牙科污水处理一体机 装置

萃取-精馏耦合工艺与四效蒸发工艺的比较

某公司聚芳醚树脂聚合装置目前采用四效蒸发工艺处理环丁砜废水，废水量为100t/h，各效压力分别为0.2MPa、0.15MPa、0.11MPa和0.08MPa，利用闪蒸器模块(Flash2)建立四效蒸发工艺的模型。模拟结果表明四效蒸发工艺的热负荷为24.08MW，水相中水的质量分数为98.91%，环丁砜的质量分数为1.09%(质量浓度为10842mg/L，环丁砜流股中环丁砜的质量分数为97.76%，环丁砜的回收率为89.98%。本文提出的萃取-精馏耦合新工艺的热负荷仅为15.23MW，比四效蒸发工艺降低了约37%，而且环丁砜的回收率和纯度都更高。

(1)提出了一种以二为萃取剂的处理环丁砜废水的萃取-精馏耦合新工艺，采用Aspen Plus软件进行流程模拟和优化，确定了较适宜的工艺条件：7级逆流萃取，萃取相比为1∶1，精馏塔的理论板数为5，进料位置为第3块理论板，回流比0.1，塔顶采出率为0.949。

(2)在优化的萃取-精馏耦合工艺条件下，萃取塔顶的水相中环丁砜浓度为34mg/L;精馏塔底馏出物中环丁砜的质量分数为98.31%，环丁砜的回收率为99.95%。处理后的水和环丁砜都达到了聚芳醚树脂生产过程循环使用的要求。而且，与四效蒸发工艺相比较，萃取-精馏耦合新工艺的热负荷降低了约37%，具有很好的工业应用前景。

我国大多数污水处理厂中的污水泵站自动化系统主要采用可编程逻辑控制器(PLC)为基础的分布式计算机监控系统，PLC的配置灵活，具有较强的安全性、可靠性和适应性。但目前运用自动化系统的泵站也存在一些问题，例如整体系统不完善，功能设计不合理、缺乏设备维保措施等，再加上技术人员的缺乏，使实际操作中无法发挥其功能性。

RBF神经网络原理

RBF 神经网络的结构与BP神经网络类似，也包括输入层、隐藏层和输出层。不同的是，输入层到隐藏层之间的权重恒等于1。BP神经网络中的激励函数一般采用Sigmoid 函数，而RBF神经网络隐藏层中一般采用高斯函数等具备径向对称性的函数。隐藏层任意节点高斯函数的输入为输入层的参数向量与该高斯函数权值向量之间的距离。若输入的参数向量与该节点高斯函数的权值向量距离较远，那么该输入向量对该节点的输出影响很小。RBF神经网络的训练过程就是确定高斯函数的中心、方差和隐藏层到输出层权重的过程。根据函数中心优化方法的不同，RBF高斯函数有多种函数中心优化方法，如随机选取法、自组织选取中心法、有监督选取中心法和正交小二乘法。

与BP神经网络相比，RBF神经网络学习速度快，并可有效避免陷入局部小值。RBF神经网络可能存在过学习的问题，即训练得到的模拟曲线在两个样本点之间不平滑。