【摘 要】
：
渗透汽化(PV)膜分离技术是一种新型膜分离技术,适用于分离恒沸点混合物、近沸点溶液、热敏感性混合物、有机-有机混合物以及水溶液中少量有机物.PV分离水溶液中有机物的工业应用还处于初步阶段,文中从硅橡胶渗透汽化优先透有机物膜的制备条件、工艺应用参数及膜寿命等方面进行综述.膜生产放大和膜寿命是影响该技术推广的重要因素,可以从膜制备和应用工艺方面进行改进.
【机 构】
：
上海电气集团股份有限公司中央研究院,上海 200000
论文部分内容阅读
渗透汽化(PV)膜分离技术是一种新型膜分离技术,适用于分离恒沸点混合物、近沸点溶液、热敏感性混合物、有机-有机混合物以及水溶液中少量有机物.PV分离水溶液中有机物的工业应用还处于初步阶段,文中从硅橡胶渗透汽化优先透有机物膜的制备条件、工艺应用参数及膜寿命等方面进行综述.膜生产放大和膜寿命是影响该技术推广的重要因素,可以从膜制备和应用工艺方面进行改进.
其他文献
Exception management,as the lowest level function module of the operating system,is responsible for making abrupt changes in the control flow to react to exception events in the system.The correctness of the exception management is crucial to guaranteeing
This paper proposes the Content Diffusion Model(CDM) for modeling the content diffusion process in information-centric networking(ICN).CDM is inspired by the epidemic model and it provides a method of theoretical quantitative analysis for the content diff
属性级情感分析(ABSA)的目标是识别出句子中属性的情感倾向.现有的方法大多使用注意力机制隐性地建模属性与上下文中情感表达的关系,而忽略了使用语法信息.一方面,属性的情感倾向与句子中的情感表达有紧密的联系,利用句子的句法结构可以更直接地对两者建模;另一方面,由于现有的基准数据集较小,模型无法充分学习通用语法知识,这使得它们难以处理复杂的句型和情感表达.针对以上问题,提出一种利用多种类型语法信息的神经网络模型.该模型采用基于依存句法树的图卷积神经网络(GCN),并利用句法结构信息直接匹配属性与其对应情感表达
人机对话作为人工智能的重要研究内容,受到了学术界和工业界的广泛关注.受到深度学习在自然语言处理成功应用的启发,越来越多的神经网络模型被研究者关注.其中基于端到端的神经网络模型能够从大规模语料中学习到有价值的规律和特征,生成有意义且多样性的回复,被广泛地应用于情感对话生成研究中.面向基于端到端模型的情感对话生成研究展开综述.首先,针对现有的研究成果,梳理并介绍了当前情感对话生成研究面向的任务和主要解决的问题,并且做出了详细的定义,整理并介绍了情感对话生成模型建模所需的数据集.其次,对端到端的神经网络模型的原
分布式环境下大规模维表关联技术是当前在线大数据分析的关键技术之一,其广泛应用于实时推荐、实时分析等领域.维表关联是指将流数据和离线存储的维表数据进行关联,并根据这种关联进行数据处理.首先,对已有的维表连接技术方案进行了研究,调研了相关的优化技术和主流分布式引擎的设计路线,主要通过优化维表数据查询提高性能,但传统的优化方式受到维表规模和数据流速的限制.其次,针对已有优化技术在分布式环境下对集群整体考虑使用的不足,提出了适用于对离线的批数据和实时的流数据进行混合计算的计算模型,然后提出了一种单点读取维表数据,
2020年,新冠肺炎在全球爆发,全球医疗系统受到巨大考验,新冠肺炎患者隐私数据安全是医疗信息系统中极其重要的一环.疫情期间,中国新冠肺炎患者隐私数据泄露的案例层出不穷,给患者带来巨大的困扰.采用委托拜占庭容错机制(dBFT)提出了结合区块链的重大疫情患者隐私数据保护方案.方案以联盟链为基础,将政府机构、医疗机构和民众等不同角色分布在主侧双链模型中,采用侧链技术在主、侧链之间进行信息交互,对患者数据进行安全共享;提出了链上分级数据加密方案(HDES),采用分级加密技术对链上的患者隐私数据进行细粒度保护.最后
针对分布式无线局域网络带内全双工接入过程的链路调度公平性问题,提出一种基于节点调度权重的全双工链路调度算法(W-FD).通过节点调度权重实现链路负载均衡,从而提升全双工链路的吞吐量,减小节点接入时延.算法基于分布式网络结构,节点按自组织方式获取网络拓扑及邻居节点状态信息,依据节点间数据量、互扰关系和链路调度间隔等参数计算调度权重,邻域内具有较高调度权重的节点作为链路发起对象,建立全双工链路.结果表明:与传统半双工链路调度(RTS/CTS)相比,该算法在确保节点接入公平性的条件下,减小了链路调度间隔,改善了
异构领域自适应是一种借助源域知识为语义相关但特征空间不同的目标域建模的技术.现有的异构领域自适应方法大多属于半监督方法,这些方法要求目标域中存在一部分已标记样本,然而这种数据集在很多异构领域自适应任务中是稀缺的.为了解决上述问题,提出了一种新的基于模糊规则学习的无监督异构领域自适应算法.一方面,该方法基于TSK模糊系统的规则学习分别对源域和目标域进行特征学习,通过学习两个特征变换矩阵将源域和目标域投影到一个公共特征子空间;另一方面,为了减少因特征变换所造成的信息损失,该算法采取了多种信息保持策略,并且最大
我国政府目前已建成一定规模的充电站网络.针对充电站网络利用率低,存在大量冗余站点和电动汽车充电难等问题,提出了一种数据驱动的充电站网络优化方法.首先,该方法模拟电动汽车充电行为,对不同时间戳内的充电站分别建立队列系统,进而估计充电站间的到达率情况.在此基础上,分析城市电动汽车的充电行为空间特征,用于挖掘城市电动汽车的充电热点.然后,对充电站间的竞争依赖关系、地理位置特征及用户充电偏好间的相互作用进行建模,进而提出了充电站在网络中的使用效益评分函数.最后,建立了以最大化充电站网络使用效益为目标的充电站网络优
移动边缘计算技术随着科技的发展,面临着多设备多任务的能耗均衡的挑战.相关研究大多集中在如何利用边缘服务器的计算性能以减少移动设备在任务处理过程中的能耗和执行时间.但现有研究在多设备多任务的能耗均衡问题上还没有很好的解决方法.针对此类能耗均衡问题,改进了现有的边缘计算系统模型,并在此基础上,给出了多移动设备多任务的能耗均衡优化问题的计算模型,同时提出了一个贪心算法,并做出了相应的近似比分析.与总能耗优化算法以及随机算法进行对比,并进行了大量的仿真实验.实验结果证明,所提出的贪心算法的平均性能与随机算法相比在