CT密度值范文（精选3篇）
CT密度值 第1篇
将两种不同密度的有机液体按比例混合，要求混合后有机液体密度在室温下略高于玻璃密度，然后以一定速度升温，混合液的密度随温度升高而降低，当混合液密度等于或小于玻璃密度时，玻璃样品开始下沉，如果待测样品与标准样品密度不同，则两者开始下沉时的温度亦不相同，如果已知标准样品密度，根据待测样品与标准样品开始下沉时的温度差，即可计算出待测样品密度。
2 仪器
密度仪MDS—Ⅱ型
328A分析天平(精度0.001g)
二级温度计(最小刻度0.1℃)
3 有机重液的选择和配制（即混合液）
3.1 有机重液的选择
所选择的有机重液应具备以下性质：
⑴组成稳定，不易挥发或分解，传导性要好。
⑵与样品玻璃不起反应，对玻璃浸润性好，粘度要小。
⑶两种有机液体应能按任何比例互溶。
⑷毒性要小，价格便宜。
根据以上要求选择的有机液为以下两种：
α-溴代荼(C10H8Br)
密度 (20℃) ：ρ=1.485g/cm3
密度的温度系数 (20～30℃) ：0.002g/℃·ml
四溴乙烷(CHBr2-CHBr2)
密度 (20℃) ：ρ=2.965g/cm3
密度的温度系数 (20～30℃) ：0.001g/℃·ml
3.2 有机液配制
将上述两种有机液混合配成重液，要求重液密度略高于玻璃密度。根据我厂正常玻璃密度(20℃)为2.5100g/cm3，生产过程中玻璃密度波动一般小于±0.01g/cm3，故混合有机重液的密度(20℃)控制在2.5200g/cm3较为合适，通过计算当α-C10H8Br与CHBr2-CHBr2配比(体积比)为3:7时，混合有机重液密度为2.5200g/cm3。
4 标准玻璃样品密度测定
在生产正常情况下，取同一制品上若干块进行密度测定，用阿基米德密度测定方法，精确测定各块密度值，取平均值作为标准样品密度(检测时各块样品密度差不超过1mg/cm3)。
标准样品密度测定方法：
⑴用天平称出标准样品在空气中的重量G空;
⑵将样品悬挂铂丝上并浸没于蒸馏水中(样品全部浸没水中), 用天平称出样品及铂丝在水中的重量G玻;
⑶用天平称出铂丝浸入相同高度水中的重量G丝。
标准玻璃样品密度计算：
注意事项：
⑴试样应无缺陷(如气泡、砂点、条纹等杂质)，每块试样重约6～7g左右。
⑵试样应全部浸入水中，铂丝及试样不得与烧杯壁接触。
⑶本方法只适合如玻璃一类不吸水材料。
5 被检玻璃密度测定
被检玻璃样品要求退火良好，不含气泡和条纹，取样时在玻璃制品上取其上、中、下三块，大小与标准样品接近，样品用酒精洗净后烘干待测。
操作方法：
用镊子将待测玻璃试样和标准玻璃样品放入装有有机重液的同一试管中，盖好塞子，将试管放入水浴槽中，打开电源，开动搅拌器，使水的温度均匀上升，升温过程中，轻微晃动试管以免液面的表面张力影响样品自由下沉。准确记录标准玻璃样品与待测玻璃试样开始下沉时的温度。
玻璃密度计算：
式中：
ρ———被测玻璃密度;
ρ0———标准玻璃密度(已测定);
r———有机重液密度的温度系数(r=0.0017)
计算方法：
△T———被测样品与标准样品在混合重液中开始下沉时刻温度差。
6 结论
该方法是结合阿基米德密度测定玻璃、陶瓷等不吸水材料的一种简化密度测定方法，是玻璃制品生产中检测密度的常用方法。采用浮沉法进行玻璃密度检测时，只要温度读数误差控制小于2℃，密度检测精度可以达到0.0001g/cm3，与阿基米德密度测定方法具有同样准确度。采用浮沉法测量玻璃密度，简便易行，适合生产过程对产品质量进行时时监控。
参考文献
[1]《玻璃与搪瓷原料及玻璃成分分析规范》, 沈阳市玻璃搪瓷工业公司编写
脱硫PH值及密度值测量计系统改造 第2篇
关键词：PH值测量计 密度值测量计 吸收塔
0 引言
PH值测量计及密度值测量计虽然原理、结构简单，性能稳定，便于管理和维护。但是，这两套测量装置准确性以及系统的稳定性，最终还是取决于对设备的正常使用和规范的维护保养，所以必须加强设备的巡视检查制度，发现问题及时解决，出现缺陷及时消除。确保PH值测量计及密度值测量计的准确、可靠运行，这样才可以保证脱硫系统的脱硫效率及设备稳定运行。
1 改造背景
烟气中含硫燃料燃烧所产生的二氧化硫是对环境和人类有害的物质，因此在烟气排放之前必须将其中的二氧化硫浓度降低至环保排放标准浓度以下。石灰石-石膏湿法烟气脱硫是目前世界上最广泛使用的烟气脱硫技术。宁夏中宁发电有限责任公司烟气脱硫技改工程是宁夏中宁发电有限责任公司2×330MW机组的配套改造工程，采用石灰石-石膏湿法脱硫工艺、一炉一塔脱硫装置，脱硫装置的脱硫效率不小于95%。脱硫吸收塔的工作原理是：吸收液通过喷嘴雾化喷入吸收塔，分散成细小的液滴并覆盖吸收塔的整个断面。这些液滴与塔内烟气逆流接触，发生传质与吸收反应，烟气中的SO2、SO3及HCl 、HF被吸收。SO2吸收产物的氧化和中和反应在吸收塔底部的氧化区完成并最终形成石膏。为了维持吸收液恒定的pH值并减少石灰石耗量，石灰石被连续加入吸收塔，同时吸收塔内的吸收剂浆液被搅拌机、氧化空气和吸收塔循环泵不停地搅动，以加快石灰石在浆液中的均布和溶解。
2 PH值及密度计测量装置存在的问题
当初宁夏中宁发电有限责任公司烟气脱硫技改工程是由北京博奇公司设计并监造的。随着运行时间的推移其中的好多缺陷就慢慢的表现出来了，特别是脱硫吸收塔石膏排出泵所对应的一些管道系统（PH值测量计及密度值测量装置所在该系统）频频发生因管道腐蚀、磨损而产生的泄露。在处理泄露缺陷时因此系统长时间运行且有些阀门还要根据运行状况随时做一些开关调整而造成有些阀门内漏，使的该系统不得不因为发生缺陷而停止运行。
3 改造方案
3.1 分析原因 PH值测量计和密度值测量计连接在石膏排出泵系统上，而在此石膏排出泵系统上还连接着至石膏真空皮带脱水机上的管道、连接至事故浆液箱的管道以及PH值测量计的旁路管道、密度值测量计的旁路管道。而运行人员为了确保脱硫吸收塔的脱硫效率必须经常根据PH值及密度值的数据变化随时对脱硫吸收塔里的浆液进行调整；当吸收塔内部密度大、液位高脱硫效率低时需要对此进行脱石膏处理，当吸收塔内部密度小、液位低脱硫效率低时就需要对吸收塔内部进行石灰石浆液的补充，所以PH值测量计和密度值测量计系统不能停运，而其他系统则根据运行状况的需要进行投运。
3.2 改造思路及措施 根据上述原因的分析我们决定把PH值测量计和密度值测量计改造措施的方向放在脱硫吸收塔浆液循环泵系统上。根据当初的设计要求一座脱硫吸收塔建造了分别为A、B、C三台浆液循环泵，其中两台同时运行、一台做备用。而这一设计要求和PH值测量计、密度值测量计的运行要求一样，这样一来我们的改造思路和系统的设计要求及运行方式完全满足了系统的工作需要。浆液循环泵出口管根据当初的设计建造为衬胶管，整个出口管上只留有一个冲洗水管、一个压力表管。衬胶管道上不能挖补焊接管道，而冲洗水管不能取消，装压力表的管道为￠50MM的管道正好符合安装PH值测量计和密度值测量计设备的管道要求。最后我们决定把PH值测量计和密度值测量计的进口管连接到B、C浆液循环泵出口管的压力表管口上，再利用三通管把浆液循环泵出口压力表装在了浆液循环泵出口管与PH值测量计和密度值测量计的连接管上。连接方式如图所示：
■
3.3 管道的改造及优化
在原来的运行状况中PH值测量计的设计为：下进上出——进口管从测量罐底部接入，然后从顶部用三根￠32MM的管道接出。如图所示：
■
缺点：石灰石浆液从PH值测量计底部进入直接冲刷测量元件，使之容易损坏。出口管用三根￠32MM的不锈钢歪管接出，这样不但管道容易堵塞而且对歪管顶部冲刷磨损严重使之经常泄露，为了降低成本、减少缺陷，降低工作人员的工作量，我们把PH值测量计的运行状况改变为上进下出，进口管与出口管一样都是￠50MM的不锈钢直管道。以前密度值测量计安装在PH值测量计之前，当密度值测量计发生堵塞时就容易使PH值测量计也失去了检测作用。因此，这次把密度值测量计放在了PH值测量计的后面。如图所示：
■
优点：这样改进既减少了因管道磨损而发生的泄露又因为出口管管径得增大降低甚至消除了出口管管道的堵塞，当PH值测量计改为上进下出后减少了石灰石浆液对PH值测量计内部测量元件的磨损，而且即使密度值测量计堵塞也不会影响到PH值测量计的测量监控。在这次的PH值测量计和密度值测量计的管道优化改进中，我们把它们设计安装在了一个平台上，这样既方便了运行人员的操作，又可以使检修人员进行日常的维护和消缺。在这次的改造中我们还把设计安装中多余的一道石膏排出泵出口门后至吸收塔的循环管给优化掉了。
4 改造后的成效
①在设备的可靠运行方面，PH值测量计和密度值测量计经过这样的改造后，减少了石膏排出泵的启动次数和进、出口阀门的开、关操作次数，减少了因每次停运石膏排出泵后冲洗管道的次数。在这次的改造中我们还把原来设计安装中多余的一道石膏排出泵出口门后至吸收塔的循环管给优化掉了。
②在经济方面，经过这次的改造后，减少了设备的启、停率，降低了石灰石浆液对设备和相关系统阀门、管道的磨损，减少了阀门因操作过多造成的损坏以及误操作，减少了设备管道系统，减少了冲洗水的投入次数节约了水资源，PH值测量计进、出口管的改造降低了测量元件的磨损减少了测量元件的更换率。
③在安全性上，PH值测量计和密度值测量计设计和安装在一个操作平台上，既方便了运行人员的巡检和操作又方便了检修人员的日常维护和检修，这次把PH值测量计和密度值测量计安装在了循环泵房内，所以避免了冬天因为设备停运而被冻住堵塞的危险。
参考文献：
[1]陈玲玲.浅析循环流化床锅炉脱硫[J].中小企业管理与科技（下旬刊），2011（06）.
[2]孙常青，齐光，成敬宇.烟气脱硫技术应用与展望[J].价值工程，2013（18）.
用基团法预测柴油密度值 第3篇
柴油物理性质是成品柴油和加工过程控制分析的主要内容, 也是柴油质量指标的重要组成部分, 主要有密度、凝点、闪点、馏程等指标。全面测定这些指标往往需要大量的人力、物力、财力及较长的时间, 难以满足生产控制的需要。
现代近红外光谱 (Near-Infrared Spectroscopy, NIRS) 分析技术是80年代中后期迅速崛起的快速分析技术, 由于其分析速度快, 不消耗和破坏样品, 自身又无污染, 已成功地用于许多分析领域。NIRS分析技术测定产品的近红外光谱, 通过化学计量学或数学方法建立柴油性质与特征光谱之间的相关模型, 利用该模型对待测油品的性质值进行分析预测, 可以给出样品的多项性质指标。
对近红外光谱进行建模分析时, 一种方法是为不丢失光谱信息, 用全谱数据进行建模。但全谱建立的软测量模型, 计算量大、模型复杂, 且测量精度未必能达到最佳值;另一种方法是对高维光谱数据进行降维, 采用传统的化学计量学方法如PLS或常用非线性方法如SVM等进行建模。笔者通过对近红外光谱中几个基团吸收信息的选取, 通过合适的预处理方法, 建立非线性预测模型, 不但降低了光谱特征维数、简化运算, 同时还能突显有效信息, 使模型对密度值有很好的预测能力。
2 模型原理
近红外光谱主要是由分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的, 光谱记录的是分子中单个化学键基频振动的倍频和合频信息, 它由含H基团X-H键 (X=C, N, S, O, P) 的倍频和合频的重叠主导, 所以近红外光谱范围内, 测量的主要是含氢基团X-H键振动的倍频和合频吸收。由于不同基团产生的光谱在吸收峰位和强度上有所不同, 随样品组成的变化其光谱特征也将发生变化, 这为近红外光谱的定性和定量分析奠定了理论基础。表1列出了各种含氢基团在近红外区域的谱带归属。
nm
对油品而言, 石油产品主要为含有各种不同C-H基团信息的烃类化合物, 例如甲基C-H (913 nm) 、烯烃C-H (895 nm) 、亚甲基C-H (934 nm) 和芳烃C-H (875 nm) 等基团信息[1]。油品中不同结构的烃类化合物含量变化都会导致近红外光谱的变化, 尽管这种变化非常细微, 但通过对光谱数据的预处理 (如平滑、微分等) , 便能得到样品组成变化的信息。因此可以建立油品近红外光谱的基团信息与油品性质间的校正模型, 通过数学方法确定模型参数, 便可快速测定油品性质。
设对N个柴油油品进行近红外光谱测量, 得到的光谱特征为M维, 则该实验数据集可表达为矩阵的形式:XN×M=[xi, 1, xi, 2, …, xi, M], i=1, 2, …, N。对近红外光谱信息进行预处理, 根据近红外光谱区各C-H键主要吸收带选择建模所需的基团信息, 记所选光谱信息为:XN×P=[xi, 1, xi, 2, …, xi, p], i=1, 2, …, P。然后建立密度值预测的数学模型, 其一般表达式为:
f (x, θ) =θ0+θ1x1+…+θpxp (1)
为进一步提高模型的预测效果, 对上式进行修正, 通过增加物性幂指数S来改变估算模型:
f (x, θ) = (θ0+θ1x1+…+θpxp) S (2)
其中, 参数θ′=[θ0, θ1, …, θp]和物性幂指数S为常数, 为计算方便, 将S写入θ′, 记为θ=[θ0, θ1, …, θp, S], 通过拟合确定其数值。
3 基团信息的选取及软测量模型的建立
本文实验所用的近红外光谱分析仪扫描范围为750～1 550 nm, 采样间隔为2 nm, 样品池采样光程为10 cm, 实验数据为395个柴油样本的近红外光谱数据及其对应的密度值, 取自Eigenvector Research公司的网页[2], 其光谱数据如图1所示。
从图1可以看出, 实际柴油近红外光谱各特征谱图相互重叠, 对于柴油的各基团构成, 如甲基等并没有明显的吸收峰。因此, 要想通过柴油近红外吸收光谱上各基团对应的特征点对其属性进行定量分析, 必须对光谱进行预处理。
3.1 光谱数据预处理
由检测器检测到的光谱信号除样品信息外, 还包含来自各方面的噪声, 如电噪声、杂散光、样品背景等。光谱预处理的目的是滤去噪声, 优化光谱信号, 为下一步建立校正模型打下基础。本文对原始光谱采用多项式平滑处理以消除仪器噪声对光谱造成的漂移影响, 然后再对光谱数据进行一阶微分以清除光散射、克服样本颜色及光源强度变化的影响。图2为预处理后的柴油近红外光谱图。
此外, 由于实验条件的改变、样品性质的变化以及仪器的测量误差和人为的测量误差等原因, 光谱中可能存在奇异点。奇异点的存在会在一定程度上影响甚至改变整体数据的分布趋势, 从而影响校正模型的准确性, 所以奇异点的有效剔除是校正模型及数据分析结果可靠的关键。本文采用马氏距离法对光谱进行奇异点剔除[3]。光谱的马氏距离是指样本光谱与标准光谱集的平均光谱之间的距离。马氏距离表达了样本i对回归模型影响大小, 如果马氏距离太大, 表明该回归模型对i样本的依赖性较大, 对模型稳定性不利, 即i样本可能异常。
3.2 吸收基团的选择
吸收基团要依据光谱的吸收峰值及其与密度值的相关性来进行选择[4]。将密度值与预处理后的光谱进行关联, 计算对应波长下的相关系数, 得密度值与近红外光谱相关系数图, 如图3所示。
从谱峰位置对应的相关性来分析不同C-H基团对柴油密度值的贡献[5]。由图3可以看出, 柴油在该近红外区域有3个最明显的吸收峰:1 050 nm左右的亚甲基合频吸收、1 190 nm附近的甲基二级倍频吸收和1 540 nm附近的苯胺一级倍频吸收。因为预处理方法为一阶微分, 光谱与原始光谱峰的方向相同, 相关关系也相同。因此, 1 040 nm附近的亚甲基对密度值为负贡献, 而1 070 nm附近的亚甲基对密度值为正贡献;1 190 nm附近的甲基和1 540 nm附近的苯胺对密度值均为负贡献。
根据以上吸收峰值及其余密度值的相关性, 在各C-H基团的主要吸收带附近, 选择吸光度和相关系数均比较大的基团信息用于模型的建立。根据以上标准, 本文所选择的数据点为:145、160～165、390～395, 分别对应于1 040 nm、1 070～1 080 nm和1 530～1 540 nm。
3.3 校正模型的建立
选择预处理后的柴油油品近红外光谱数据集 (共含385组样本) 中前257组作为训练样本用来建模, 后128组作为测试数据集。其中每个样本有13组光谱数据做为基团信息, 即xi∈R13。对所建模型采用高斯-牛顿法进行迭代拟合。
高斯-牛顿法[6]是利用期望函数的线性近似, 并通过迭代改善θ的初始值θ0, 直至迭代无变化为止。即将期望函数f (x, θ) 在θ0处进行一阶泰勒展开:
f (x, θ) ≈f (x, θ0) +Vn1 (θ1-θundefined) +Vn2 (θ2-θundefined)
+…+Vnp (θp-θundefined) (3)
其中:
undefinedθ0 (p=1, 2, …, P) (4)
合并所有N个观测值, 可得:
η (θ) ≈η (θ0) +V0 (θ-θ0) (5)
式中:V0——元素为{Vnp}的N×P阶导数矩阵。
这等价于将残差z (θ) =y-η (θ) 近似地表示为如下的形式:
z (θ) ≈y-[η (θ0) +V0δ]=z-V0δ (6)
式中:z0=y-η (θ0) ;δ= (θ-θ0) 。
然后计算高斯增量δ0, 以使近似残差平方和undefined达到最小, 利用:
V0=QR=Q1R1 (7)
w1=QT1z0 (8)
undefined
所以:
R1δ0=w1 (10)
与η (θ0) 相比, 现在点undefined应更靠近y。因此我们取这个更好的参数值θ1=θ0+δ0, 并开始另一迭代过程, 继续计算新的残差z1=y-η (θ) , 新的导数矩阵V1和新的增量。重复上述过程直至达到收敛, 即使增量非常小以至于参数向量的元素已无实质性的变化。
3.4 与多元线性回归、偏最小二乘方法的比较
为与目前近红外光谱柴油密度值预测中常用的方法作比较, 本文在对这些样本进行基团法预测的同时, 还采用PLS和SVM方法进行预测。PLS采用主因子数为6;SVM参数选择C=5 000, ε=1×10-4。对每个待测样本用马氏距离法选取257个样本作为训练集, 剩余128组样本做为预测集, 结果如图4、表2所示。由此可见, 基团信息法的预测效果要优于PLS和SVM方法。
注:·实测值;—模型预测值
注:PRESS——预测残差平方和;R——相关系数;SEP——验证集标准偏差
4 结 论
用基团方法建立近红外光谱校正模型, 只需挑选出几个C-H基团 (甲基、亚甲基、芳烃等) 附近的近红外光谱信息, 不需要对原始数据进行降维压缩等处理, 避免了有用信息的丢失。该方法的计算量与样本的输入维数无关, 只与训练样本数目相关, 从而使得模型建立速度显著提高。对非线性模型采用高斯-牛顿法迭代改善模型参数值至收敛, 因此其预测误差会小于线性模型误差。与常用的PLS、SVM等方法相比, 基团法所建模型取得了更好的预测效果。
摘要：提出一种基于近红外光谱分析技术的基团建模法, 用于柴油密度值的软测量。对原始光谱采用多项式平滑处理以消除仪器噪声对光谱造成的漂移影响, 然后再对光谱数据进行一阶微分以清除光散射等其他影响, 得到预处理后的近红外光谱。在处理后的光谱中选择各基团的吸收信息建立预测模型, 采用高斯-牛顿法拟合确定模型参数。利用所建模型对密度值进行预测, 并与PLS、SVM等常用建模方法进行比较, 结果表明所提方法具有更高的预测精度, 并适合于柴油密度值的在线测量。
关键词：软测量,柴油密度,基团,近红外光谱
参考文献
[1]高俊.近红外光谱分析技术在油品分析中的应用研究[D].南京:南京工业大学, 2005.
[2]Near Infrared Spectra of Diesel Fuels[EB/OL].[2008-09-19].http://software.eigenvector.com/Data/index.html, 1999.
[3]姚肖刚, 戴连奎, 方骏.基于支持向量机的柴油十六烷值近红外光谱测量方法[J].化工自动化及仪表, 2004, 31 (2) :48-51.
[4]徐广通, 陆婉珍.柴油近红外光谱与性质的相关性分析[J].石油学报, 2001, 17 (2) :91-95.
[5]徐广通, 袁洪福, 陆婉珍.近红外光谱技术快速测定柴油物理性质[J].石油学报 (石油加工) , 1999, 15 (5) :63-68.