摘要
膜分离技术已广泛应用于水处理领域，但膜污染一直是影响处理效率的限制因素。现有的原位监测技术存在着操作门槛高、价格昂贵以及数据分析复杂等缺点，较难投入实际应用。电阻抗成像（EIT）可以实时获取污染界面的图像，具有非侵入性、成本低、操作简便等优点。本研究将EIT技术应用于平板超滤（UF）膜和卷式反渗透（RO）膜的污染监测，为膜污染的实时原位监测提供了一种切实可行的方法，也为膜组件设计与运行工艺提供理论指导。 首先，采用EIT对平板UF膜过程进行原位表征，分析不同污染条件下的膜污染分布差异。以酵母、高岭土及二者混合溶液为模型污染物，开展过滤实验。在死端条件下，造成的膜污染程度由高到底顺序为：酵母溶液、二者混合溶液、高岭土溶液。EIT图反映酵母溶液造成的膜污染分布不均匀，高岭土溶液最为均匀，混合溶液居于二者之间，且得到的EIT信号响应能反应膜污染生长厚度方面的信息。在错流条件下，随着错流速度增大，归一化通量下降幅度减小，膜面受污染占比减少。通过对比EIT对不同污染物的监测结果，能够得到膜面污染累积及分布情况，说明EIT可以作为表征膜污染空间分布的手段。 接着，将EIT应用于卷式RO膜组件的污染监测，区分不同段、层之间的污染差异。以海藻酸钠（SA）、二氧化硅及二者混合溶液为模型污染物，开展过滤实验。在一段RO中，污染顺序为：SA＞混合污染物＞二氧化硅。在三段RO运行条件下，二氧化硅在各段形成的污染层较均匀，各层间的污染分布均匀。SA聚集性分布比较明显，同时内层比外层污染严重。随着过滤的进行，二者混合污染物各段污染层仍有轻微的聚集性分布，聚集性分布情况与膜解剖后的实际污染照片也具有一定的吻合度。通过分析不同污染条件下的EIT结果，能够获得RO膜段与层的污染分布情况，说明EIT适用于RO膜污染的监测。 最后，选用反向传播人工神经网络（BP-ANN）对RO膜组件获取的实验数据进行训练，预测膜污染进程。结果显示BP-ANN模型预测的归一化通量和平均电压具有较高的R值，说明该模型准确度较高，对RO膜污染的预测效果较好。
NETL