微滤法用于中药挥发油含油水体的油水分离研究

论文摘要

本论文在超滤法用于中药挥发油含油水体油水分离的基础上,对微滤法进行了初步的研究。主要涉及了膜微滤工艺的优化、膜污染机制的分析及油水分离机理的探讨。通过对数据的挖掘分析,为微滤法用于中药挥发油含油水体油水分离的发展提供参考,进而达到推进膜分离技术用于中药挥发油收集领域进程的目的。本论文的研究内容及结果如下：1实验通过比较各挥发油的物理化学性质选取了具有代表性的九种挥发油含油水体。实验采用挥发油含油水体模拟体系,对每种含油水体的油水分离工艺进行了优化,并应用气相色谱指纹图谱对膜分离所得挥发油和挥发油原油的化学组成进行比较。通过对各含油水体最佳工艺的比较,及各因素对膜通量和截油率影响的观察,发现其中对膜通量和截油率影响最大的为膜孔径,其次为压力和温度。对于不同含油水体,变化趋势基本相同,膜通量随着膜孔径的增大而上升,截油率随着孔径的增大而降低；膜通量随着压力和温度的提高而上升。但也存在着不同点,比如膜通量和截油率随各因素变化趋势的差异,有的含油水体呈单一的上升或下降趋势,有的则呈现上升和下降交替的趋势。2实验数据的相关性分析与通量预测模型的建立。首先通过对实验数据进行相关性分析,探索影响膜通量和截油率的主要因素。通过分析发现,对于不同孔径的膜,影响膜通量和截油率的因素不尽相同,影响膜通量的因素主要有膜孔径、压力、温度等,影响截油率的因素主要有膜孔径、pH值、表面张力等。根据相关性分析结果,利用误差反向传播（Back-propagation network, BP）神经网络、支持向量机（Support Vector Machine, S VM）算法、径向基函数（Radical Basis Function, RBF）神经网络和泛化回归神经网络（General Regression Neural Network, GRNN）建立膜通量预测模型,其中RBF神经网络和GRNN神经网络预测结果较好。3对用于油水分离的微滤膜污染机制的研究,主要是对膜阻力分布的分析。通过各操作参数对膜阻力分布影响的分析,初步了解了含油水体膜分离过程中,操作条件对膜污染的影响,包括含油水体对膜的污染程度及污染组成。结果显示,膜孔径、压力、温度、搅拌速度对膜的阻力分布有着不同程度的影响。在各条件下,阻力分布也存在一些共同特征,比如膜阻力中大部分为膜自身阻力和浓差极化阻力,对膜的不可逆污染的程度较轻。4微滤法用于油水分离的机理探讨。根据阻力分布及粒径分布的实验结果,结合文献研究,对微滤法进行油水分离的机理进行了探讨。初步认为其机理为膜孔筛分机理与膜分相机理的综合作用。本文创新之处在于：（1）对影响九味中药挥发油含油水体油水分离的微滤过程参数进行研究,并对微滤法所得挥发油与原油进行指纹图谱对比,确认微滤法对挥发油各成分的有效保留作用。（2）应用多种数据挖掘方法,对含油水体微滤过程中的各影响因素进行分析,并建立含油水体微滤通量的预测模型。（3）对微滤膜污染和微滤法分离中药含油水体的机理进行阐述,对以后的工艺及应用研究有一定的指导意义。

论文目录

• 摘要
• Abstract
• 第一章 文献综述
• 1 挥发油提取分离方法概况
• 1.1 水蒸气蒸馏法
• 1.2 超临界流体萃取
• 1.3 压榨法
• 1.4 溶剂提取法
• 1.5 亚临界水萃取法
• 1.6 分子蒸馏法
• 1.7 微波法提取法和超声提取法
• 2 膜技术在油水分离中的应用
• 2.1 油在水中的存在形式
• 2.2 膜技术在工业含油废水处理中的应用
• 2.2.1 微滤
• 2.2.2 超滤
• 2.2.3 联合应用
• 3 神经网络与支持向量机算法在膜通量预测中的应用
• 3.1 神经网络
• 3.2 支持向量机算法
• 4 立题依据与研究内容
• 4.1 立题依据
• 4.2 研究内容
• 4.3 技术路线图
• 第二章 中药挥发油含油水体油水分离工艺研究
• 1 实验装置和仪器
• 1.1 实验仪器与材料
• 1.2 实验装置
• 1.3 含油水体制备
• 1.4 数据采集方法
• 1.5 气相色谱样品制备
• 2 含油水体微滤工艺研究
• 2.1 膜材质对微滤过程的影响
• 2.2 中药挥发油种类的筛选
• 2.3 九种中药挥发油含油水体微滤工艺研究
• 2.3.1 丁香挥发油含油水体微滤工艺研究
• 2.3.2 蛇床子挥发油含油水体微滤工艺研究
• 2.3.3 小茴香挥发油含油水体微滤工艺研究
• 2.3.4 辛夷挥发油含油水体微滤工艺研究
• 2.3.5 香附挥发油含油水体微滤工艺研究
• 2.3.6 八角茴香挥发油含油水体微滤工艺研究
• 2.3.7 藁本挥发油含油水体微滤工艺研究
• 2.3.8 青皮挥发油含油水体微滤工艺研究
• 2.3.9 草果挥发油含油水体微滤工艺研究
• 3 各因素对通量和截油率的影响
• 3.1 各因素对通量的影响
• 3.1.1 孔径对通量的影响
• 3.1.2 压力对通量的影响
• 3.1.3 温度对通量的影响
• 3.1.4 搅拌速度对通量的影响
• 3.2 各因素对截油率的影响
• 3.2.1 孔径对截油率的影响
• 3.2.2 压力对截油率的影响
• 3.2.3 温度对截油率的影响
• 3.2.4 搅拌速度对截油率的影响
• 4 本章总结
• 第三章 关于微滤过程各参数相关性分析与通量预测模型的研究
• 1 相关性分析
• 1.1 材料
• 1.2 方法与结果
• 2 通量预测模型的建立
• 2.1 模型建立步骤
• 2.2 误差反向传播（BP）神经网络预测模型
• 2.2.1 输入、输出向量设计
• 2.2.2 网络模型结构设计
• 2.2.3 运算结果
• 2.3 支持向量机（SVM）预测模型
• 2.3.1 输入、输出向量设计
• 2.3.2 SVM算法设计
• 2.3.3 运算结果
• 2.4 径向基函数（RBF）神经网络预测模型
• 2.4.1 输入、输出向量设计
• 2.4.2 RBF算法设计
• 2.4.3 运算结果
• 2.5 广泛回归神经网络（GRNN）预测模型
• 2.5.1 输入、输出向量设计
• 2.5.2 GRNN算法设计
• 2.5.3 运算结果
• 3 四种预测方法的比较
• 4 本章小结
• 第四章 中药含油水体微滤过程阻力分布的测定与分析
• 1 阻力分布分析
• 2 阻力分布的测定
• 2.1 孔径对阻力分布的影响
• 2.2 压力对阻力分布的影响
• 2.3 温度对阻力分布的影响
• 2.4 搅拌速度对阻力分布的影响
• 3 本章小结
• 第五章 微滤法用于油水分离机理研究
• 1 文献研究
• 2 微滤法对含油水体粒径分布的影响
• 2.1 实验仪器
• 2.2 微滤法对丁香含油水体粒径分布的影响
• 2.3 微滤法对青皮含油水体粒径分布的影响
• 3 机理探讨
• 4 本章小结
• 第六章 结论与展望
• 1 结论
• 2 展望
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢