夜间行车,因光线不足而导致事故频发,红外技术能够有效地解决此问题,近年来车载红外设备应
随着互联网计算机技术以及人工智能的发展,以输入密码、刷卡或人工登记为主的安防措施已经不再适应新兴技术带来的安防挑战,身份或密码的盗用事件屡屡发生,为应对这种情况各大平台开始研究基于新兴技术的安防手段,其中生物识别因其易采集和辨识度高的特点逐渐成为了安防领域的研究热门。人脸识别在视频监控、目标跟踪等安防领域有着广泛的应用前景,但是传统的人脸识别技术的研究通常是基于PC端进行的,并且因其功耗大、成本高
人工智能,作为21世纪三大尖端技术之一,正在以它巨大的影响力改变着世界。它所涉及的学科十分广泛,极富挑战性。机器学习是促动人工智能不断发展的强大动力,而强化学习作为机器学习中的一种热门的算法,也被广泛的应用在各行各业之中。利用强化学习技术解决优化控制问题引起了众多学者的注意,本文基于此课题,进行了深入的研究。由于实际应用中,被控系统的状态很难直接的测量,且测量的成本很高。因此,模型参数未知的系统利
针对一种精馏残液和工艺废水的联合净化处理工艺要求,开展能量平衡计算分析,研究能量动态平衡智能控制系统。根据联合净化处理工艺要求,针对工艺废水和精馏废液进料组成成分和热值不同,通过计算能量动态平衡参数获取残液与废水进料流量最佳比值,采用变比值控制策略设计能量动态平衡控制系统,在流化床和固定床单元,分别设计物料平衡比值控制系统和温度自适应PID控制系统。在实际装置运行测试,实测结果表明,本系统可以有效
随着传感技术与机器学习的快速发展,近年来深度学习已成功地应用到流程工业故障诊断领域之中。与浅层神经网络相比,这些模型具有更好的复杂建模能力。在实际生产过程中一些噪声以及反馈系统普遍存在,动态地对系统实施监控是化工流程稳定运行的保障。对于长期的实时应用来说,过程动态的信息非常重要,在模型构建过程中应予以保留。虽然传统的编码器-解码器网络表现出了提取时间依赖性的能力,但该架构将输入序列编码成固定长度的
随着人们收入水平的提高,个人消费信贷业务迅速发展,然而,由于信贷数据严重失衡,无法有效捕捉违约客户特征,导致客户违约情况频繁发生。因此,对于金融机构而言,如何科学有效的对客户信用状况进行评估成为其规避风险、获取利润的关键。近年来,代价敏感方法和集成学习方法在个人信用风险评估领域表现突出,成为业内外人士的研究热点。本文针对个人信用风险评估中不平衡数据的二分类问题,基于代价敏感学习思想,综合考虑履约客
投资组合在金融领域是一个很重要的研究问题,它主要通过调整多个资产权重配置,从而得到较稳健的收益。最小方差模型可以得到最稳健的投资组合,然而,在计算最小方差时,需要对逆协方差矩阵（精度矩阵）进行合适的估计。精度矩阵包含着复杂的特征关系,估计精度矩阵的计算量较大,且可能会因维数问题导致不存在。由于精度矩阵估计的应用范围广,这使得研究者热衷于研究稀疏的精度矩阵估计。本文提出了基于L0与L2,1罚函数的G
本文研究的渐近几乎负相依（asymptotically almost negatively associated,简记:AANA）随机变量是包含负相依（negatively associated,简记为:NA）随机变量的一类更加广泛的相依随机变量,其无论在理论上还是在实际应用上都有着重要意义.本文利用Rosenthal型矩不等式、Markov不等式、Jensen不等式、Cr不等式、H¨older不