基于RSM模型对污泥联合调理的参数优化

邢 奕,王志强,洪 晨,司艳晓,刘 敏,李 洋,田星强 (北京科技大学环境科学与工程系,北京 100083)

基于RSM模型对污泥联合调理的参数优化

邢 奕,王志强,洪 晨*,司艳晓,刘 敏,李 洋,田星强 (北京科技大学环境科学与工程系,北京 100083)

研究了CaO、PAFC联合表面活性剂(1227)预处理对污泥脱水性能的影响,以污泥滤饼含水率(WC)和毛细吸水时间(CST)作为评价指标进行单因素实验,得出药剂投加量的最佳范围.然后通过以响应曲面优化法(RSM)为依据的Box-Behnken实验,建立了滤饼含水率和CST减少率二次多项式预测模型,进而得到联合调理的最佳工艺参数.结果表明,联合调理能够明显提高污泥的脱水性能,CaO、PAFC和1227的最佳药剂量分别为42.00,60.40,80.89mg/g,此条件下滤饼含水率为(68.30±0.26)%,CST减少率为(87.30±0.32)%.同时,在最优条件下进行了验证实验,结果与模型预测值基本吻合,表明基于响应曲面法所得的最佳工艺参数准确可靠,对相关污泥处理及条件优化具有一定的指导意义.

污泥调理；CaO；PAFC；表面活性剂；响应曲面优化法

活性污泥法广泛应用于污水处理,尤其是城市生活污水[1-2],因此在生物处理过程中必然产生大量的污泥.污泥是一种由水分、细菌菌体、无机颗粒、有机残片和胶体等组成的多相介质,且污泥中还存在难生物降解的有机物、重金属、盐类以及病原微生物等,容易对环境造成二次污染[3-6].剩余污泥絮体颗粒呈胶状结构且拥有高度亲水性,易与水分子以不同的形式结合在一起使污泥中部分水分难以脱除[7],因此在污泥处置或再利用前对污泥采取一定的调理措施来改善污泥的脱水性能十分必要.目前,向污泥中投加有机高分子聚合物进行预处理是最常见的调理方法[8-9],但其存在很大的局限性.一些研究表明[10-11],高分子絮凝剂只能提高脱水速率,不能改善脱水程度,脱水后的污泥不能满足焚烧和填埋的要求,并且过量的高聚物可能残留在脱水后的污泥中对环境造成长期的危害.

近年来,许多学者通过研究表明CaO、表面活性剂均可以改善污泥的脱水性能[12-15], Deneux-Mustin等[12]利用透射电子显微镜对FeCl3和CaO联合调理污泥的机理进行了研究,发现CaO的加入促进了污泥絮体表面晶体的形成,该沉淀物在污泥絮体中形成骨架结构,机械脱水时不仅能够将压力传递给内部的絮体,而且沉淀物的多孔结构可作为水分引流的媒介,从而改善污泥的脱水性能.Yuan等[13]利用电解法和表面活性剂联合调理污泥,结果表明表面活性剂的加入有利于污泥毛细吸水时间(CST)的降低,加快过滤速度,改善污泥的脱水性能.Chen等[14]报道了与传统的无机调理剂相比,表面活性剂的投加有利于降低污泥滤饼含水率和污泥比阻(SRF),明显提高了污泥的脱水性和过滤性.上述研究以滤饼含水率、CST和SRF等为指标,探讨了不同的调理方法对污泥脱水性能的影响,但较少对污泥调理时的最佳条件进行优化.响应曲面优化法[16-18](RSM)是一种实验条件寻优的方法,它将实验得出的数据结果进行响应面分析,通过多项式模型拟合得到预测模型,在各因素水平响应值的基础上,找出预测的响应最优值以及相应的实验条件.该方法已经广泛应用于科研领域的建模分析优化[19-21],但在污泥联合调理的最优化研究方面鲜有报道.

本研究以污泥滤饼含水率和毛细吸水时间(CST)作为评价指标,考察CaO、PAFC和表面活性剂(1227)联合调理对污泥脱水性能的影响,并通过以响应曲面优化法(RSM)为依据的Box-Behnken实验,建立多项式预测模型并分析其有效性,进而得到最优工艺参数,为相关污泥处理及条件优化提供参考和依据.

1 材料与方法

1.1 实验材料

实验所用污泥取自北京小红门污水处理厂浓缩池,进一步浓缩至含水率95%左右,分析其基本性质后置于4℃冰柜中保存待用,污泥性质如表1所示,所有实验均在72h内完成.

实验药品包括十二烷基二甲基苄基氯化铵(1227)、氧化钙(CaO)、聚合氯化铝铁(PAFC),以上药品均为分析纯.

表1 实验用污泥的性质Table 1 Properties of sludge used in this study

1.2 实验仪器

电子分析天平, AB104-N型,梅勒特-托利多仪器(上海)有限公司;智能型混凝搅拌仪,MY-3000-6型,梅宇电器有限公司;电热鼓风干燥箱, DGF 2500 3C型,重庆华茂仪器有限公司;循环水式多用真空泵, SHB-III型,郑州长城科工贸有限公司;毛细吸水时间测定仪,304M,Triton Electronics.

1.3 实验方法

污泥调理脱水:取300mL污泥放入500mL烧杯中,加入CaO搅拌(150r/min)30min,然后加入1227搅拌(100r/min)30min,最后加入PAFC继续搅拌30min,静置30min.

单因素实验:通过控制CaO、PAFC和1227在联合调理污泥时的投加量,考察单一因素对污泥脱水性能的影响.

表2 真实值和对应编码变量的范围和水平Table 2 Range and levels of natural and corresponded coded variables

Box-Behnken实验[22]:根据Box-Behnken实验设计原理,在单因素实验的基础上,采用三因素三水平的响应曲面设计方法,实验因子及水平见表2.设该模型通过最小二乘法拟合的二次多项方程为:

式中:Y为预测响应值(WC为滤饼含水率, %; E为CST减少率, %);Xi和Xj为自变量代码值;β0为常数项;βi为线性系数;βii为二次项系数;βij为交互项系数.按照Box-Behnken实验设计的统计学要求,需17组实验对上述方程的各项回归系数进行拟合.

1.4 分析方法

滤饼含水率的测定:取50mL调理后的污泥倒入装有定量滤纸的布氏漏斗中(直径150mm),在真空压力为-0.055MPa的负压下进行抽滤脱水,待布氏漏斗30s内不再有滤液滤出停止抽滤,取下残留在滤纸上的滤饼称量,然后在105℃下干燥至恒重,计算滤饼含水率.计算公式如下:

式中:WC为滤饼含水率, %; W1为滤后污泥饼重量, g; W2为在105℃下烘干至恒重的滤饼重量, g.

毛细吸水时间(CST)测定:采用毛细吸水时间测定仪,将少量污泥样品置于不锈钢漏斗内,开启仪器,至报警声响起时即可读取CST值,并计算CST减少率.计算公式如下:

式中:CST0和CST分别表示调理前后污泥的毛细吸水时间,s.

2 结果与讨论

2.1 单因素实验

调理剂对污泥脱水性能有很大影响,许多研究表明[9,11-13],在一定范围内,污泥脱水性能随调理剂投加量的增加明显提高,投加量继续增加,污泥脱水性能基本不变甚至下降,因此考察调理剂投加量对污泥脱水性能的影响十分必要.

2.1.1 CaO对污泥脱水性能的影响 CaO、PAFC和1227联合调理时, CaO投加量对污泥脱水性能的影响如图1所示, CaO投加量范围为10～ 90mg/g(mg/g表示每克干污泥中药剂的投加量,下同),PAFC投加量取50mg/g,1227投加量取78.75mg/g.由图1可以明显看出,污泥滤饼含水率和CST随CaO投加量的增加呈先降低后升高的趋势,并且CaO投加量为50.00mg/g时,污泥滤饼含水率和CST均降至最低,污泥滤饼含水率由79.54%(原泥)降至69.12%,降低了10.42%,CST由191.5s(原泥)降至30.2s,降低了84.23%,因此CaO调理污泥的最佳药剂投加量在30～70mg/g之间.

图1 CaO对污泥脱水性能的影响Fig.1 Effects of CaO on sludge dewaterability

2.1.2 PAFC对污泥脱水性能的影响 CaO、PAFC和1227联合调理时,PAFC投加量对污泥脱水性能的影响如图2所示,PAFC投加量范围为10～90mg/g,CaO投加量取50mg/g,1227投加量取78.75mg/g.由图2可知,随PAFC投加量的增加,污泥滤饼的含水率和CST总体呈下降趋势,污泥脱水性能明显改善,污泥滤饼含水率和CST分别由79.54%、191.5s(原泥)降至68.54%、25.2s (PAFC投加量为90mg/g),降幅分别达11.00%和86.84%.可以明显看出,PAFC投加量由30.00mg/g升至50mg/g时,污泥滤饼含水率和CST下降幅度比较大,PAFC的投加量继续增加,滤饼含水率和CST下降幅度大大减小,PAFC投加量大于70.00mg/g时,污泥滤饼含水率和CST基本不再变化,因此PAFC调理污泥的最佳药剂投加量在30～70mg/g之间.

图2 PAFC对污泥脱水性能的影响Fig.2 Effects of PAFC on sludge dewaterability

图3 1227对污泥脱水性能的影响Fig.3 Effects of 1227 on sludge dewaterability

2.1.3 1227对污泥脱水性能的影响 CaO、 PAFC和1227联合调理时,1227投加量对污泥脱水性能的影响如图3所示,1227投加量范围为22.50～112.50mg/g,CaO投加量取50mg/g, PAFC投加量范围取50mg/g.由图3可以看出,随着1227投加量的增加,污泥脱水性能明显改善.不同的是,1227投加量由22.50mg/g升高至45.00mg/g时, 污泥滤饼含水率呈快速下降趋势,而CST则呈现上升趋势.1227投加量由45.00mg/g升高至90.00mg/g时,污泥滤饼含水率下降幅度比较小,而CST下降幅度比较大,且1227投加量为90.00mg/g时,污泥滤饼含水率和CST均降至最低,分别为68.61%和27.3s,继续增大1227的投加量,污泥滤饼含水率和CST呈上升趋势,这与Huang等[23]和蒋波[24]的报道一致.由于1227投加量由45.00mg/g升高至67.50mg/g时,污泥滤饼含水率仅降低了0.45%,因此1227调理污泥的最佳投加量在45.00～112.5mg/g之间.

2.2 模型方差分析

按照Box-Behnken实验方案(表3)进行实验,结果见表3,通过Design-Expert 8.0软件可以求得方程(1)中的系数,从而得到多元二次回归方程模型,并对表3中的响应值进行回归分析,得到回归方程的方差分析表(表4).

表3 响应面实验设计及结果Table 3 Experimental design and results of RSM

2.2.1 滤饼含水率模型方差分析 滤饼含水率的多元二次回归方程模型为:

表4 滤饼含水率回归方程模型的方差分析Table 4 Analysis of variance (ANOVA) for the quadratic model for the WC

在式(4)中,X2、X3变量的负系数表明,该变量的负向变化能引起响应值的减少,正的二次项系数表明,方程的抛物面开口向上,具有极小值点,能够进行最优分析[25].对该模型进行方差分析和显著性检验,结果见表4,其中二次响应面回归模型的F值为157.03,模型的P<0.0001,说明模型具有高度的显著性.模型的校正决定系数R2adj为0.9387, S/N(信噪比)为32.941,远大于5,说明该模型可以解释约94%的响应值变化,只有总变异的6%不能用该模型解释;模型的回归程度一般用相关系数R2表示,当R2接近于1时,说明经验模型能够较好地反映实验数据,反之R2越小,说明相关性越差[26],该模型相关系数R2为0.9451,因而该模型拟合度良好,实验误差较小,可以对CaO、PAFC和1227联合调理污泥不同投加量条件下的滤饼含水率进行预测.图4为滤饼含水率实验值和预测值的对比,相关系数R2为0.9648,斜率0.9948接近1,说明基本上可以用该模型代替实验真实点对实验结果进行分析.T检验表明:回归方程中, X1、X2、X3、X12、X22、X32、X1X2均在P<0.001水平上极显著,说明方程的一次项与二次项有较高的显著性,各影响因素与响应值之间的回归关系显著.

图4 滤饼含水率的真实值和预测值的对比Fig.4 The actual and predicted WC plot

2.2.2 CST减少率模型方差分析 CST减少率的多元二次回归方程模型为:

表5 CST减少率回归方程模型的方差分析Table 5 Analysis of variance (ANOVA) for the quadratic model for CST reduction efficiency

在式(5)中,X2、X3变量的正系数表明,该变量的正向变化能引起响应值的增加,负的二次项系数表明,方程的抛物面开口向下,具有极大值点,同样能够进行最优分析[25].表5为该模型的方差分析和显著性检验,模型的P<0.0001,说明模型极显著,模型的相关系数R2为0.9560,校正决定系数R2adj=0.9508,S/N(信噪比)为38.209,远大于5,说明该模型可以解释约95%的响应值变化,只有总变异的5%不能用该模型解释,因此该模型拟合程度良好,实验误差较小,可以对CaO、PAFC和1227联合调理不同投加量条件下的CST减少率进行预测.图5为CST减少率实验值和预测值的对比,相关系数R2为0.9757,斜率为0.9961接近于1,说明该模型预测较准确,这也进一步佐证了显著性检验的结果.由表5回归方程系数显著性检验可知:该模型的一次项与二次项均较显著.

图5 CST减少率的实验值和预测值的对比Fig.5 The observed values plotted against the predicted values of CST reduction efficiency

2.3 响应曲面图与参数优化

为更直观的说明CaO、PAFC和1227联合调理对污泥滤饼含水率和CST减少率的影响以及表征响应曲面函数的性状,用Design-Expert Software 8.0做出两两自变量为坐标的3D图以及等高线图,如图6、图7所示.

2.3.1 滤饼含水率响应曲面图与参数优化 图6a为1227投加量为78.75mg/g(0水平)时, CaO和PAFC投加量对污泥滤饼含水率的影响.可以看出,在一定范围内,污泥滤饼含水率随CaO投加量的增加呈减小趋势,继续增加CaO投加量,污泥滤饼含水率反而呈上升趋势,表明过量的CaO会遏制污泥滤饼含水率的持续下降;同理,污泥滤饼含水率随PAFC投加量的增加在一定范围内呈下降趋势.图6b为PAFC投加量为50.00mg/g(0水平)时,CaO和1227投加量对污泥滤饼含水率的影响,可知,随着CaO和1227投加量的增加,污泥滤饼含水率总体呈先下降后上升的趋势.图6c为CaO投加量为50.00mg/g(0水平)时,PAFC和1227投加量对滤饼含水率的影响,可以明显看出,在一定范围内,污泥滤饼含水率随1227投加量的增加呈减小趋势,继续增加1227投加量,污泥滤饼含水率反而呈上升趋势,与CaO投加量对污泥滤饼含水率的影响趋势一致.因此从统计学的角度分析,需要对CaO、PAFC和1227投加量进行优化组合以便使污泥滤饼含水率降至最低.

2.3.2 CST减少率响应曲面图与参数优化 图7a为1227投加量为78.75mg/g(0水平)时, CaO和PAFC投加量的变化对污泥CST减少率的影响,可知,在一定范围内, CST减少率随CaO投加量的增加呈增大趋势,继续增加CaO的投加量, CST减少率迅速下降;CST减少率随PAFC投加量的增加缓慢增加.图7b为PAFC投加量为50.00mg/g(0水平)时,CaO和1227投加量的变化对CST减少率的影响,可以看出, CST减少率随CaO和1227投加量的增加呈先上升后下降的趋势.图7c为CaO投加量为50.00mg/g(0水平)时,PAFC和1227投加量的变化对CST减少率的影响,可以明显看出,在一定范围内,污泥CST减少率随1227投加量的增加呈增大趋势,继续增加1227投加量,CST减少率反而呈下降趋势,因此CaO、PAFC和1227均存在最佳投加量使CST减少率最大.

使用Mathematical software 7.0和响应曲面模型确定联合调理过程中变量运行的最佳条件,可知,滤饼含水率的多元二次回归方程模型在编码变量X1=-0.32, X2=0.64, X3=0.10时取得最小值,为68.23%,对应的CaO、PAFC和1227的投加量分别为43.60, 62.80, 81.13mg/g,将编码变量X1、X2、X3的值带入CST减少率的模型方程,可得CST减少率为87.18%; CST减少率的多元二次回归方程模型在编码变量X1=-0.40,X2=0.52,X3=0.09时取得最大值,为87.34%,对应的CaO、PAFC和1227的投加量分别为42.00,60.40, 80.89mg/g,将编码变量X1、X2、X3的值带入滤饼含水率的模型方程,可得滤饼含水率为68.27%,综合考虑药剂投加量和污泥的脱水性能,选取CaO、PAFC和1227的最佳投加量分别为42.00, 60.40, 80.89mg/g.

图6 变量对污泥滤饼含水率影响的响应曲面Fig.6 Surface graphs of WC showing the effect of variables

图7 变量对CST减少率影响的响应曲面Fig.7 Surface graphs of CST reduction efficiency showing the effect of variables

2.4 最优值验证

为考察响应曲面模型方程最优条件的准确性和实用性,在CaO、PAFC和1227分别为42.00, 60.40, 80.89mg/g条件下进行验证实验,结果表明滤饼含水率为(68.30±0.26)%,CST减少率为(87.30±0.32)%,与模型预测值基本吻合,因此基于响应曲面法所得的最佳工艺参数准确可靠,对相关污泥处理及条件优化具有一定的指导意义.

3 结论

3.1 CaO、PAFC和1227联合调理能够明显改善污泥的脱水性能,且调理污泥的最佳药剂量范围分别为30.00～70.00,30.00～70.00,45.00～112.5mg/g.

3.2 基于二次响应曲面法建立了联合调理条件下滤饼含水率和CST减少率的预测模型,模型的相关系数R2分别为0.9451和0.9560,拟合度良好,实验误差小,可分别对CaO、PAFC和1227不同投加量下的滤饼含水率和CST减少率进行预测.

3.3 在实验方案中,确定CaO、PAFC和1227的最佳投加量分别为42.00、60.40和80.89mg/g,此时污泥CST减少率取得最大值87.38%,滤饼含水率为68.28%,污泥脱水效果良好.并在最优条件下进行了验证实验,结果表明:滤饼含水率为(68.30±0.26)%, CST减少率为(87.30±0.32)%,与模型预测值基本吻合.

[1] Chen Y G, Chen Y S, Gu G W. Influence of pretreating activated sludge with acid and surfactant prior to conventional conditioning on filtration dewatering [J]. Chemical Engineering Journal, 2004,99(2):137-143.

[2] Feng X, Deng J C, Lei H Y, et al. Dewaterability of waste activated sludge with ultrasound conditioning [J]. Bioresource Technology, 2009,100(3):1074-1081.

[3] Singh K P, Mohan D, Sinha S, et al. Impact assessment of treated/ untreated wastewater toxicants discharged by sewage treatment plants on health, agricultural, and environmental quality in the wastewater disposal area [J]. Chemosphere, 2004, 55(2):227-255.

[4] 邢 奕,洪 晨,赵 凡.脱硫灰调理对污泥脱水性能的影响[J]. 化工学报, 2012,64(5):1810-1818.

[5] Thapa K B, Qi Y, Clayton S A, et al. Lignite aided dewatering of digested sewage sludge [J]. Wat. Res., 2009,43(3):623- 634.

[6] 周翠红,凌 鹰,曹洪月.市政污泥脱水性能实验研究与形态学分析 [J]. 中国环境科学, 2013,33(5):898-903.

[7] 谢浩辉,麻红磊,池 涌,等.污泥结合水测量方法和水分分布特性 [J]. 浙江大学学报(工学版), 2012,46(3):503-508.

[8] Bolto B, Gregory J. Organic polyelectrolytes in water treatment [J]. Water Research, 2007,41(11):2301-2324.

[9] Ma W, Zhao Y Q, Kearney P. A study of dual polymer conditioning of aluminum-based drinking water treatment residual [J]. J. Environ. Sci. Health Part A, 2007,42(7):961-968.

[10] Kopp J, Dichtl N. Prediction of full-scale dewatering results of sewage sludges by the physical water distribution [J]. Water Science and Technology, 2001,43(11):135-143.

[11] 鹿 雯,张登峰,王盼盼,等,阳离子表面活性剂对污泥脱水性能影响研究 [J]. 环境化学与技术, 2008,31(6):35-39.

[12] Deneux-Mustin S, Lartiges B S, Villemin G, et al. Ferric chloride and lime conditioning of activated sludges: an electron microscopic study on resin-embedded samples [J]. Wat. Res., 2001,35(12):3018-3024.

[13] Yuan H P, Zhu N W, Song F Y. Dewaterability characteristics of sludge conditioned with surfactants pretreatment by electrolysis [J]. Bioresource Technology, 2011,102(3):2308-2315.

[14] Chen Y G, Yang H Z, Gu G W. Effect of acid and surfactant treatment on activated sludge dewatering and settling [J]. Water Research, 2001,35(11):2615-2620.

[15] 杨国友,石 林,柴 妮.生石灰与微波协同作用对污泥脱水的影响 [J]. 环境化学, 2011,30(3):698-702.

[16] 黄 璞,谢明勇,聂少平,等.响应曲面法优化微波辅助提取黑灵芝孢子多糖工艺研究 [J]. 食品科学, 2007,28(10):200-203.

[17] 高瑀珑,王允祥,江汉湖.响应曲面法优化超高压杀灭金黄色葡萄球菌条件的研究 [J]. 高压物理学报, 2004,18(3):273-278.

[18] 石文天,刘玉德,王西彬,等.微细铣削表面粗糙度预测与试验[J]. 农业机械学报, 2010,41(1):211-215.

[19] Tony M A, Zhao Y Q, Fu J F, et al. Conditioning of aluminium-based water treatment sludge with Fenton’s reagent: Effectiveness and optimising study to improve dewaterability [J]. Chemosphere, 2008,72(4):673-677.

[20] Benatti C T, Tavares C R G, Guedes T A. Optimization of Fenton’s oxidation of chemical laboratory wastewaters using the response surface methodology [J]. Journal of Environmental Management, 2006,80(1):66-74.

[21] Soloman P A, Ahmed Basha C, Velan M, et al. Augmentation of biodegradability of pulp and paper industry wastewater by electrochemical pre-treatment and optimization by RSM [J]. Separation and Purification Technology, 2009,69(1):109-117.

[22] Montgomery D C. Design and analysis of experiments [M]. New York: John Wiley, 1991.

[23] Huang C, Ruhsing Pan J, Fu C G, et al. Effects of surfactant addition on dewatering of alum sludges [J]. Journal of Environmental Engineering, 2002,128(12):1121-1127.

[24] 蒋 波.阳离子型表面活性剂对活性污泥脱水性能的影响及作用机理研究 [D]. 上海:上海交通大学, 2007.

[25] 廖素凤,陈剑雄,杨志坚,等.响应曲面分析法优化葡萄籽原花青素提取工艺的研究 [J]. 热带作物学报, 2011,32(3):554-559.

[26] Little T M, Hills F J. Agricultural experimental design and analysis [M]. New York: John Wiley, 1978.

Parameter optimization of sludge co-conditioning based on RSM model.

XING Yi, WANG Zhi-qiang, HONG Chen*,SI Yan-xiao, LIU Min, LI Yang, TIAN Xing-qiang (Department of Environmental Science and Engineering, University of Science and Technology Beijing, Beijing 100083, China). China Environmental Science, 2014,34(11)：2866～2873

The potential benefits of sludge dewaterability under surfactant-conditioning (1227) with CaO, PAFC were investigated. Water content of dewatered sludge (WC) and CST were regarded as evaluation index, and single factor experiment was conducted to obtain optimum range of reagent dosage. Then quadratic polynomial prediction models of WC and CST reduction efficiency were established by Box-Behnken experimental design based on response surface methodology (RSM), and optimum parameters of co-conditioning were obtained. The results demonstrated that co-conditioning could significantly improve sludge dewaterability. The optimum values for CaO, PAFC and 1227 were 42.00, 60.40 and 80.89mg/g, respectively, at which WC of (68.30±0.26)% and the CST reduction efficiency of (87.30±0.32)% could be achieved. Meanwhile, verifying experiment was conducted under the optimal conditions and experimental results coincided with model predictions. Thus the optimum parameters obtained from response surface methodology were accurate and reliable, and have certain directive meaning for related sludge treatment and condition optimization.

sludge conditioning；CaO；PAFC；surfactant；response surface methodology

X705

A

1000-6923(2014)11-2866-08

邢 奕(1976-),男,山西太原人,副教授,博士,主要从事城市剩余污泥资源化处理、烧结烟气脱硫、高浓度难降解有机废水处理、矿区土壤修复研究.发表论文90余篇.

2013-11-20

国家自然科学基金项目(51104009);北京市科技新星计划项目(Z111106054511043);北京市优秀人才培养资助项目(2012D009006000003);中央高校基本科研业务费专项资金资助项目(FRF-TP-12-011B);昆明市科技计划项目(2012-02-09-A-G-02-0001);广东省教育部产学研结合项目(2011B090400629)

* 责任作者, 博士, hongchen000@126.com