[發明專利]卷式膜超聲波助濾裝置與實驗方法有效
| 申請號: | 201410383321.4 | 申請日: | 2014-08-06 |
| 公開(公告)號: | CN104147936A | 公開(公告)日: | 2014-11-19 |
| 發明(設計)人: | 張榮標;邱亮;董榮偉;徐佩鋒 | 申請(專利權)人: | 江蘇大學 |
| 主分類號: | B01D65/08 | 分類號: | B01D65/08;B01D65/00;B01D61/00;B01D63/10 |
| 代理公司: | 南京經緯專利商標代理有限公司 32200 | 代理人: | 樓高潮 |
| 地址: | 212013 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 卷式膜 超聲波 裝置 實驗 方法 | ||
1.一種卷式膜超聲波助濾裝置,包括原液罐、超聲波發生器,其特征是:有前后相接的多級助濾件,每級助濾件由一個錐形管道、一個膜組件管道和兩個超聲波換能器組成,每個膜組件管道中各裝有一個卷式膜組件,每級助濾件的前部是錐形管道,錐形管道的前端是大端,后端是小端,錐形管道的小端連接膜組件管道的前端,膜組件管道的后端串聯下一級助濾件的錐形管道的前端;在錐形管道的兩側對稱地各安裝一個超聲波換能器,每級助濾件的兩個超聲波換能器均與超聲波發生器(5)相連;將待處理料液裝在原液罐(1)中,原液罐底部中心處設有原液進料管道(2),原液進料管道之間且靠近原液罐底部處設置第一閥門(4),第一閥門的另一端裝有增壓泵(3),原液進料管道與最前端的第一級助濾件錐形管道的前端連接,最后端的最后一級助濾件膜組件管道的底部中心處設有濃縮液出口管道(7),濃縮液出口管道中間處設有第二閥門(8),濃縮液出口管道出口通入原液罐中;在每級助濾件膜組件管道的一側底部設有清液出口管道,并在清液出口管道尾部設有第三閥門(10)。
2.?根據權利要求1所述卷式膜超聲波助濾裝置,其特征是:所述卷式膜組件的中心設有L型卷式膜組件中心管(34),L型卷式膜組件中心管的垂直管道部分位于卷式膜組件中,且垂直管道部分的側壁上設有多個小圓孔,料液在外壓的作用下通過卷式膜組件過濾,過濾后的清液由所述小圓孔滲透進L型卷式膜組件中心管中,L型卷式膜組件中心管的水平管道部分的出口處與清液出口管道連接;濃縮液從卷式膜組件底部流出并流入與其串聯的后端的助濾件錐形管道中。
3.?根據權利要求1所述卷式膜超聲波助濾裝置,其特征是:所述錐形管道的高度是所述膜組件管道的直徑的1~3倍。
4.一種如權利要求1所述卷式膜超聲波助濾裝置的助濾實驗方法,其特征是具有以下步驟:
A、采用BP神經網絡構建膜通量J、多級助濾件的級數N、單級卷式膜組件長度M的模型J=f(N,M),先打開超聲波發生器(5),固定超聲波頻率F及超聲波功率W,改變單級卷式膜長度M與級數N,并記錄相應的膜通量J,從而獲取大量的樣本數據,再選取部分實驗數據做為泛化樣本,另一部分作為訓練樣本,設置相應的誤差目標及學習效率后,進行神經網絡模型訓練,神經網絡模型訓練好后,利用泛化樣本數據檢驗該模型是否滿足精度,若不滿足精度則修改學習因子,重新訓練;
B、對遺傳算法初始化,并設置相應的迭代次數為n,導入訓練好的神經網絡模型,計算其適應度值,并通過選擇、交叉、變異算法處理;判斷迭代次數是否達到n,如果沒有則繼續重復計算適應度值,以及選擇、交叉、變異的處理;如果迭代次數已經達到n次,則通過遺傳算法得到最佳級數N及最佳長度M;
??C、采用最佳級數為N及單級卷式膜組件最佳長度為M的卷式膜超聲波助濾裝置,先打開三個閥門(4、8、10),開啟增壓泵(3),再打開超聲波發生器(5),通過最佳級數N級助濾件的超聲波換能器將聲能轉化為機械振動后在各錐形管道的料液中傳播,使料液形成湍流現象,實現對料液的處理。
5.根據權利要求4所述助濾實驗方法,其特征是:步驟C中,通過調節超聲波頻率、超聲波功率及超聲波處理時間對卷式膜分離過程進行助濾。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇大學,未經江蘇大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410383321.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種撬裝式高壓加藥裝置及方法
- 下一篇:一種生產鋰?7同位素的回流串級新工藝





