• 지질공학
• /
• 제5권1호
• /
• pp.75-93
• /
• 1995

본 연구는 혼합차수재 개발의 일부로 알루미늄 샛쉬 제작공정에서 산업 부산물로 생산되고 있는 gibbsite 와 자연 생성물인 점토광물이 흡착능을 조사한다. 연구결과는 다음과 같이 몇 가지로 요약할 수 있는데, 1) 구리, 카드뮴, 니켈, 페놀등의 흡착은 12 시간에서 48 시간 이내로 비교적 신속히 평형을 이루었다. 2) 흡착은 표면현상으로 흡착의 속도와 범위는 흡착제의 비표면적과 밀접한 관계가 있다. 3) Gibbsite 와 bentonite 표면에서 중금속의 흡착현상은 Freundich 등온흡착식 보다 Langmuir 등온흡착식의 적용이 보다 타당하였다. 4) 페놀의 경우 N 값이 1 에 가까운, 즉 선형 등온흡착식과 유사한 Freundich 식이 흡착해석에 유리하였다. 5) 중금속과 페놀은 다음 순서로 더 많은 흡착제거가 이루어 졌다. 흡착제 : $2{\mu}m-Al(OH)_3$ > 혼합시료 > $12{\mu}m-Al(OH)_3$ > Na-벤토나이트> $30{\mu}m-Al(OH)_3$

• 한국지반환경공학회 논문집
• /
• 제8권1호
• /
• pp.13-20
• /
• 2007

폐기물 매립지에서 발생하는 침출수는 주변 환경오염은 물론 지하수 오염등 2차적 환경오염을 발생시킬 우려가 매우 크다. 따라서, 쓰레기 매립지에서는 차수층을 설치하여 침출수를 차단 정화시켜서 2차적인 환경오염을 막고 있다. 차수층으로 사용되는 재료는 불투수성재료로서 일반적으로 투수계수가 $1{\times}10^{-7}$ cm/sec 이하가 되는 재료를 사용한다. 이러한 저 투수성을 갖는 자연상태의 점성토를 현장 부근에서 대량으로 확보하기는 매우 힘들기 때문에 그에 상응하는 저투수성 재료를 확보하는 방법으로 수밀성이 좋은 혼화재를 현장에 분포하는 현장토에 혼합하여 사용한다. 즉 벤토나이트와 MCG 고화재를 이용한 혼합토는 폐기물매립지에서 차수층으로 널리 이용되는 재료로서 차수효과와 내구성에서 크게 인정받고 있는 재료이다. 본 연구는 배합재료(혼합토)에 따른 폐기물매립지 차수층의 변화를 벤토나이트, MCG 고화재를 이용하여 실험하였다. 이들 재료의 혼합비가 현장에 미치는 영향을 다양한 공학적 실험을 통하여 분석하였다.

• Journal of Power Electronics
• /
• 제19권3호
• /
• pp.771-783
• /
• 2019

Due to nonlinear-synthetic uncertainty including the total unknown nonlinear load torque, the total parameter variation and the fixed load torque, a synchronous reluctance motor (SynRM) driving a continuously variable transmission (CVT) system causes a lot of nonlinear effects. Linear control methods make it hard to achieve good control performance. To increase the control performance and reduce the influence of nonlinear time-synthetic uncertainty, an admixed recurrent Gegenbauer orthogonal polynomials neural network (ARGOPNN) with a modified particle swarm optimization (MPSO) control system is proposed to achieve better control performance. The ARGOPNN with a MPSO control system is composed of an observer controller, a recurrent Gegenbauer orthogonal polynomial neural network (RGOPNN) controller and a remunerated controller. To insure the stability of the control system, the RGOPNN controller with an adaptive law and the remunerated controller with a reckoned law are derived according to the Lyapunov stability theorem. In addition, the two learning rates of the weights in the RGOPNN are regulating by using the MPSO algorithm to enhance convergence. Finally, three types of experimental results with comparative studies are presented to confirm the usefulness of the proposed ARGOPNN with a MPSO control system.