• 멤브레인
• /
• 제34권2호
• /
• pp.87-95
• /
• 2024

최근 연구는 역삼투압(RO), 나노여과(NF) 및 전기투석(ED)과 같은 막 공정에서 고급 용량성 탈이온화(CDI) 및 막 변형(MCDI)을 포함하는 광범위한 담수화 및 수처리 방법을 탐구합니다. 비교 분석은 저염도 시나리오에서 ED의 비용 효율성을 보여주는 반면 하이브리드 시스템(NF-MCDI, RO-NF-MCDI)은 향상된 염 제거 및 에너지 효율성을 보여줍니다. 새로운 이온 분리 방법(NF-CDI, NF-FCDI)은 향상된 효율성과 에너지 절감을 제공합니다. 이러한 연구는 또한 다양한 산업에 특정한 복잡한 폐수를 처리하는 데 있어 이러한 방법의 효율성을 강조합니다. 환경 영향 평가는 시스템 선택의 지속 가능성의 필요성을 강조합니다. 또한 마이크로 제작된 센서를 멤브레인에 통합하면 실시간 모니터링이 가능하여 기술 개발이 진전됩니다. 이러한 연구는 새로운 담수화 및 수처리 기술의 다양성과 가능성을 강조합니다. 이는 효율성 향상, 에너지 사용 최소화, 산업별 문제 해결 및 기존 방법 한계를 능가하는 혁신을 위한 귀중한 통찰력을 제공합니다. 다양한 응용 분야에서 효율성 향상, 환경 영향 최소화 및 적응성 보장에 초점을 맞춘 지속적인 발전으로 지속 가능한 수처리의 미래는 밝습니다.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.18-31
• /
• 2002

본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.

• 전기화학회지
• /
• 제12권2호
• /
• pp.155-161
• /
• 2009

리튬 2차전지는 휴대용 전자기기의 전원으로 사용되어 왔다. 최근 하이브리드 자동차, 전기자동차의 에너지 저장매체로써 적용으로 인해 시장 확대가 기대되고 있다. 양극 활물질은 리튬2차전지의 성능, 수명, 용량을 결정하는 물질이며, 급증하는 시장의 수요에 따라 양극 활물질을 대량으로 생산할 수 있는 기술을 개발하는 것이 시급하다. 본 연구에서 실제 양극 활물질($LiCoO_2$) 생산라인에서 가동 중인 소성로를 3D 모델링하였고, 수치적 해석을 통해 소성로 내부의 온도와 유동의 방향, 화학적 거동을 밝혀내었다. 결과로써, 생산량 증가로 인해 소성로에서 생성되는 $CO_2$ 농도가 증가하며 정체되는 지점을 확인하였고, TGA-DSC 실험을 통해 $CO_2$가 몰분율 15%이상에선 $LiCoO_2$의 적절한 형성에 영향을 주는 현상을 확인하였다. 또한 소성로의 형상변화와 공정조건의 변화를 통해 문제되는 $CO_2$를 원활히 배출할 수 있는 해결책을 제안하였다.