为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果...为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果.结果表明,当系统稳定运行后,最高电压及功率密度分别可达到340 m V和58.65 m W·m-2.20 d后,系统COD去除率明显增加,最高COD去除率可达到81%.实验运行10 d后,银离子开始析出,最高去除率可达到90%左右.展开更多
文摘针对一类参数不确定的连续搅拌釜式反应器,使用了一种与被控对象无关的自耦比例–积分–微分(autocoupling proportional-integral-differential,ACPID)控制方法.该方法将系统内部所有不确定因素及外部扰动定义为一个总扰动,建立了以总扰动为激励的受控误差系统,并根据ACPID镇定规则建立了连续搅拌釜式反应器(continuous stirred tank reactor,CSTR)的ACPID控制系统.理论分析了ACPID控制系统的鲁棒稳定性和抗扰动鲁棒性.仿真结果表明了ACPID控制系统的有效性,在CSTR稳态调节控制领域具有重要的应用价值.
文摘为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果.结果表明,当系统稳定运行后,最高电压及功率密度分别可达到340 m V和58.65 m W·m-2.20 d后,系统COD去除率明显增加,最高COD去除率可达到81%.实验运行10 d后,银离子开始析出,最高去除率可达到90%左右.
文摘极限学习机(Extreme learning machine,ELM)是一种单隐层前馈神经网络(SLFNs),它随机选择网络的隐含层节点及其参数,训练时仅需调节输出层权值,因此ELM以极快的学习速度获得良好的推广性。考虑到ELM的特征映射函数未知时,可以将核矩阵引入到ELM中。针对模型未知的强非线性连续搅拌反应釜(Continuous Stirred Tank Reactor,CSTR),提出一种基于核极限学习机(Extreme Learning Machine with Kernels,KELM)的NARX模型辨识方法。以仿真的CSTR过程实例进行辨识实验,建立基于NARX-KELM的辨识模型。实验结果表明,在相同条件下,与带动量因子的BP神经网络、模糊神经网络(FNN)、GAP-RBF、MGAP-RBF神经网络、回声状态网络(ESN)、ELM等方法相比,KELM能够有效地改进辨识精度,而且性能更好,这表明了所提方法的有效性和应用潜力。
